課程簡(jiǎn)介
目標(biāo)收益
通過本課程的教學(xué)，使學(xué)員充分了解和認(rèn)識(shí)大數(shù)據(jù)的相關(guān)知識(shí)（大數(shù)據(jù)的應(yīng)用范圍及相關(guān)技術(shù)思想），同時(shí)學(xué)會(huì)用主流的數(shù)據(jù)挖掘軟件完成數(shù)據(jù)挖掘建模任務(wù)，使學(xué)員掌握數(shù)據(jù)挖掘方法論CRISP-DM的本質(zhì)。通過幾個(gè)具體的、典型的數(shù)據(jù)挖掘案例，使學(xué)員在掌握這些案例所用的技巧的同時(shí)，充分理解數(shù)據(jù)挖掘的方法論，實(shí)現(xiàn)舉一反三的效果，提高學(xué)員分析問題解決問題的實(shí)際能力。
培訓(xùn)對(duì)象
課程大綱
| 大數(shù)據(jù)的介紹 |
1.1 什么是大數(shù)據(jù)：海量非結(jié)構(gòu)化數(shù)據(jù)本身+處理方法 1.2 大數(shù)據(jù)為什么重要及大數(shù)據(jù)帶來(lái)的機(jī)遇：決定公司是否有未來(lái)和業(yè)務(wù)可延伸范圍 1.3 對(duì)大數(shù)據(jù)的深層理解：組成、特點(diǎn)介紹 1.4 大數(shù)據(jù)的相關(guān)技術(shù)與應(yīng)用案例 數(shù)據(jù)采集：ETL工具 數(shù)據(jù)存?。宏P(guān)系數(shù)據(jù)庫(kù)；NoSQL、SQL等 基礎(chǔ)架構(gòu)支持：云存儲(chǔ)；分布式文件系統(tǒng)等 計(jì)算結(jié)果展現(xiàn)：云計(jì)算；標(biāo)簽云；關(guān)系圖等 1.5 大數(shù)據(jù)專題可能的演進(jìn)路徑 |
| 數(shù)據(jù)分析基礎(chǔ) |
2.1 數(shù)據(jù)分析的含義、主要做什么？ 2.2 為什么要學(xué)習(xí)做好數(shù)據(jù)分析 2.2.1從數(shù)據(jù)分析的描述問題、對(duì)比問題、分析問題 到最后解決問題說(shuō)明為什么要做好 2.2.2通過案例說(shuō)明一般人員與數(shù)據(jù)分析師的區(qū)別 2.3 數(shù)據(jù)分析的誤區(qū)和分析的關(guān)鍵 2.4 數(shù)據(jù)分析的6個(gè)步驟，3大方向（理清思路，尋找答案，觀點(diǎn)表達(dá)）案例形式詳細(xì)說(shuō)明 步驟1：需求明確--理清思路 步驟2：數(shù)據(jù)收集--理清思路 步驟3：數(shù)據(jù)處理--尋找答案 步驟4：數(shù)據(jù)分析--尋找答案 步驟5：數(shù)據(jù)展示--觀點(diǎn)表達(dá) 步驟6：報(bào)表撰寫--觀點(diǎn)表達(dá) 分別對(duì)以上6個(gè)步驟以案例的方式詳細(xì)說(shuō)明。 2.5 實(shí)踐：以數(shù)據(jù)分析項(xiàng)目為引，將數(shù)據(jù)分析的技能與業(yè)務(wù)結(jié)合，并應(yīng)用于實(shí)際的工作之中 |
| 數(shù)據(jù)挖掘基礎(chǔ) |
3.1 數(shù)據(jù)挖掘概述、基本理念、歷史發(fā)展進(jìn)程、主要功能、發(fā)展趨勢(shì) 3.2 數(shù)據(jù)挖掘方法論：CRISP-DM、SEMMA 3.3 數(shù)據(jù)處理過程：變量的分類及類型，數(shù)據(jù)的質(zhì)量、理解過程、準(zhǔn)備過程 |
| 數(shù)據(jù)挖掘及數(shù)據(jù)分析技術(shù) |
4.1.數(shù)據(jù)挖掘主要分析方法： 4.1.1 聚類分析（Clustering） 4.1.2 分類分析（Classification） 4.1.3 關(guān)聯(lián)分析（Association） 4.1.4 預(yù)測(cè)分析（Prediction） 4.1.5 回歸分析 4.1.6 相關(guān)分析 4.1.7數(shù)據(jù)比較分析 4.1.8 數(shù)據(jù)挖掘的可視化 4.2 數(shù)據(jù)挖掘的實(shí)施 4.3 分析圖形：正態(tài)性檢驗(yàn) 描述性統(tǒng)計(jì) 箱型圖、區(qū)間圖、時(shí)序圖介紹 4.4 數(shù)據(jù)挖掘的關(guān)鍵技術(shù):數(shù)據(jù)預(yù)處理 4.5 數(shù)據(jù)挖掘效果的評(píng)估 4.6 實(shí)踐：SPSS結(jié)合相應(yīng)的分析算法及展示圖形 |
| 構(gòu)建**數(shù)據(jù)挖掘分析體系 |
5.1 分析團(tuán)隊(duì)建設(shè) 5.2 分析工作管理 5.3 數(shù)據(jù)分析核心能力建設(shè) 5.4 分析工作與業(yè)務(wù)協(xié)同 |
| 數(shù)據(jù)挖掘應(yīng)用 |
6.1 數(shù)據(jù)挖掘及管理經(jīng)驗(yàn) 6.2 數(shù)據(jù)挖掘在***行業(yè)領(lǐng)域的應(yīng)用舉例 6.2.1 客戶行為與潛在客戶分析 6.2.2 用戶信用度分析 6.2.3 趨勢(shì)預(yù)測(cè) 6.2.4 新產(chǎn)品交叉營(yíng)銷分析 等 6.3 數(shù)據(jù)挖掘?qū)嵺`舉例:客戶流失、趨勢(shì)發(fā)展分析等（結(jié)合SPSS軟件） 6.4 實(shí)踐：內(nèi)容包括（從設(shè)計(jì)－>形成模型->應(yīng)用）. |
| 數(shù)據(jù)挖掘工具及未來(lái)研究的方向和熱點(diǎn) |
7.1 幾種數(shù)據(jù)挖掘工具比較 7.2 典型工具介紹及使用范圍 7.3 如何選擇數(shù)據(jù)挖掘工具 7.4 數(shù)據(jù)挖掘的方向和熱點(diǎn) |
|
大數(shù)據(jù)的介紹 1.1 什么是大數(shù)據(jù)：海量非結(jié)構(gòu)化數(shù)據(jù)本身+處理方法 1.2 大數(shù)據(jù)為什么重要及大數(shù)據(jù)帶來(lái)的機(jī)遇：決定公司是否有未來(lái)和業(yè)務(wù)可延伸范圍 1.3 對(duì)大數(shù)據(jù)的深層理解：組成、特點(diǎn)介紹 1.4 大數(shù)據(jù)的相關(guān)技術(shù)與應(yīng)用案例 數(shù)據(jù)采集：ETL工具 數(shù)據(jù)存?。宏P(guān)系數(shù)據(jù)庫(kù)；NoSQL、SQL等 基礎(chǔ)架構(gòu)支持：云存儲(chǔ)；分布式文件系統(tǒng)等 計(jì)算結(jié)果展現(xiàn)：云計(jì)算；標(biāo)簽云；關(guān)系圖等 1.5 大數(shù)據(jù)專題可能的演進(jìn)路徑 |
|
數(shù)據(jù)分析基礎(chǔ) 2.1 數(shù)據(jù)分析的含義、主要做什么？ 2.2 為什么要學(xué)習(xí)做好數(shù)據(jù)分析 2.2.1從數(shù)據(jù)分析的描述問題、對(duì)比問題、分析問題 到最后解決問題說(shuō)明為什么要做好 2.2.2通過案例說(shuō)明一般人員與數(shù)據(jù)分析師的區(qū)別 2.3 數(shù)據(jù)分析的誤區(qū)和分析的關(guān)鍵 2.4 數(shù)據(jù)分析的6個(gè)步驟，3大方向（理清思路，尋找答案，觀點(diǎn)表達(dá)）案例形式詳細(xì)說(shuō)明 步驟1：需求明確--理清思路 步驟2：數(shù)據(jù)收集--理清思路 步驟3：數(shù)據(jù)處理--尋找答案 步驟4：數(shù)據(jù)分析--尋找答案 步驟5：數(shù)據(jù)展示--觀點(diǎn)表達(dá) 步驟6：報(bào)表撰寫--觀點(diǎn)表達(dá) 分別對(duì)以上6個(gè)步驟以案例的方式詳細(xì)說(shuō)明。 2.5 實(shí)踐：以數(shù)據(jù)分析項(xiàng)目為引，將數(shù)據(jù)分析的技能與業(yè)務(wù)結(jié)合，并應(yīng)用于實(shí)際的工作之中 |
|
數(shù)據(jù)挖掘基礎(chǔ) 3.1 數(shù)據(jù)挖掘概述、基本理念、歷史發(fā)展進(jìn)程、主要功能、發(fā)展趨勢(shì) 3.2 數(shù)據(jù)挖掘方法論：CRISP-DM、SEMMA 3.3 數(shù)據(jù)處理過程：變量的分類及類型，數(shù)據(jù)的質(zhì)量、理解過程、準(zhǔn)備過程 |
|
數(shù)據(jù)挖掘及數(shù)據(jù)分析技術(shù) 4.1.數(shù)據(jù)挖掘主要分析方法： 4.1.1 聚類分析（Clustering） 4.1.2 分類分析（Classification） 4.1.3 關(guān)聯(lián)分析（Association） 4.1.4 預(yù)測(cè)分析（Prediction） 4.1.5 回歸分析 4.1.6 相關(guān)分析 4.1.7數(shù)據(jù)比較分析 4.1.8 數(shù)據(jù)挖掘的可視化 4.2 數(shù)據(jù)挖掘的實(shí)施 4.3 分析圖形：正態(tài)性檢驗(yàn) 描述性統(tǒng)計(jì) 箱型圖、區(qū)間圖、時(shí)序圖介紹 4.4 數(shù)據(jù)挖掘的關(guān)鍵技術(shù):數(shù)據(jù)預(yù)處理 4.5 數(shù)據(jù)挖掘效果的評(píng)估 4.6 實(shí)踐：SPSS結(jié)合相應(yīng)的分析算法及展示圖形 |
|
構(gòu)建**數(shù)據(jù)挖掘分析體系 5.1 分析團(tuán)隊(duì)建設(shè) 5.2 分析工作管理 5.3 數(shù)據(jù)分析核心能力建設(shè) 5.4 分析工作與業(yè)務(wù)協(xié)同 |
|
數(shù)據(jù)挖掘應(yīng)用 6.1 數(shù)據(jù)挖掘及管理經(jīng)驗(yàn) 6.2 數(shù)據(jù)挖掘在***行業(yè)領(lǐng)域的應(yīng)用舉例 6.2.1 客戶行為與潛在客戶分析 6.2.2 用戶信用度分析 6.2.3 趨勢(shì)預(yù)測(cè) 6.2.4 新產(chǎn)品交叉營(yíng)銷分析 等 6.3 數(shù)據(jù)挖掘?qū)嵺`舉例:客戶流失、趨勢(shì)發(fā)展分析等（結(jié)合SPSS軟件） 6.4 實(shí)踐：內(nèi)容包括（從設(shè)計(jì)－>形成模型->應(yīng)用）. |
|
數(shù)據(jù)挖掘工具及未來(lái)研究的方向和熱點(diǎn) 7.1 幾種數(shù)據(jù)挖掘工具比較 7.2 典型工具介紹及使用范圍 7.3 如何選擇數(shù)據(jù)挖掘工具 7.4 數(shù)據(jù)挖掘的方向和熱點(diǎn) |
近期公開課推薦
