我要預訂

咨詢電話：027-5111 9925 , 027-5111 9926手機：18971071887郵箱：Service@mingketang.com

【課程目標】

本課程為高級課程，培訓的內容是繼中級課程之后學習的，同時提供了更復雜的數據模型來解決實際工作中的商業決策問題。

本課程面向高級數據分析人員，以及系統開發人員。

本課程核心內容為數據挖掘，分類預測模型，以及專題模型分析，幫助學員構建系統全面的業務分析思維，提升學員的數據分析綜合能力。

本課程覆蓋了如下內容：

1、數據建模過程

2、分類預測模型

3、分類模型優化思路

4、市場專題分析模型

本系列課程從實際的業務需求出發，結合行業的典型應用特點，圍繞實際的商業問題，對數據分析及數據挖掘技術進行了全面的介紹（從數據收集與處理，到數據分析與挖掘，再到數據可視化和報告撰寫），通過大量的操作演練，幫助學員掌握數據分析和數據挖掘的思路、方法、表達、工具，從大量的企業經營數據中進行分析，挖掘客戶行為特點，幫助運營團隊深入理解業務運作，以達到提升學員的數據綜合分析能力，支撐運營決策的目的。

通過本課程的學習，達到如下目的：

1、熟悉建模的一般過程，能夠獨立完成整個預測建模項目的實現。

2、熟練使用各種分類預測模型，以及其應用場景。

3、熟悉模型質量評估的關鍵指標，掌握模型優化的整體思路。

4、熟練掌握常用市場專題分析模型：

a)學會做市場客戶細分，劃分客戶群

b)學會實現客戶價值評估

c)學會產品功能設計與優化

d)掌握產品精準推薦模型，學會推薦產品

e)熟悉產品定價策略，尋找產品最優定價

【授課對象】

業務支撐部、運營分析部、數據分析部、大數據系統開發部等對業務數據分析有較高要求的相關人員。

【課程大綱】

第一部分：數據建模過程

1、預測建模六步法

選擇模型：基于業務選擇恰當的數據模型

屬性篩選：選擇對目標變量有顯著影響的屬性來建模

訓練模型：采用合適的算法對模型進行訓練，尋找到最合適的模型參數

評估模型：進行評估模型的質量，判斷模型是否可用

優化模型：如果評估結果不理想，則需要對模型進行優化

應用模型：如果評估結果滿足要求，則可應用模型于業務場景

2、數據挖掘常用的模型

數值預測模型：回歸預測、時序預測等

分類預測模型：邏輯回歸、決策樹、神經網絡、支持向量機等

市場細分：聚類、RFM、PCA等

產品推薦：關聯分析、協同過濾等

產品優化：回歸、隨機效用等

產品定價：定價策略/最優定價等

3、屬性篩選/特征選擇/變量降維

基于變量本身特征

基于相關性判斷

因子合并（PCA等）

IV值篩選（評分卡使用）

基于信息增益判斷（決策樹使用）

4、模型評估

模型質量評估指標：R^2、正確率/查全率/查準率/特異性等

預測值評估指標：MAD、MSE/RMSE、MAPE、概率等

模型評估方法：留出法、K拆交叉驗證、自助法等

其它評估：過擬合評估

5、模型優化

優化模型：選擇新模型/修改模型

優化數據：新增顯著自變量

優化公式：采用新的計算公式

6、模型實現算法（暫略）

7、好模型是優化出來的

案例：通信客戶流失分析及預警模型

第二部分：分類預測模型

問題：如何評估客戶購買產品的可能性？如何預測客戶的購買行為？如何提取某類客戶的典型特征？如何向客戶精準推薦產品或業務？

1、分類模型概述

2、常見分類預測模型

3、邏輯回歸（LR）

邏輯回歸模型原理及適用場景

邏輯回歸的種類

二項邏輯回歸

多項邏輯回歸

如何解讀邏輯回歸方程

帶分類自變量的邏輯回歸分析

多元邏輯回歸

案例：如何評估用戶是否會購買某產品（二元邏輯回歸）

案例：多品牌選擇模型分析（多元邏輯回歸）

4、分類決策樹（DT）

問題：如何預測客戶行為？如何識別潛在客戶？

風控：如何識別欠貸者的特征，以及預測欠貸概率？

客戶保有：如何識別流失客戶特征，以及預測客戶流失概率？

決策樹分類簡介

案例：美國零售商（Target）如何預測少女懷孕

演練：識別銀行欠貨風險，提取欠貸者的特征

構建決策樹的三個關鍵問題

如何選擇最佳屬性來構建節點

如何分裂變量

修剪決策樹

選擇最優屬性

熵、基尼索引、分類錯誤

屬性劃分增益

如何分裂變量

多元劃分與二元劃分

連續變量離散化（最優劃分點）

修剪決策樹

剪枝原則

預剪枝與后剪枝

構建決策樹的四個算法

C5.0、CHAID、CART、QUEST

各種算法的比較

如何選擇最優分類模型？

案例：商場酸奶購買用戶特征提取

案例：客戶流失預警與客戶挽留

案例：識別拖欠銀行貨款者的特征，避免不良貨款

案例：識別電信詐騙者嘴臉，讓通信更安全

5、人工神經網絡（ANN）

神經網絡概述

神經網絡基本原理

神經網絡的結構

神經網絡的建立步驟

神經網絡的關鍵問題

BP反向傳播網絡（MLP）

徑向基網絡（RBF）

案例：評估銀行用戶拖欠貨款的概率

6、判別分析（DA）

判別分析原理

距離判別法

典型判別法

貝葉斯判別法

案例：MBA學生錄取判別分析

案例：上市公司類別評估

7、最近鄰分類（KNN）

基本原理

關鍵問題

8、貝葉斯分類（NBN）

貝葉斯分類原理

計算類別屬性的條件概率

估計連續屬性的條件概率

貝葉斯網絡種類：TAN/馬爾科夫毯

預測分類概率（計算概率）

案例：評估銀行用戶拖欠貨款的概率

9、支持向量機（SVM）

SVM基本原理

線性可分問題：最大邊界超平面

線性不可分問題：特征空間的轉換

維空難與核函數

第三部分：分類模型優化

1、集成方法的基本原理：利用弱分類器構建強分類模型

選取多個數據集，構建多個弱分類器

多個弱分類器投票決定

2、集成方法/元算法的種類

Bagging算法

Boosting算法

3、Bagging原理

如何選擇數據集

如何進行投票

隨機森林

4、Boosting的原理

AdaBoost算法流程

樣本選擇權重計算公式

分類器投票權重計算公式

第四部分：市場細分模型

問題：我們的客戶有幾類？各類特征是什么？如何實現客戶細分，開發符合細分市場的新產品？如何提取客戶特征，從而對產品進行市場定位？

1、市場細分的常用方法

有指導細分

無指導細分

2、聚類分析

如何更好的了解客戶群體和市場細分？

如何識別客戶群體特征？

如何確定客戶要分成多少適當的類別？

聚類方法原理介紹

聚類方法作用及其適用場景

聚類分析的種類

K均值聚類（快速聚類）

案例：移動三大品牌細分市場合適嗎？

演練：寶潔公司如何選擇新產品試銷區域？

演練：如何評選優秀員工？

演練：中國各省份發達程度分析，讓數據自動聚類

層次聚類（系統聚類）：發現多個類別

R型聚類與Q型聚類的區別

案例：中移動如何實現客戶細分及營銷策略

演練：中國省市經濟發展情況分析（Q型聚類）

演練：裁判評分的標準衡量，避免“黑哨”（R型聚類）

兩步聚類

3、主成分分析

主成分分析方法介紹

主成分分析基本思想

主成分分析步驟

案例：如何評估汽車購買者的客戶細分市場

第五部分：客戶價值分析

營銷問題：如何評估客戶的價值？不同的價值客戶有何區別對待？

1、如何評價客戶生命周期的價值

貼現率與留存率

評估客戶的真實價值

使用雙向表衡量屬性敏感度

變化的邊際利潤

案例：評估營銷行為的合理性

2、RFM模型（客戶價值評估）

RFM模型，更深入了解你的客戶價值

RFM模型與市場策略

RFM模型與活躍度分析

案例：淘寶客戶價值評估與促銷名單

案例：重購用戶特征分析

第六部分：產品推薦模型

問題：購買A產品的顧客還常常要購買其他什么產品？應該給客戶推薦什么產品最有可能被接受？

1、從搜索引擎到推薦引擎

2、常用產品援藏模型及算法

3、基于流行度的推薦

基于排行榜的推薦，適用于剛注冊的用戶

優化思路：分群推薦

4、基于內容的推薦CBR

關鍵問題：如何計算物品的相似度

優缺點

優化：Rocchio算法、基于標簽的推薦、基于興趣度的推薦

5、基于用戶的推薦

關鍵問題：如何對用戶分類/計算用戶的相似度

算法：按屬性分類、RFM模型、PCA、聚類、按偏好分類、按地理位置

6、協同過濾的推薦

基于用戶的協同過濾

基于物品的協同過濾

冷啟動的問題

案例：計算用戶相似度、計算物品相似度

7、基于關聯分析的推薦

如何制定套餐，實現交叉/捆綁銷售

案例：啤酒與尿布、颶風與蛋撻

關聯分析模型原理（Association）

關聯規則的兩個關鍵參數

支持度

置信度

關聯分析的適用場景

案例：購物籃分析與產品捆綁銷售/布局優化

案例：通信產品的交叉銷售與產品推薦

8、基于分類模型的推薦

9、其它推薦算法

LFM基于隱語義模型

按社交關系

基于時間上下文

10、多推薦引擎的協同工作

第七部分：產品設計優化

1、聯合分析法

2、離散選擇模型

如何評估客戶購買產品的概率

如何指導產品開發？如何確定產品的重要特性

競爭下的產品動態調價

如何評估產品的價格彈性

案例：產品開發與設計分析

案例：品牌價值與價格敏感度分析

案例：納什均衡價格

3、品牌價值評估

4、新產品市場占有率評估

第八部分：產品定價策略及產品最優定價

營銷問題：產品如何實現最優定價？套餐價格如何確定？采用哪些定價策略可達到利潤最大化？

1、常見的定價方法

2、產品定價的理論依據

需求曲線與利潤最大化

如何求解最優定價

案例：產品最優定價求解

3、如何評估需求曲線

價格彈性

曲線方程（線性、乘冪）

4、如何做產品組合定價

5、如何做產品捆綁/套餐定價

最大收益定價（演進規劃求解）

避免價格反轉的套餐定價

案例：電信公司的寬帶、IPTV、移動電話套餐定價

6、非線性定價原理

要理解支付意愿曲線

支付意愿曲線與需求曲線的異同

案例：雙重收費如何定價（如會費+按次計費）

7、階梯定價策略

案例：電力公司如何做階梯定價

8、數量折扣定價策略

案例：如何通過折扣來實現薄利多銷

9、定價策略的評估與選擇

案例：零售公司如何選擇最優定價策略

10、航空公司的收益管理

收益管理介紹

如何確定機票預訂限制

如何確定機票超售數量

如何評估模型的收益

案例：FBN航空公司如何實現收益管理（預訂/超售）

第九部分：信用評分卡模型

1、信用評分卡模型簡介

2、評分卡的關鍵問題

3、信用評分卡建立過程

篩選重要屬性

數據集轉化

建立分類模型

計算屬性分值

確定審批閾值

4、篩選重要屬性

屬性分段

基本概念：WOE、IV

屬性重要性評估

5、數據集轉化

連續屬性最優分段

計算屬性取值的WOE

6、建立分類模型

訓練邏輯回歸模型

評估模型

得到字段系數

7、計算屬性分值

計算補償與刻度值

計算各字段得分

生成評分卡

8、確定審批閾值

畫K-S曲線

計算K-S值

獲取最優閾值

第十部分：實戰篇

1、電信業客戶流失預警和客戶挽留模型實戰

2、銀行欠貸風險預測模型實戰

3、銀行信用卡評分模型實戰

結束：課程總結與問題答疑。

傅老師

華為系大數據專家

計算機軟件與理論碩士研究生（研究方向：數據挖掘、搜索引擎）。在華為工作十年，五項國家專利，在華為工作期間獲得華為數項獎項，曾在英國、日本、荷蘭和比利時等海外市場做項目，對大數據有深入的研究。

傅老師專注于大數據分析與挖掘、機器學習等應用技術，以及大數據系統部署解決方案。旨在將大數據的數據分析、數據挖掘、數據建模應用于行業及商業領域，解決行業實際的問題。

1、讓決策更科學：將大數據應用于運營決策，用大數據探索領域發展規律和行業發展趨勢，有效分析用戶需求，并預測用戶行為，最終實現市場變化預測，提升企業科學決策能力。

2、讓管理更高效：將大數據應用于企業管理，用大數據呈現企業整體運營情況，診斷企業管理問題和風險，全面理解組織、產品、人員、營銷、財務等要素間的相關性，實現企業資源的最優化配置，提升企業管理效率。

3、讓營銷更精準：將大數據應用于市場營銷，解決營銷中的用戶群細分和品牌定位，客戶價值評估，產品設計優化，產品最優定價等實際問題，實現精準營銷和精準推薦，以最小的營銷成本實現最大化的營銷效果。

傅老師目前致力于將大數據技術應用于通信、金融、航空、電商、互聯網、政府等領域。傅老師的課程最大特色：實戰性強！“圍繞業務問題+搭建分析框架+運用分析方法+建立分析模型+熟悉分析工具+形成業務策略”。以商業問題為起點，基于實際的業務應用場景（明確目的），搭建全面系統的業務框架和分析維度（分析思路），選擇最合適的方法（分析方法），深入淺出的理論講解（分析模型），使用簡單實用的工具操作（分析工具），對分析結果進行有效的解讀（數據可視化），最終形成具體的業務建議，實現業務分析/數據分析的閉環。

應用類：

《大數據分析與數據挖掘綜合能力提升實戰》

《“數”說營銷----大數據營銷實戰與沙盤》

《市場營銷大數據分析實戰培訓》

《大數據建模與模型優化實戰培訓》

《大數據分析與挖掘之SPSS工具入門與提高》

《金融行業風險預測模型實戰培訓》

理論/認知/戰略類：

《大數據產業現狀及應用創新》

《大數據思維與應用創新》

《大數據時代的精準營銷》

技術類：

《Hadoop大數據解決方案開發技術基礎培訓》

《Python開發基礎實戰》

《大數據分析與挖掘之Python開發實戰》

《Python機器學習算法原理及優化實現》

服務客戶:

傅老師曾提供過培訓咨詢服務的客戶遍及通信、金融、交通、制造、政府等行業，包括華為、富士康、平安集團、中國銀行、招商銀行、光大銀行、中信銀行、交通銀行、廣電銀通、西部航空、海南航空、中國移動、中國聯通、中國電信、西部航空、安能物流、廣州地鐵、富維江森、東風日產、神南礦業、公交集團、廣州稅務、良品鋪子等單位和公司。

金融行業培訓客戶：

中國銀行：《大數據變革與商業模式創新》《大數據時代的精準營銷》

廣發銀行：《大數據下的精準營銷實戰》四期

中信銀行：《大數據分析與挖掘綜合能力提升實戰》叁期

交通銀行：《大數據時代的精準營銷》

安信證券：《大數據時代下的金融發展》

平安集團：《大數據思維與應用創新》

平安產險：《大數據分析綜合能力提升》

平安壽險：《大數據分析與應用實戰》

平安銀行：《大數據思維與應用創新》

農業銀行：《Python大數據分析與挖掘》叁期

建設銀行：《大數據思維與應用創新》兩期

光大銀行：《大數據分析與數據挖掘應用實戰》四期

招商銀行：《“數”說營銷----大數據營銷實戰與沙盤》四期

杭州銀貨通科技：《大數據產業發展及應用創新》

廣電銀通：《大數據綜合能力提升》

平安普惠金融：《Hadoop解決方案技術培訓》

浦發銀行：《大數據精準營銷》

金融壹帳通：《大數據分析與挖掘綜合能力提升實戰》

中金所：《大數據思維與應用創新》

……

通信行業培訓客戶：

聯通研究院：《大數據預測建模優化》

廣州電信：《大數據時代的精準營銷》兩期

北京電信：《大數據分析綜合能力提升》

香港電信：《大數據精準營銷實戰》

上海電信：《渠道大數據分析與挖掘思路及方法》兩期

河北電信：《數據化運營下的大數據分析綜合能力提升實戰》

南京電信：《大數據視圖支撐精準化營銷》

佛山電信：《數據挖掘技術及其應用培訓》

泉州電信：《大數據挖掘、信息分析及應用培訓》

湖北聯通：《大數據分析與商業智能》

廣東聯通：《數據分析與數據挖掘實戰培訓》兩期

江蘇聯通：《大數據分析綜合能力提升》

吉林聯通：《大數據分析綜合能力提升-中級》

烏魯木齊聯通：《大數據分析綜合能力提升》

上海移動：《大數據分析與挖掘、建模及優化》叁期

浙江移動：《大數據分析與數據挖掘應用實戰》

江蘇移動：《大數據精準營銷技能提升實戰》

深圳移動：《大數據分析綜合能力提升》

廣西移動：《大數據發展趨勢及在公司營銷領域的應用》

遼寧移動2期：《數據分析方法與經營分析技巧》

泉州移動3期：《數說營銷—市場營銷數據分析與挖掘應用》

德陽移動2期：《大數據挖掘與建模優化實戰培訓》

浙江移動：《大數據產品營銷能力提升》

四川移動：《大數據分析與挖掘綜合能力提升》

吉林移動：《數據分析與數據挖掘培訓》；

貴州移動：《“數”說營銷----大數據營銷實戰與沙盤》

海南移動：《基于大數據運營的用戶行為分析與精準定位》

山東移動：《大數據分析綜合能力提升》

深圳移動：《大數據在行業內外的應用》

中國移動終端公司：《大數據分析綜合能力提升培訓》

中山移動：《“數”說營銷----大數據營銷實戰與沙盤》

東莞移動：《“數”說營銷----大數據營銷實戰與沙盤》

成都移動：《數字化運營下的數據分析與數據挖掘》

眉山移動2期：《大數據分析綜合能力提升》

云浮移動：《大數據挖掘和信息提煉專項培訓》

陽江移動：《小數據·大運營--運營數據的分析與挖掘》

德陽移動：《電信運營商市場營銷數據挖掘應用典型案例》

陜西在線：《“數”說營銷----大數據營銷實戰與沙盤》

四川在線：《“數”說營銷----大數據營銷實戰與沙盤》

大連移動：《“數”說營銷----大數據營銷實戰與沙盤》

內蒙古移動：《大數據分析與Hadoop大數據解決方案》

貴州中移通信：《SPSS數據分析與數據挖掘應用實戰》

華為技術：《話務量預測與排班管理》

……

能源汽車交通行業培訓客戶：

一汽解放錫柴：《大數據思維與應用創新》

廣東郵政：《大數據分析綜合能力提升實戰》

深圳水務：《大數據思維與應用創新》

寧夏國電：《大數據思維與應用》兩期

柳州上汽五菱：《大數據下的精準營銷實戰》

東風商用：《數說營銷實戰》

東風日產：《大數據分析與數據挖掘應用實戰》兩期

富維江森（汽車）：《數字化運營下的數據分析與數據挖掘應用培訓》

廣州地鐵：《大數據分析與數據挖掘培訓》兩期

廣州地鐵：《數據分析與數據建模實戰》兩期

西部航空：《數字化運營下的數據分析與數據挖掘應用培訓》

海南航空：《利用大數據營銷提升航線收益》

南方航空：《大數據精準營銷實戰》兩期

北京機場貴賓公司：《市場營銷數據的分析》

深圳公交集團：《大數據與智慧交通》

延長殼牌：《大數據分析與挖掘綜合能力提升》

神南礦業：《大數據產業發展與應用創新》

寶雞國電：《大數據分析與挖掘》兩期

順豐快遞：《大數據分析綜合能力提升實戰》

……

其它行業培訓客戶：

嶺南集團：《大數據時代下的精準營銷》

ABB：《大數據分析實戰培訓》

頂新國際：《大數據思維與應用創新》

索菲亞：《大數據分析實戰培訓》

玫琳凱：《大數據思維與應用》叁期

西部數據：《大數據分析綜合能力提升》

無限極：《大數據分析綜合能力提升》兩期

雅圖仕：《大數據分析綜合能力提升》

施耐德：《大數據分析綜合能力提升》叁期

廣州稅務：《大數據分析與挖掘實戰》叁期

YKK吉田拉鏈：《大數據分析綜合能力提升培訓》

富士康：《數據分析綜合能力提升培訓》

貴州中煙：《互聯網+時代的大數據思維》

深圳欣盛商：《電商大數據分析》

安能物流：《大數據挖掘分析及應用實戰》

良品鋪子：《大數據分析綜合能力提升》兩期

新時代集團：《問題的挖掘、分析—數據分析技巧》兩期培訓

挑戰牧業：《大數據分析綜合能力提升》

易鑫集團：《大數據分析綜合能力提升》

贛州監獄：《大數據時代的營銷》共三期培訓

賀州學院：《大數據時代的人才培養》

……

【學員評價】

傅老師是我目前聽過的很少忽悠而多干貨的老師，能夠將理論講得深入淺出，將案例講深講透，將實戰講得易理解易操作。在課堂中，他能把枯燥的數據說得有生命，在課堂上，他能對學員關注和付出。我不是對數據很喜歡的人，但仍然在課堂中能夠感覺到數據的生命力。五天的課讓我進入到數據構成的多彩、多維的世界，值得！

——學員分享

某金融行業---《大數據變革與商業模式創新》

傅老師運用全面翔實的案例和不拘一格的語言，全方位剖析大數據發展以來在工具、思維和文化上帶來的變革，生動闡述數據分析過程六部曲、數據戰略七大思維等經典概述，立體呈現大數據時代企業所面臨的機遇與挑戰。結合當前關注焦點和時代熱點話題，傅老師現場分享了第一代傳統營銷、第二代互聯網營銷、第三代大數據營銷的進階升級和精準營銷實戰應用。在為學員呈現一場思維見識領域盛宴的同時，傅老師還與學員進行了積極互動和現場答疑，在相互交流中啟迪智慧、開拓思維，在思想碰撞中點燃大數據時代下的創新引擎，為全行在未來發展中進一步把握經濟大勢、開展前瞻預判、實施精準決策提供了重要思想指引。

吉林某企業——《數據分析與數據挖掘應用培訓》 學員：張經理

五天的培訓，讓我對數據分析與數據挖掘有了進一步的了解，也學到了技術。以前參加過培訓，兩天的培訓我都覺得有時很難，而這次連續五天的培訓，我聽課過程當中既然感覺到時間過得很快。

貴州某運營商——《“數”說營銷----大數據營銷實戰》 學員：劉經理

傅老師的課程，開拓了我營銷的思維，大數據營銷，重在利用數據為營銷服務。用戶細分、用戶特征提取、營銷費用預算、客戶流失預警，原來可以這樣利用大數據，以后不再需要“拍腦袋”了,呵呵。

遼寧某運營商——《數據分析與經營分析實戰培訓》學員：于經理

傅老師的課程全程高能，信息量巨大，我們已經建議公司安排后續高級課程，期待再次學習，點贊！

我要預訂

咨詢電話：027-5111 9925 , 027-5111 9926手機：18971071887郵箱：Service@mingketang.com