欢迎来到人才培训网  请登录 免费注册
关于我们 | 联系我们 | 客服热线:
020-31041068
首页 > 内训课返回>>
大数据分析与挖掘综合能力提升实战
  • 培训讲师:傅一航
  • 培训时长:2天
  • 课程编号:289
  • 课程类别:IT技能
  • 课程价格:¥ 25000元/天
  • 欢迎来电 020-310-41068 量身定制内训课程
培训对象
业务支撑部、运营分析部、数据分析部、大数据系统开发部等对业务数据分析有较高要求的相关人员。
培训内容

【课程目标】

本课程为高级课程,培训的内容是继中级课程之后学习的,同时提供了更复杂的数据模型来解决实际工作中的商业决策问题。

本课程面向高级数据分析人员,以及系统开发人员。

本课程核心内容为数据挖掘,分类预测模型,以及专题模型分析,帮助学员构建系统全面的业务分析思维,提升学员的数据分析综合能力。

本课程覆盖了如下内容:

1、 数据建模过程

2、 分类预测模型

3、 分类模型优化思路

4、 市场专题分析模型

 


本系列课程从实际的业务需求出发,结合行业的典型应用特点,围绕实际的商业问题,对数据分析及数据挖掘技术进行了全面的介绍(从数据收集与处理,到数据分析与挖掘,再到数据可视化和报告撰写),通过大量的操作演练,帮助学员掌握数据分析和数据挖掘的思路、方法、表达、工具,从大量的企业经营数据中进行分析,挖掘客户行为特点,帮助运营团队深入理解业务运作,以达到提升学员的数据综合分析能力,支撑运营决策的目的。

 

通过本课程的学习,达到如下目的:

1、 熟悉建模的一般过程,能够独立完成整个预测建模项目的实现。

2、 熟练使用各种分类预测模型,以及其应用场景。

3、 熟悉模型质量评估的关键指标,掌握模型优化的整体思路。

4、 熟练掌握常用市场专题分析模型:

a) 学会做市场客户细分,划分客户群

b) 学会实现客户价值评估

c) 学会产品功能设计与优化

d) 掌握产品精准推荐模型,学会推荐产品

e) 熟悉产品定价策略,寻找产品最优定价

 

【授课时间】

2-4天时间(每天6个小时)

【授课对象】

业务支撑部、运营分析部、数据分析部、大数据系统开发部等对业务数据分析有较高要求的相关人员。

【学员要求】

1、 每个学员自备一台便携机(必须)。

2、 便携机中事先安装好Microsoft Office Excel 2013版本及以上。

3、 便携机中事先安装好IBM SPSS Statistics v24版本及以上。

注:讲师可以提供试用版本软件及分析数据源。

 

【授课方式】

数据分析基础 + 方法讲解 + 实际业务问题分析 + 工具实践操作

采用互动式教学,围绕业务问题,展开数据分析过程,全过程演练操作,让学员在分析、分享、讲授、总结、自我实践过程中获得能力提升。

【课程大纲】

第一部分: 数据建模过程

1、 预测建模六步法

Ø 选择模型:基于业务选择恰当的数据模型

Ø 属性筛选:选择对目标变量有显著影响的属性来建模

Ø 训练模型:采用合适的算法对模型进行训练,寻找到最合适的模型参数

Ø 评估模型:进行评估模型的质量,判断模型是否可用

Ø 优化模型:如果评估结果不理想,则需要对模型进行优化

Ø 应用模型:如果评估结果满足要求,则可应用模型于业务场景

2、 数据挖掘常用的模型

Ø 数值预测模型:回归预测、时序预测等

Ø 分类预测模型:逻辑回归、决策树、神经网络、支持向量机等

Ø 市场细分:聚类、RFM、PCA等

Ø 产品推荐:关联分析、协同过滤等

Ø 产品优化:回归、随机效用等

Ø 产品定价:定价策略/最优定价等

3、 属性筛选/特征选择/变量降维

Ø 基于变量本身特征

Ø 基于相关性判断

Ø 因子合并(PCA等)

Ø IV值筛选(评分卡使用)

Ø 基于信息增益判断(决策树使用)

4、 模型评估

Ø 模型质量评估指标:R^2、正确率/查全率/查准率/特异性等

Ø 预测值评估指标:MAD、MSE/RMSE、MAPE、概率等

Ø 模型评估方法:留出法、K拆交叉验证、自助法等

Ø 其它评估:过拟合评估

5、 模型优化

Ø 优化模型:选择新模型/修改模型

Ø 优化数据:新增显著自变量

Ø 优化公式:采用新的计算公式

6、 模型实现算法(暂略)

7、 好模型是优化出来的

案例:通信客户流失分析及预警模型

 

第二部分: 分类预测模型

问题:如何评估客户购买产品的可能性?如何预测客户的购买行为?如何提取某类客户的典型特征?如何向客户精准推荐产品或业务?

1、 分类模型概述

2、 常见分类预测模型

3、 逻辑回归(LR)

Ø 逻辑回归模型原理及适用场景

Ø 逻辑回归的种类

² 二项逻辑回归

² 多项逻辑回归

Ø 如何解读逻辑回归方程

Ø 带分类自变量的逻辑回归分析

Ø 多元逻辑回归

案例:如何评估用户是否会购买某产品(二元逻辑回归)

案例:多品牌选择模型分析(多元逻辑回归)

4、 分类决策树(DT)

问题:如何预测客户行为?如何识别潜在客户?

风控:如何识别欠贷者的特征,以及预测欠贷概率?

客户保有:如何识别流失客户特征,以及预测客户流失概率?

Ø 决策树分类简介

案例:美国零售商(Target)如何预测少女怀孕

演练:识别银行欠货风险,提取欠贷者的特征

Ø 构建决策树的三个关键问题

² 如何选择最佳属性来构建节点

² 如何分裂变量

² 修剪决策树

Ø 选择最优属性

² 熵、基尼索引、分类错误

² 属性划分增益

Ø 如何分裂变量

² 多元划分与二元划分

² 连续变量离散化(最优划分点)

Ø 修剪决策树

² 剪枝原则

² 预剪枝与后剪枝

Ø 构建决策树的四个算法

² C5.0、CHAID、CART、QUEST

² 各种算法的比较

Ø 如何选择最优分类模型?

案例:商场酸奶购买用户特征提取

案例:客户流失预警与客户挽留

案例:识别拖欠银行货款者的特征,避免不良货款

案例:识别电信诈骗者嘴脸,让通信更安全

5、 人工神经网络(ANN)

Ø 神经网络概述

Ø 神经网络基本原理

Ø 神经网络的结构

Ø 神经网络的建立步骤

Ø 神经网络的关键问题

Ø BP反向传播网络(MLP)

Ø 径向基网络(RBF)

案例:评估银行用户拖欠货款的概率

6、 判别分析(DA)

Ø 判别分析原理

Ø 距离判别法

Ø 典型判别法

Ø 贝叶斯判别法

案例:MBA学生录取判别分析

案例:上市公司类别评估

7、 最近邻分类(KNN)

Ø 基本原理

Ø 关键问题

8、 贝叶斯分类(NBN)

Ø 贝叶斯分类原理

Ø 计算类别属性的条件概率

Ø 估计连续属性的条件概率

Ø 贝叶斯网络种类:TAN/马尔科夫毯

Ø 预测分类概率(计算概率)

案例:评估银行用户拖欠货款的概率

9、 支持向量机(SVM)

Ø SVM基本原理

Ø 线性可分问题:最大边界超平面

Ø 线性不可分问题:特征空间的转换

Ø 维空难与核函数

第三部分: 分类模型优化

1、 集成方法的基本原理:利用弱分类器构建强分类模型

Ø 选取多个数据集,构建多个弱分类器

Ø 多个弱分类器投票决定

2、 集成方法/元算法的种类

Ø Bagging算法

Ø Boosting算法

3、 Bagging原理

Ø 如何选择数据集

Ø 如何进行投票

Ø 随机森林

4、 Boosting的原理

Ø AdaBoost算法流程

Ø 样本选择权重计算公式

Ø 分类器投票权重计算公式

 

第四部分: 市场细分模型

问题:我们的客户有几类?各类特征是什么?如何实现客户细分,开发符合细分市场的新产品?如何提取客户特征,从而对产品进行市场定位?

1、 市场细分的常用方法

Ø 有指导细分

Ø 无指导细分

2、 聚类分析

Ø 如何更好的了解客户群体和市场细分?

Ø 如何识别客户群体特征?

Ø 如何确定客户要分成多少适当的类别?

Ø 聚类方法原理介绍

Ø 聚类方法作用及其适用场景

Ø 聚类分析的种类

Ø K均值聚类(快速聚类)

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?

演练:如何评选优秀员工?

演练:中国各省份发达程度分析,让数据自动聚类

Ø 层次聚类(系统聚类):发现多个类别

Ø R型聚类与Q型聚类的区别

案例:中移动如何实现客户细分及营销策略

演练:中国省市经济发展情况分析(Q型聚类)

演练:裁判评分的标准衡量,避免“黑哨”(R型聚类)

Ø 两步聚类

3、 主成分分析

Ø 主成分分析方法介绍

Ø 主成分分析基本思想

Ø 主成分分析步骤

案例:如何评估汽车购买者的客户细分市场

 

第五部分: 客户价值分析

营销问题:如何评估客户的价值?不同的价值客户有何区别对待?

1、 如何评价客户生命周期的价值

Ø 贴现率与留存率

Ø 评估客户的真实价值

Ø 使用双向表衡量属性敏感度

Ø 变化的边际利润

案例:评估营销行为的合理性

2、 RFM模型(客户价值评估)

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模型与活跃度分析

案例:淘宝客户价值评估与促销名单

案例:重购用户特征分析

 

第六部分: 产品推荐模型

问题:购买A产品的顾客还常常要购买其他什么产品?应该给客户推荐什么产品最有可能被接受?

1、 从搜索引擎到推荐引擎

2、 常用产品援藏模型及算法

3、 基于流行度的推荐

Ø 基于排行榜的推荐,适用于刚注册的用户

Ø 优化思路:分群推荐

4、 基于内容的推荐CBR

Ø 关键问题:如何计算物品的相似度

Ø 优缺点

Ø 优化:Rocchio算法、基于标签的推荐、基于兴趣度的推荐

5、 基于用户的推荐

Ø 关键问题:如何对用户分类/计算用户的相似度

Ø 算法:按属性分类、RFM模型、PCA、聚类、按偏好分类、按地理位置

6、 协同过滤的推荐

Ø 基于用户的协同过滤

Ø 基于物品的协同过滤

Ø 冷启动的问题

案例:计算用户相似度、计算物品相似度

7、 基于关联分析的推荐

Ø 如何制定套餐,实现交叉/捆绑销售

案例:啤酒与尿布、飓风与蛋挞

Ø 关联分析模型原理(Association)

Ø 关联规则的两个关键参数

² 支持度

² 置信度

Ø 关联分析的适用场景

案例:购物篮分析与产品捆绑销售/布局优化

案例:通信产品的交叉销售与产品推荐

8、 基于分类模型的推荐

9、 其它推荐算法

Ø LFM基于隐语义模型

Ø 按社交关系

Ø 基于时间上下文

10、 多推荐引擎的协同工作

第七部分: 产品设计优化

1、 联合分析法

2、 离散选择模型

Ø 如何评估客户购买产品的概率

Ø 如何指导产品开发?如何确定产品的重要特性

Ø 竞争下的产品动态调价

Ø 如何评估产品的价格弹性

案例:产品开发与设计分析

案例:品牌价值与价格敏感度分析

案例:纳什均衡价格

3、 品牌价值评估

4、 新产品市场占有率评估

 

第八部分: 产品定价策略及产品最优定价

营销问题:产品如何实现最优定价?套餐价格如何确定?采用哪些定价策略可达到利润最大化?

1、 常见的定价方法

2、 产品定价的理论依据

Ø 需求曲线与利润最大化

Ø 如何求解最优定价

案例:产品最优定价求解

3、 如何评估需求曲线

Ø 价格弹性

Ø 曲线方程(线性、乘幂)

4、 如何做产品组合定价

5、 如何做产品捆绑/套餐定价

Ø 最大收益定价(演进规划求解)

Ø 避免价格反转的套餐定价

案例:电信公司的宽带、IPTV、移动电话套餐定价

6、 非线性定价原理

Ø 要理解支付意愿曲线

Ø 支付意愿曲线与需求曲线的异同

案例:双重收费如何定价(如会费+按次计费)

7、 阶梯定价策略

案例:电力公司如何做阶梯定价

8、 数量折扣定价策略

案例:如何通过折扣来实现薄利多销

9、 定价策略的评估与选择

案例:零售公司如何选择最优定价策略

10、 航空公司的收益管理

Ø 收益管理介绍

Ø 如何确定机票预订限制

Ø 如何确定机票超售数量

Ø 如何评估模型的收益

案例:FBN航空公司如何实现收益管理(预订/超售)

第九部分: 信用评分卡模型

信用评分卡模型简介

评分卡的关键问题

信用评分卡建立过程

Ø 筛选重要属性

Ø 数据集转化

Ø 建立分类模型

Ø 计算属性分值

Ø 确定审批阈值

筛选重要属性

Ø 属性分段

Ø 基本概念:WOE、IV

Ø 属性重要性评估

数据集转化

Ø 连续属性最优分段

Ø 计算属性取值的WOE

建立分类模型

Ø 训练逻辑回归模型

Ø 评估模型

Ø 得到字段系数

计算属性分值

Ø 计算补偿与刻度值

Ø 计算各字段得分

Ø 生成评分卡

确定审批阈值

Ø 画K-S曲线

Ø 计算K-S值

Ø 获取最优阈值

 

第十部分: 实战篇

1、 电信业客户流失预警和客户挽留模型实战

2、 银行欠贷风险预测模型实战

3、 银行信用卡评分模型实战

 

结束:课程总结与问题答疑。

培训师介绍:

傅一航,华为系大数据专家。

计算机软件与理论硕士研究生(研究方向:数据挖掘、搜索引擎)。在华为工作十年,五项国家专利,在华为工作期间获得华为数项奖项,曾在英国、日本、荷兰和比利时等海外市场做项目,对大数据有深入的研究。

傅老师专注于大数据分析与挖掘、机器学习等应用技术,以及大数据系统部署解决方案。旨在将大数据的数据分析、数据挖掘、数据建模应用于行业及商业领域,解决行业实际的问题。

1、让决策更科学:将大数据应用于运营决策,用大数据探索领域发展规律和行业发展趋势,有效分析用户需求,并预测用户行为,最终实现市场变化预测,提升企业科学决策能力。

2、让管理更高效:将大数据应用于企业管理,用大数据呈现企业整体运营情况,诊断企业管理问题和风险,全面理解组织、产品、人员、营销、财务等要素间的相关性,实现企业资源的最优化配置,提升企业管理效率。

3、让营销更精准:将大数据应用于市场营销,解决营销中的用户群细分和品牌定位,客户价值评估,产品设计优化,产品最优定价等实际问题,实现精准营销和精准推荐,以最小的营销成本实现最大化的营销效果。

傅老师目前致力于将大数据技术应用于通信、金融、航空、电商、互联网、政府等领域。傅老师的课程最大特色:实战性强!“围绕业务问题+搭建分析框架+运用分析方法+建立分析模型+熟悉分析工具+形成业务策略”。以商业问题为起点,基于实际的业务应用场景(明确目的),搭建全面系统的业务框架和分析维度(分析思路),选择最合适的方法(分析方法),深入浅出的理论讲解(分析模型),使用简单实用的工具操作(分析工具),对分析结果进行有效的解读(数据可视化),最终形成具体的业务建议,实现业务分析/数据分析的闭环。

ž 重思路:核心理念+分析思路;

ž 重体系:分析过程+分析步骤;

ž 重实战:分析方法+分析模型+分析工具;

ž 重落地:数据可视化+数据解读+业务策略。

 

培训课题设计

 

 

大数据的培训主题有:

董事长总经理高管的课程:

《大数据战略与商业变革》

《大数据产业现状及应用创新》

《大数据思维与应用创新》

《领导干部的大数据思维与决策》

 

大数据市场营销的课程:

《大数据时代的精准营销》

《大数据分析与数据挖掘能力提升实战》

《”数“说营销----大数据营销实战与沙盘》

《市场营销大数据分析实战培训》

《大数据助力市场营销与服务》

 

大数据应用类的课程:

《大数据分析与数据挖掘能力提升实战》

《大数据建模与模型优化实战培训》

《大数据分析与挖掘之SPSS工具入门与提高》

《大数据分析与挖掘之Modeler工具入门与提高培训》

《金融行业风险预测模式实战培训》

 

Python课程:

《Python开发基础实战培训》

《Python数据分析与可视化实战》

《Python数据建模与模型优化实战》

《Python机器学习算法实战》

 

服务客户

傅老师曾提供过培训咨询服务的客户遍及通信、金融、交通、制造、政府等行业,包括华为、富士康、平安集团、中国银行、招商银行、光大银行、中信银行、交通银行、广电银通、西部航空、海南航空、中国移动、中国联通、中国电信、西部航空、安能物流、广州地铁、富维江森、东风日产、神南矿业、公交集团、广州税务、良品铺子、中冶赛迪、埃森哲、海天集团、正泰电器等单位和公司。

金融行业培训客户

中国银行:《大数据变革与商业模式创新》《大数据时代的精准营销》

广发银行:《大数据下的精准营销实战》四期

中信银行:《大数据分析与挖掘综合能力提升实战》叁期

交通银行:《大数据时代的精准营销》

安信证券:《大数据时代下的金融发展》

平安集团:《大数据思维与应用创新》

平安产险:《大数据分析综合能力提升》

平安寿险:《大数据分析与应用实战》

平安人寿:《大数据分析与应用实战》

平安银行:《大数据思维与应用创新》

农业银行:《Python大数据分析与挖掘》叁期

建设银行:《大数据思维与应用创新》两期

光大银行:《大数据分析与数据挖掘应用实战》四期

招商银行:《“数”说营销----大数据营销实战与沙盘》四期

杭州银货通科技:《大数据产业发展及应用创新》

广电银通:《大数据综合能力提升》

平安普惠金融:《Hadoop解决方案技术培训》

浦发银行:《大数据精准营销》

金融壹帐通:《大数据分析与挖掘综合能力提升实战》

中金所:《大数据思维与应用创新》

……

通信行业培训客户

联通研究院:《大数据预测建模优化》

广州电信:《大数据时代的精准营销》两期

北京电信:《大数据分析综合能力提升》

香港电信:《大数据精准营销实战》

上海电信:《渠道大数据分析与挖掘思路及方法》两期

河北电信:《数据化运营下的大数据分析综合能力提升实战》

南京电信:《大数据视图支撑精准化营销》

佛山电信:《数据挖掘技术及其应用培训》

泉州电信:《大数据挖掘、信息分析及应用培训》

湖北联通:《大数据分析与商业智能》

广东联通:《数据分析与数据挖掘实战培训》两期

江苏联通:《大数据分析综合能力提升》

吉林联通:《大数据分析综合能力提升-中级》

乌鲁木齐联通:《大数据分析综合能力提升》

上海移动:《大数据分析与挖掘、建模及优化》叁期

浙江移动:《大数据分析与数据挖掘应用实战》

江苏移动:《大数据精准营销技能提升实战》

深圳移动:《大数据分析综合能力提升》

广西移动:《大数据发展趋势及在公司营销领域的应用》

辽宁移动2期:《数据分析方法与经营分析技巧》

泉州移动3期:《数说营销—市场营销数据分析与挖掘应用》

德阳移动2期:《大数据挖掘与建模优化实战培训》

浙江移动:《大数据产品营销能力提升》

四川移动:《大数据分析与挖掘综合能力提升》

吉林移动:《数据分析与数据挖掘培训》;

贵州移动:《“数”说营销----大数据营销实战与沙盘》

海南移动:《基于大数据运营的用户行为分析与精准定位》

山东移动:《大数据分析综合能力提升》

深圳移动:《大数据在行业内外的应用》

中国移动终端公司:《大数据分析综合能力提升培训》

中山移动:《“数”说营销----大数据营销实战与沙盘》

东莞移动:《“数”说营销----大数据营销实战与沙盘》

成都移动:《数字化运营下的数据分析与数据挖掘》

眉山移动2期:《大数据分析综合能力提升》

云浮移动:《大数据挖掘和信息提炼专项培训》

阳江移动:《小数据·大运营--运营数据的分析与挖掘》

德阳移动:《电信运营商市场营销数据挖掘应用典型案例》

陕西在线:《“数”说营销----大数据营销实战与沙盘》

四川在线:《“数”说营销----大数据营销实战与沙盘》

大连移动:《“数”说营销----大数据营销实战与沙盘》

内蒙古移动:《大数据分析与Hadoop大数据解决方案》

贵州中移通信:《SPSS数据分析与数据挖掘应用实战》

华为技术:《话务量预测与排班管理》

……

 

能源汽车交通行业培训客户

一汽解放锡柴:《大数据思维与应用创新》

广东邮政:《大数据分析综合能力提升实战》

深圳水务:《大数据思维与应用创新》

宁夏国电:《大数据思维与应用》两期

柳州上汽五菱:《大数据下的精准营销实战》

东风商用:《数说营销实战》

东风日产:《大数据分析与数据挖掘应用实战》两期

富维江森(汽车):《数字化运营下的数据分析与数据挖掘应用培训》

广州地铁:《大数据分析与数据挖掘培训》两期

广州地铁:《数据分析与数据建模实战》两期

西部航空:《数字化运营下的数据分析与数据挖掘应用培训》

海南航空:《利用大数据营销提升航线收益》

南方航空:《大数据精准营销实战》两期

北京机场贵宾公司:《市场营销数据的分析》

深圳公交集团:《大数据与智慧交通》

延长壳牌:《大数据分析与挖掘综合能力提升》

神南矿业:《大数据产业发展与应用创新》

宝鸡国电:《大数据分析与挖掘》两期

顺丰快递:《大数据分析综合能力提升实战》

……

其它行业培训客户

中冶赛迪:《Python数据分析与挖掘》

《Python数据建模与优化回归篇》

《Python数据建模与优化时序篇》

埃森哲:《Python数据分析与可视化》

《Python RPA机器人流程自动化开发实战》

海天集团:《大数据分析综合能力提升》

正泰电器:《大数据分析综合能力提升》《大数据建模与模型优化》

岭南集团:《大数据时代下的精准营销》

ABB:《大数据分析实战培训》

施耐德:《大数据分析综合能力提升》叁期

周大福:《大数据分析与挖掘实战培训》

顶新国际:《大数据思维与应用创新》

索菲亚:《大数据分析实战培训》

玫琳凯:《大数据思维与应用》叁期

西部数据:《大数据分析综合能力提升》

无限极:《大数据分析综合能力提升》两期

雅图仕:《大数据分析综合能力提升》

广州税务:《大数据分析与挖掘实战》叁期

YKK吉田拉链:《大数据分析综合能力提升培训》

富士康:《数据分析综合能力提升培训》

贵州中烟:《互联网+时代的大数据思维》

深圳欣盛商:《电商大数据分析》

安能物流:《大数据挖掘分析及应用实战》

良品铺子:《大数据分析综合能力提升》两期

新时代集团:《问题的挖掘、分析—数据分析技巧》两期培训

挑战牧业:《大数据分析综合能力提升》

易鑫集团:《大数据分析综合能力提升》

赣州监狱:《大数据时代的营销》共三期培训

东风出行:《大数据思维与精准营销》


相关内容更多