课程目的：

掌握数据挖掘标准过程、数据建模、以及模型优化

课程内容：

第一部分：数据挖掘基础知识（基础，决定你的高度）

1、数据挖掘工具简介

Ø  EXCEL规划求解（数据建模工具）

Ø  SAS统计分析系统

Ø  SPSS统计产品与服务解决方案（Modeler数据流处理）

2、数据挖掘概述

案例：宜家IKE如何通过数据挖掘来降低营销成本提升利润？

3、数据挖掘的标准流程（CRISP-DM）

Ø  商业理解

Ø  数据准备

Ø  数据理解

Ø  模型建立

Ø  模型评估

Ø  模型应用

案例：通信客户流失分析及预警模型

4、数据建模示例

案例：客户匹配度建模—找到你的准客户

第二部分：数据理解与数据准备（Modeler实操）

1、数据挖掘处理的一般过程

Ø  数据源-->数据理解-->数据准备-->探索分析-->数据建模-->模型评估

2、数据读入

Ø  读入文本文件

Ø  读入Excel电子表格

Ø  读入SPSS格式文件

Ø  读入数据库数据

3、数据集成

Ø  变量合并（增加变量）

Ø  数据追加（添加记录）

4、数据理解

Ø  取值范围限定

Ø  重复数据处理

Ø  缺失值处理

Ø  无效值处理

Ø  离群点和极端值的修正

Ø  数据质量评估

5、数据准备：数据处理

Ø  数据筛选：数据抽样/选择（减少样本数量）

Ø  数据精简：数据分段/离散化（减少变量的取值）

Ø  数据平衡：正反样本比例均衡

Ø  其它：排序、分类汇总

6、数据准备：变量处理

Ø  变量变换：原变量值更新

Ø  变量派生：生成新的变量

Ø  变量精简：降维，减少变量个数

7、基本分析

Ø  单变量：数据基本描述分析

Ø  双变量：相关性分析

Ø  变量精简：特征选择、因子分析

8、特征选择

Ø  特征选择方法：选择重要变量，剔除不重要的变量

Ø  从变量本身考虑

Ø  从输入变量与目标变量的相关性考虑

9、因子分析（主成分分析）

Ø  因子分析的原理

Ø  因子个数如何选择

Ø  如何解读因子含义

案例：提取影响电信客户流失的主成分分析

第三部分：因素影响分析（特征重要性分析）

问题：如何判断一个因素对另一个因素有影响？

比如营销费用是否会影响销售额？产品价格是否会影响销量？产品的陈列位置是否会影响销量？

1、常用特征重要性分析的方法

Ø  特征选择（减少变量个数）：相关分析、方差分析、卡方检验

Ø  因子分析（减少变量个数）：主成分分析

Ø  确定变量个数参考表

2、相关分析（数值+数值，相关程度计算）

问题：这两个属性是否会相互影响？影响程度大吗？

Ø  相关分析概述

Ø  相关系数计算公式

Ø  相关性假设检验

案例：通信基本费用与开通月数的相关分析

3、方差分析（分类+数值，影响因素分析）

问题：哪些才是影响销量的关键因素？

Ø  方差分析原理

Ø  方差分析的步骤

Ø  方差分析适用场景

案例：开通月数对客户流失的影响分析

4、列联分析（分类+分类，影响因素分析）

Ø  列联表的原理

Ø  卡方检验的步骤

Ø  列联表分析的适用场景

案例：套餐类型对对客户流失的影响分析

第四部分：分类预测模型分析

1、分类概述

Ø  分类的基本过程

Ø  常见分类预测模型

2、逻辑回归分析模型

问题：如果评估用户是否购买产品的概率？

Ø  逻辑回归分析

Ø  逻辑回归的原理

案例：客户购买预测分析（二元逻辑回归）

3、决策树分类

问题：如何提取客户流失者、拖欠货款者的特征？如何预测其流失的概率？

Ø  决策树分类的原理

Ø  决策树的三个关键问题

Ø  决策树算法

Ø  如何评估分类模型的性能（查准率、查全率）

案例：识别银行欠货风险，提取欠货者的特征

案例：客户流失预警与客户挽留模型

4、神经网络

Ø  神经网络概述

Ø  神经元工作原理

Ø  神经网络的建立步骤

Ø  B-P反向传播网络（MLP）

Ø  径向基函数网络（RBF）

5、支持向量机

Ø  SVM基本原理

Ø  维灾难与核函数

6、朴素贝叶斯分类

Ø  条件概率

Ø  朴素贝叶斯

Ø  TAN贝叶斯网络

Ø  马尔科夫毯网络

第五部分：市场细分与客户细分

1、客户细分常用方法

2、聚类分析（Clustering）

问题：如何对市场进行细分？如何提取客户特征，从而对产品进行市场定位？

Ø  聚类方法原理介绍

Ø  聚类方法适用场景

Ø  如何细分客户群，并提取出客户群的特征？

Ø  K均值聚类（快速聚类）

Ø  两步聚类

案例：移动三大品牌细分市场合适吗？

演练：宝洁公司如何选择新产品试销区域？

3、RFM模型分析

Ø  RFM模型，更深入了解你的客户价值

Ø  RFM模型与市场策略

Ø  RFM模型与活跃度

案例：淘宝客户价值评估与促销名单

第六部分：关联分析(Association)

问题：购买面包的人是否也会购买牛奶？他们同时购买哪些产品？

Ø  关联规则原理介绍

Ø  关联规则适用场景：交叉销售、捆绑营销、产品布局

案例：超市商品交叉销售与布局优化（关联分析）

结束：课程总结与问题答疑。