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
