行業(yè)數(shù)據(jù)挖掘技術(shù)及應(yīng)用培訓(xùn)
[課程概述] 本課程詳細(xì)全面闡述常用的統(tǒng)計(jì)分析和數(shù)據(jù)挖掘建模方法，并結(jié)合電信等行業(yè)介紹實(shí)際應(yīng)用案 例，具有非常強(qiáng)的針對(duì)性和實(shí)用性。
[課程對(duì)象]
? 行業(yè)業(yè)務(wù)支撐中心數(shù)據(jù)挖掘人員
? 行業(yè)市場(chǎng)部、增值業(yè)務(wù)部、信息部負(fù)責(zé)數(shù)據(jù)分析和營(yíng)銷策劃相關(guān)人員。
[培訓(xùn)收益]
通過(guò)本課程的學(xué)習(xí)和課后的練習(xí)和輔導(dǎo)，學(xué)員可以獲得如下的收獲：
1. 掌握常用的數(shù)據(jù)挖掘建模方法
2. 了解數(shù)據(jù)挖掘建模的流程
3. 了解數(shù)據(jù)挖掘在 行業(yè)的應(yīng)用案例
4. 在實(shí)際工作中應(yīng)用數(shù)據(jù)挖掘方法解決問(wèn)題
[課程提綱]
*講 相關(guān)與回歸
1. 相關(guān)的基本概念：正相關(guān)、負(fù)相關(guān)
2. 相關(guān)系數(shù)
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(shè)條件
5. 在 Excel 中實(shí)現(xiàn)相關(guān)和回歸分析 案例分析： 行業(yè)話務(wù)量（MOU）與平均單價(jià)的相關(guān)和回歸分析
第二講 因子分析
1. 因子分析解決什么問(wèn)題？
2. 因子分析的基本原理介紹
3. 因子分析的應(yīng)用 案例分析： 行業(yè)消費(fèi)者關(guān)鍵購(gòu)買因素因子分析案例
第三講 數(shù)據(jù)挖掘基礎(chǔ)知識(shí)和方法
1. 數(shù)據(jù)挖掘概念歷史和發(fā)展過(guò)程
2. 數(shù)據(jù)挖掘解決的幾類問(wèn)題
3. 數(shù)據(jù)挖掘與統(tǒng)計(jì)分析的區(qū)別
4. 數(shù)據(jù)挖掘的方法論
第四講 數(shù)據(jù)挖掘分類模型及應(yīng)用
1. 什么是數(shù)據(jù)挖掘的分類模型
2. 構(gòu)建分類模型的算法介紹：決策樹、Logistic 回歸、神經(jīng)網(wǎng)絡(luò)
3. 分類模型在 行業(yè)的應(yīng)用方向 案例分析：用分類模型構(gòu)建 用戶離網(wǎng)預(yù)測(cè)模型以及應(yīng)用 案例分析：用分類模型構(gòu)建 增值業(yè)務(wù)目標(biāo)用戶特征分析模型以及應(yīng)用
第五講 數(shù)據(jù)挖掘聚類模型及應(yīng)用
1. 什么是數(shù)據(jù)挖掘的聚類模型
2. 構(gòu)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(yīng)用方向
案例分析：用 Kmeans 聚類對(duì) 用戶進(jìn)行細(xì)分以及差異化策略應(yīng)用 案例分析：用層次聚類法對(duì)不同地市分公司進(jìn)行分類
第六講 數(shù)據(jù)挖掘關(guān)聯(lián)模型及應(yīng)用
1. 什么是關(guān)聯(lián)模型
2. 關(guān)聯(lián)規(guī)則的介紹
3. 關(guān)聯(lián)規(guī)則三大衡量指標(biāo)
4. 什么是交叉銷售、捆綁銷售
5. 如何用關(guān)聯(lián)規(guī)則知道交叉銷售和捆綁銷售 案例分析:用關(guān)聯(lián)規(guī)則指導(dǎo) 增值業(yè)務(wù)精確推薦 案例分析:用關(guān)聯(lián)規(guī)則指導(dǎo)增值業(yè)務(wù)捆綁銷售
第七講 數(shù)據(jù)挖掘在行業(yè)的應(yīng)用總結(jié)與歸納
1. 數(shù)據(jù)挖掘與 CRM 的關(guān)系
2. 在不同生命周期階段的數(shù)據(jù)挖掘應(yīng)用
第八講 正確認(rèn)識(shí)數(shù)據(jù)挖掘
1. 數(shù)據(jù)挖掘成功的幾大法則
a) 以客戶為中心
b) 解決業(yè)務(wù)問(wèn)題
c) 遵循 20/80 法則
d) 招聘合適的數(shù)據(jù)挖掘人才
2. 行業(yè)數(shù)據(jù)挖掘的優(yōu)勢(shì)與劣勢(shì)
