行業(yè)數據挖掘技術及應用培訓
[課程概述] 本課程詳細全面闡述常用的統(tǒng)計分析和數據挖掘建模方法,并結合電信等行業(yè)介紹實際應用案 例,具有非常強的針對性和實用性。
[課程對象]
? 行業(yè)業(yè)務支撐中心數據挖掘人員
? 行業(yè)市場部、增值業(yè)務部、信息部負責數據分析和營銷策劃相關人員。
[培訓收益]
通過本課程的學習和課后的練習和輔導,學員可以獲得如下的收獲:
1. 掌握常用的數據挖掘建模方法
2. 了解數據挖掘建模的流程
3. 了解數據挖掘在 行業(yè)的應用案例
4. 在實際工作中應用數據挖掘方法解決問題
[課程提綱]
*講 相關與回歸
1. 相關的基本概念:正相關、負相關
2. 相關系數
3. 回歸的分類:線性回歸、非線性回歸;一元回歸、多元回歸
4. 回歸分析需要滿足的假設條件
5. 在 Excel 中實現(xiàn)相關和回歸分析 案例分析: 行業(yè)話務量(MOU)與平均單價的相關和回歸分析
第二講 因子分析
1. 因子分析解決什么問題?
2. 因子分析的基本原理介紹
3. 因子分析的應用 案例分析: 行業(yè)消費者關鍵購買因素因子分析案例
第三講 數據挖掘基礎知識和方法
1. 數據挖掘概念歷史和發(fā)展過程
2. 數據挖掘解決的幾類問題
3. 數據挖掘與統(tǒng)計分析的區(qū)別
4. 數據挖掘的方法論
第四講 數據挖掘分類模型及應用
1. 什么是數據挖掘的分類模型
2. 構建分類模型的算法介紹:決策樹、Logistic 回歸、神經網絡
3. 分類模型在 行業(yè)的應用方向 案例分析:用分類模型構建 用戶離網預測模型以及應用 案例分析:用分類模型構建 增值業(yè)務目標用戶特征分析模型以及應用
第五講 數據挖掘聚類模型及應用
1. 什么是數據挖掘的聚類模型
2. 構建聚類模型的算法介紹:層次聚類法、Kmeas 算法
3. 聚類模型在 行業(yè)的應用方向
案例分析:用 Kmeans 聚類對 用戶進行細分以及差異化策略應用 案例分析:用層次聚類法對不同地市分公司進行分類
第六講 數據挖掘關聯(lián)模型及應用
1. 什么是關聯(lián)模型
2. 關聯(lián)規(guī)則的介紹
3. 關聯(lián)規(guī)則三大衡量指標
4. 什么是交叉銷售、捆綁銷售
5. 如何用關聯(lián)規(guī)則知道交叉銷售和捆綁銷售 案例分析:用關聯(lián)規(guī)則指導 增值業(yè)務精確推薦 案例分析:用關聯(lián)規(guī)則指導增值業(yè)務捆綁銷售
第七講 數據挖掘在行業(yè)的應用總結與歸納
1. 數據挖掘與 CRM 的關系
2. 在不同生命周期階段的數據挖掘應用
第八講 正確認識數據挖掘
1. 數據挖掘成功的幾大法則
a) 以客戶為中心
b) 解決業(yè)務問題
c) 遵循 20/80 法則
d) 招聘合適的數據挖掘人才
2. 行業(yè)數據挖掘的優(yōu)勢與劣勢