大數(shù)據(jù)分析與挖掘綜合能力提升實(shí)戰(zhàn)

【課程目標(biāo)】

本課程為進(jìn)階課程，面向所有業(yè)務(wù)支撐部門(mén)及數(shù)據(jù)分析部門(mén)。

本課程的主要目的是，幫助學(xué)員掌握大數(shù)據(jù)建?；A(chǔ)知識(shí)，幫助學(xué)員構(gòu)建系統(tǒng)全面的預(yù)測(cè)建模思維，提升學(xué)員的數(shù)據(jù)建模綜合能力。

本課程具體內(nèi)容包括：

1、 數(shù)據(jù)建模流程，特征工程處理

2、 線性回歸模型，模型基本原理

3、 模型質(zhì)量評(píng)估，模型優(yōu)化措施

4、 回歸方程解讀，自定義回歸模型

本系列課程從實(shí)際的業(yè)務(wù)需求出發(fā)，結(jié)合行業(yè)的典型應(yīng)用特點(diǎn)，圍繞實(shí)際的商業(yè)問(wèn)題，對(duì)數(shù)據(jù)預(yù)測(cè)建模的過(guò)程進(jìn)行了全面的介紹（從模型選擇，到特征選擇，再到訓(xùn)練模型，評(píng)估模型，以及優(yōu)化模型和模型解讀），通過(guò)大量的操作演練，幫助學(xué)員掌握數(shù)據(jù)建模的思路、方法、技巧，以提升學(xué)員的數(shù)據(jù)建模的能力，支撐運(yùn)營(yíng)決策的目的。

通過(guò)本課程的學(xué)習(xí)，達(dá)到如下目的：

1、 掌握數(shù)據(jù)建模的標(biāo)準(zhǔn)過(guò)程和步驟

2、 掌握建模前的特征選擇常用方法，學(xué)會(huì)尋找影響業(yè)務(wù)的關(guān)鍵要素

3、 掌握回歸預(yù)測(cè)模型基本原理，學(xué)會(huì)解讀回歸方程的含義

4、 理解并掌握定量預(yù)測(cè)模型的評(píng)估指標(biāo)的含義

5、 學(xué)會(huì)利用規(guī)劃求解實(shí)現(xiàn)自定義回歸模型（非線性回歸模型）

6、 掌握常用的回歸模型優(yōu)化措施

7、 熟練掌握數(shù)據(jù)預(yù)處理的基本任務(wù)，并根據(jù)業(yè)務(wù)實(shí)際情況進(jìn)行處理

【授課時(shí)間】

2天時(shí)間（每天6個(gè)小時(shí)）

【授課對(duì)象】

產(chǎn)品銷(xiāo)量部、業(yè)務(wù)支撐部、運(yùn)營(yíng)分析部、數(shù)據(jù)分析部、大數(shù)據(jù)系統(tǒng)開(kāi)發(fā)部等對(duì)業(yè)務(wù)數(shù)據(jù)分析有較高要求的相關(guān)人員。

【學(xué)員要求】

1、 每個(gè)學(xué)員自備一臺(tái)便攜機(jī)(必須)。

2、 便攜機(jī)中事先安裝好Microsoft Office Excel 2013版本及以上。

3、 便攜機(jī)中事先安裝好IBM SPSS Statistics v19版本及以上。

注：講師可以提供試用版本軟件及分析數(shù)據(jù)源。

【授課方式】

理論精講 + 模型原理 + 實(shí)際業(yè)務(wù)問(wèn)題分析 + 工具實(shí)踐操作

采用互動(dòng)式教學(xué)，圍繞業(yè)務(wù)問(wèn)題，展開(kāi)數(shù)據(jù)分析過(guò)程，全過(guò)程演練操作，讓學(xué)員在分析、分享、講授、總結(jié)、自我實(shí)踐過(guò)程中獲得能力提升。

【課程大綱】

第一部分： 數(shù)據(jù)建模過(guò)程—建模步驟篇

1、 預(yù)測(cè)建模六步法

? 選擇模型：基于業(yè)務(wù)選擇恰當(dāng)?shù)臄?shù)據(jù)模型

? 特征工程：選擇對(duì)目標(biāo)變量有顯著影響的屬性來(lái)建模

? 訓(xùn)練模型：采用合適的算法對(duì)模型進(jìn)行訓(xùn)練，尋找到最優(yōu)參數(shù)

? 評(píng)估模型：進(jìn)行評(píng)估模型的質(zhì)量，判斷模型是否可用

? 優(yōu)化模型：如果評(píng)估結(jié)果不理想，則需要對(duì)模型進(jìn)行優(yōu)化

? 應(yīng)用模型：如果評(píng)估結(jié)果滿足要求，則可應(yīng)用模型于業(yè)務(wù)場(chǎng)景

2、 數(shù)據(jù)挖掘常用的模型

? 定量預(yù)測(cè)模型：回歸預(yù)測(cè)、時(shí)序預(yù)測(cè)等

? 定性預(yù)測(cè)模型：邏輯回歸、決策樹(shù)、神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)等

? 市場(chǎng)細(xì)分：聚類、RFM、PCA等

? 產(chǎn)品推薦：關(guān)聯(lián)分析、協(xié)同過(guò)濾等

? 產(chǎn)品優(yōu)化：回歸、隨機(jī)效用等

? 產(chǎn)品定價(jià)：定價(jià)策略/最優(yōu)定價(jià)等

3、 特征工程/特征選擇/變量降維

? 基于變量本身特征

? 基于相關(guān)性判斷

? 因子合并（PCA等）

? IV值篩選（評(píng)分卡使用）

? 基于信息增益判斷（決策樹(shù)使用）

4、 模型評(píng)估

? 模型質(zhì)量評(píng)估指標(biāo)：R^2、正確率/查全率/查準(zhǔn)率/特異性等

? 預(yù)測(cè)值評(píng)估指標(biāo)：MAD、MSE/RMSE、MAPE、概率等

? 模型評(píng)估方法：留出法、K拆交叉驗(yàn)證、自助法等

? 其它評(píng)估：過(guò)擬合評(píng)估、殘差檢驗(yàn)

5、 模型優(yōu)化

? 優(yōu)化模型：選擇新模型/修改模型

? 優(yōu)化數(shù)據(jù)：新增顯著自變量

? 優(yōu)化公式：采用新的計(jì)算公式

? 集成思想：Bagging/Boosting/Stacking

6、 常用預(yù)測(cè)模型介紹

? 時(shí)序預(yù)測(cè)模型

? 回歸預(yù)測(cè)模型

? 分類預(yù)測(cè)模型

第二部分： 數(shù)據(jù)建模過(guò)程—特征工程篇

問(wèn)題：如何選擇合適的屬性/特征來(lái)建模呢？選擇的依據(jù)是什么？比如價(jià)格是否可用于產(chǎn)品銷(xiāo)量預(yù)測(cè)？

1、 數(shù)據(jù)預(yù)處理vs特征工程

2、 特征工程處理內(nèi)容

? 變量變換

? 變量派生

? 變量精簡(jiǎn)（特征選擇、因子合并）

? 類型轉(zhuǎn)換

3、 特征選擇常用方法

? 相關(guān)分析、方差分析、卡方檢驗(yàn)

4、 相關(guān)分析（衡量?jī)蓴?shù)據(jù)型變量的線性相關(guān)性）

? 相關(guān)分析簡(jiǎn)介

? 相關(guān)分析的應(yīng)用場(chǎng)景

? 相關(guān)分析的種類

2 簡(jiǎn)單相關(guān)分析

2 偏相關(guān)分析

2 距離相關(guān)分析

? 相關(guān)系數(shù)的三種計(jì)算公式

2 Pearson相關(guān)系數(shù)

2 Spearman相關(guān)系數(shù)

2 Kendall相關(guān)系數(shù)

? 相關(guān)分析的假設(shè)檢驗(yàn)

? 相關(guān)分析的四個(gè)基本步驟

演練：營(yíng)銷(xiāo)費(fèi)用會(huì)影響銷(xiāo)售額嗎？影響程度如何量化？

演練：哪些因素與汽車(chē)銷(xiāo)量有相關(guān)性

演練：影響用戶消費(fèi)水平的因素會(huì)有哪些

? 偏相關(guān)分析

2 偏相關(guān)原理：排除不可控因素后的兩變量的相關(guān)性

2 偏相關(guān)系數(shù)的計(jì)算公式

2 偏相關(guān)分析的適用場(chǎng)景

? 距離相關(guān)分析

5、 方差分析（衡量類別變量與數(shù)值變量間的相關(guān)性）

? 方差分析的應(yīng)用場(chǎng)景

? 方差分析的三個(gè)種類

2 單因素方差分析

2 多因素方差分析

2 協(xié)方差分析

? 單因素方差分析的原理

? 方差分析的四個(gè)步驟

? 解讀方差分析結(jié)果的兩個(gè)要點(diǎn)

演練：擺放位置與銷(xiāo)量有關(guān)嗎

演練：客戶學(xué)歷對(duì)消費(fèi)水平的影響分析

演練：廣告和價(jià)格是影響終端銷(xiāo)量的關(guān)鍵因素嗎

演練：營(yíng)業(yè)員的性別、技能級(jí)別對(duì)產(chǎn)品銷(xiāo)量有影響嗎

演練：尋找影響產(chǎn)品銷(xiāo)量的關(guān)鍵因素

? 多因素方差分析原理

? 多因素方差分析的作用

? 多因素方差結(jié)果的解讀

演練：廣告形式、地區(qū)對(duì)銷(xiāo)量的影響因素分析

? 協(xié)方差分析原理

? 協(xié)方差分析的適用場(chǎng)景

演練：排除產(chǎn)品價(jià)格，收入對(duì)銷(xiāo)量有影響嗎？

6、 列聯(lián)分析/卡方檢驗(yàn)（兩類別變量的相關(guān)性分析）

? 交叉表與列聯(lián)表：計(jì)數(shù)值與期望值

? 卡方檢驗(yàn)的原理

? 卡方檢驗(yàn)的幾個(gè)計(jì)算公式

? 列聯(lián)表分析的適用場(chǎng)景

案例：套餐類型對(duì)客戶流失的影響分析

案例：學(xué)歷對(duì)業(yè)務(wù)套餐偏好的影響分析

案例：行業(yè)/規(guī)模對(duì)風(fēng)控的影響分析

第三部分： 定量預(yù)測(cè)模型—回歸模型篇

營(yíng)銷(xiāo)問(wèn)題：如何預(yù)測(cè)未來(lái)的產(chǎn)品銷(xiāo)量/銷(xiāo)售額？如果產(chǎn)品跟隨季節(jié)性變動(dòng)，該如何預(yù)測(cè)？

1、 回歸分析簡(jiǎn)介和原理

2、 回歸分析的種類

? 一元回歸/多元回歸

? 線性回歸/非線性回歸

3、 常用回歸分析方法

? 散點(diǎn)圖+趨勢(shì)線（一元）

? 線性回歸工具（多元線性）

? 規(guī)劃求解工具（非線性回歸）

演練：散點(diǎn)圖找營(yíng)銷(xiāo)費(fèi)用與銷(xiāo)售額的關(guān)系

4、 線性回歸分析的五個(gè)步驟

演練：營(yíng)銷(xiāo)費(fèi)用、辦公費(fèi)用與銷(xiāo)售額的關(guān)系（線性回歸）

5、 線性回歸方程的解讀技巧

? 定性描述：正相關(guān)/負(fù)相關(guān)

? 定量描述：自變量變化導(dǎo)致因變量的變化程度

6、 回歸預(yù)測(cè)模型評(píng)估

? 質(zhì)量評(píng)估指標(biāo)：判定系數(shù)R^2

? 如何選擇最佳回歸模型

演練：如何選擇最佳的回歸預(yù)測(cè)模型（一元曲線回歸）

7、 帶分類自變量的回歸預(yù)測(cè)

演練：汽車(chē)季度銷(xiāo)量預(yù)測(cè)

演練：工齡、性別與終端銷(xiāo)量的關(guān)系

演練：如何評(píng)估銷(xiāo)售目標(biāo)與資源最佳配置

8、 自動(dòng)篩選不顯著因素（自變量）

第四部分： 定量預(yù)測(cè)模型—回歸優(yōu)化篇

1、 回歸分析的基本原理

? 三個(gè)基本概念：總變差、回歸變差、剩余變差

? 方程的顯著性檢驗(yàn)：方程可用性

? 因素的顯著性檢驗(yàn)：因素可用性

? 方程擬合優(yōu)度檢驗(yàn)：質(zhì)量好壞程度

? 理解標(biāo)準(zhǔn)誤差含義：預(yù)測(cè)準(zhǔn)確性？

2、 回歸模型優(yōu)化措施：尋找最佳回歸擬合線

? 如何處理預(yù)測(cè)離群值（剔除離群值）

? 如何剔除不顯著因素（剔除不顯著因素）

? 如何進(jìn)行非線性關(guān)系檢驗(yàn)（增加非線性自變量）

? 如何進(jìn)行相互作用檢驗(yàn)（增加相互作用自變量）

? 如何進(jìn)行多重共線性檢驗(yàn)（剔除共線性自變量）

演練：模型優(yōu)化演示

3、 好模型都是優(yōu)化出來(lái)的

第五部分： 定量預(yù)測(cè)模型—自定義回歸篇

1、 回歸建模的本質(zhì)

2、 規(guī)劃求解工具簡(jiǎn)介

3、 自定義回歸模型

案例：如何對(duì)客流量進(jìn)行建模預(yù)測(cè)及模型優(yōu)化

4、 回歸季節(jié)預(yù)測(cè)模型模型

? 回歸季節(jié)模型的原理及應(yīng)用場(chǎng)景

? 加法季節(jié)模型

? 乘法季節(jié)模型

? 模型解讀

案例：美國(guó)航空旅客里程的季節(jié)性趨勢(shì)分析

5、 新產(chǎn)品累計(jì)銷(xiāo)量的S曲線

? S曲線模型的應(yīng)用場(chǎng)景（最大累計(jì)銷(xiāo)量及銷(xiāo)量增長(zhǎng)的拐點(diǎn)）

? 珀?duì)柷€

? 龔鉑茲曲線

案例：如何預(yù)測(cè)產(chǎn)品的銷(xiāo)售增長(zhǎng)拐點(diǎn)，以及銷(xiāo)量上限

演練：預(yù)測(cè)IPad產(chǎn)品的銷(xiāo)量

第六部分： 定量預(yù)測(cè)模型—模型評(píng)估篇

1、 定量預(yù)測(cè)模型的評(píng)估

? 方程顯著性評(píng)估

? 因素顯著性評(píng)估

? 擬合優(yōu)度的評(píng)估

? 估計(jì)標(biāo)準(zhǔn)誤差評(píng)估

? 預(yù)測(cè)值準(zhǔn)確度評(píng)估

2、 模型擬合度評(píng)估

? 判定系數(shù)：

? 調(diào)整判定系數(shù)：

3、 預(yù)測(cè)值準(zhǔn)確度評(píng)估

? 平均絕對(duì)誤差：MAE

? 根均方差：RMSE

? 平均誤差率：MAPE

4、 其它評(píng)估：殘差檢驗(yàn)、過(guò)擬合檢驗(yàn)

結(jié)束：課程總結(jié)與問(wèn)題答疑。