推廣 熱搜: 2022  財務(wù)  微信  法律    網(wǎng)格化  管理  營銷  總裁班  安全 

大數(shù)據(jù)分析與挖掘綜合能力提升實(shí)戰(zhàn)

主講老師: 傅一航 傅一航

主講師資:傅一航

課時安排: 1天/6小時
學(xué)習(xí)費(fèi)用: 面議
課程預(yù)約: 隋老師 (微信同號)
課程簡介: 本課程的主要目的是,幫助學(xué)員掌握大數(shù)據(jù)建模基礎(chǔ)知識,幫助學(xué)員構(gòu)建系統(tǒng)全面的預(yù)測建模思維,提升學(xué)員的數(shù)據(jù)建模綜合能力。
內(nèi)訓(xùn)課程分類: 綜合管理 | 人力資源 | 市場營銷 | 財務(wù)稅務(wù) | 基層管理 | 中層管理 | 領(lǐng)導(dǎo)力 | 管理溝通 | 薪酬績效 | 企業(yè)文化 | 團(tuán)隊管理 | 行政辦公 | 公司治理 | 股權(quán)激勵 | 生產(chǎn)管理 | 采購物流 | 項(xiàng)目管理 | 安全管理 | 質(zhì)量管理 | 員工管理 | 班組管理 | 職業(yè)技能 | 互聯(lián)網(wǎng)+ | 新媒體 | TTT培訓(xùn) | 禮儀服務(wù) | 商務(wù)談判 | 演講培訓(xùn) | 宏觀經(jīng)濟(jì) | 趨勢發(fā)展 | 金融資本 | 商業(yè)模式 | 戰(zhàn)略運(yùn)營 | 法律風(fēng)險 | 沙盤模擬 | 國企改革 | 鄉(xiāng)村振興 | 黨建培訓(xùn) | 保險培訓(xùn) | 銀行培訓(xùn) | 電信領(lǐng)域 | 房地產(chǎn) | 國學(xué)智慧 | 心理學(xué) | 情緒管理 | 時間管理 | 目標(biāo)管理 | 客戶管理 | 店長培訓(xùn) | 新能源 | 數(shù)字化轉(zhuǎn)型 | 工業(yè)4.0 | 電力行業(yè) |
更新時間: 2023-09-01 11:43


課程目標(biāo)】

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

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,幫助學(xué)員構(gòu)建系統(tǒng)全面的預(yù)測建模思維,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、 時序預(yù)測模型,分類預(yù)測模型

3、 模型基本原理,模型含義解讀

4、 模型質(zhì)量評估,模型優(yōu)化措施

  

系列課程實(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)問題,對數(shù)據(jù)預(yù)測建模的過程進(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,評估模型,以及優(yōu)化模型和模型解讀)通過大量的操作演練,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)營決策的目的。

通過本課程的學(xué)習(xí),達(dá)到如下目的:

1、 了解數(shù)據(jù)建模的標(biāo)準(zhǔn)過程

2、 明白時序預(yù)測的基本思想,熟悉常用的時序預(yù)測模型

3、 掌握常用的分類預(yù)測模型,理解模型基本原理

4、 學(xué)會解讀分類預(yù)測模型的含義

5、 理解并掌握定性預(yù)測模型的質(zhì)量評估指標(biāo)

6、 了解分類預(yù)測模型的集成優(yōu)化思想

【授課時間】

2時間(每天6個小時)

【授課對象】

產(chǎn)品銷量部、業(yè)務(wù)支撐部、運(yùn)營分析部、數(shù)據(jù)分析部、大數(shù)據(jù)系統(tǒng)開發(fā)部等對業(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、 每個學(xué)員自備一臺便攜機(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】

數(shù)據(jù)分析基礎(chǔ) + 方法講解 + 實(shí)際業(yè)務(wù)問題分析 + 工具實(shí)踐操作

采用互動式教學(xué),圍繞業(yè)務(wù)問題,展開數(shù)據(jù)分析過程,全過程演練操作,讓學(xué)員在分析、分享、講授、總結(jié)、自我實(shí)踐過程中獲得能力提升。

課程大綱】

第一部分: 數(shù)據(jù)建模過程流程步驟篇

1、 預(yù)測建模六步法

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:選擇對目標(biāo)變量有顯著影響的屬性來建模

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

評估模型:進(jìn)行評估模型的質(zhì)量,判斷模型是否可用

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

應(yīng)用模型:如果評估結(jié)果滿足要求,則可應(yīng)用模型于業(yè)務(wù)場景

2、 數(shù)據(jù)挖掘常用的模型

定量預(yù)測模型:回歸預(yù)測、時序預(yù)測等

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

市場細(xì)分:聚類、RFM、PCA等

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

產(chǎn)品優(yōu)化:回歸、隨機(jī)效用等

產(chǎn)品定價:定價策略/最優(yōu)定價等

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

預(yù)測值評估指標(biāo):MAD、MSE/RMSE、MAPE、概率等

模型評估方法:留出法、K拆交叉驗(yàn)證、自助法等

其它評估:過擬合評估、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:采用新的計算公式

集成思想:Bagging/Boosting/Stacking

6、 常用預(yù)測模型介紹

時序預(yù)測模型

回歸預(yù)測模型

分類預(yù)測模型

第二部分: 定量預(yù)測模型時序預(yù)測篇

營銷問題:像利率/CPI/GDP等按時序變化的指標(biāo)如何預(yù)測?當(dāng)銷量隨季節(jié)周期變動時該如何預(yù)測?

1、 回歸預(yù)測vs時序預(yù)測

2、 因素分解思想

3、 時序預(yù)測常用模型

趨勢擬合

季節(jié)擬合

平均序列擬合

4、 評估預(yù)測值的準(zhǔn)確度指標(biāo):MAD、RMSE、MAPE

5、 移動平均(MA)

應(yīng)用場景及原理

移動平均種類

一次移動平均

二次移動平均

加權(quán)移動平均

移動平均比率法

移動平均關(guān)鍵問題

如何選取最優(yōu)參數(shù)N

如何確定最優(yōu)權(quán)重系數(shù)

演練:平板電腦銷量預(yù)測及評估

演練:快銷產(chǎn)品季節(jié)銷量預(yù)測及評估

6、 指數(shù)平滑(ES)

應(yīng)用場景及原理

最優(yōu)平滑系數(shù)的選取原則

指數(shù)平滑種類

一次指數(shù)平滑

二次指數(shù)平滑(Brown線性、Holt線性、Holt指數(shù)、阻尼線性、阻尼指數(shù))

三次指數(shù)平滑

演練:煤炭產(chǎn)量預(yù)測

演練:航空旅客量預(yù)測及評估

7、 溫特斯季節(jié)預(yù)測模型

適用場景及原理

Holt-Winters加法模型

Holt-Winters乘法模型

演練:汽車銷量預(yù)測及評估

8、 平穩(wěn)序列模型(ARIMA

序列的平穩(wěn)性檢驗(yàn)

平穩(wěn)序列的擬合模型

AR(p)自回歸模型

MA(q)移動模型

ARMA(p,q)自回歸移動模型

模型的識別與定階

ACF圖/PACF

最小信息準(zhǔn)則

序列平穩(wěn)化處理

變量變換

k次差分

d階差分

ARIMA(p,d,q)模型

演練:上海證券交易所綜合指數(shù)收益率序列分析

演練:服裝銷售數(shù)據(jù)季節(jié)性趨勢預(yù)測分析

平穩(wěn)序列的建模流程

第三部分: 定性預(yù)測模型分類預(yù)測篇

問題:如何評估客戶購買產(chǎn)品的可能性?如何預(yù)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(zhǔn)推薦產(chǎn)品或業(yè)務(wù)?

1、 分類模型概述及其應(yīng)用場景

2、 常見分類預(yù)測模型

3、 邏輯回歸(LR)

邏輯回歸的適用場景

邏輯回歸的模型原理

邏輯回歸分類的幾何意義

邏輯回歸的種類

二項(xiàng)邏輯回歸

多項(xiàng)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

多項(xiàng)邏輯回歸/多分類邏輯回歸

案例如何評估用戶是否會購買某產(chǎn)品(二項(xiàng)邏輯回歸

案例多品牌選擇模型分析(多項(xiàng)邏輯回歸)

4、 分類決策樹(DT)

問題:如何預(yù)測客戶行為?如何識別潛在客戶?

風(fēng)控:如何識別欠貸者的特征,以及預(yù)測欠貸概率?

客戶保有:如何識別流失客戶特征,以及預(yù)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(yù)測少女懷孕

演練:識別銀行欠貨風(fēng)險,提取欠貸者的特征

決策樹分類的幾何意義

構(gòu)建決策樹的三個關(guān)鍵問題

如何選擇最佳屬性來構(gòu)建節(jié)點(diǎn)

如何分裂變量

修剪決策樹

選擇最優(yōu)屬性生長

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(xù)變量離散化(最優(yōu)分割點(diǎn))

修剪決策樹

剪枝原則

預(yù)剪枝與后剪枝

構(gòu)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(yōu)分類模型?

案例商場用戶的典型特征提取

案例:客戶流失預(yù)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

多分類決策樹

案例:不同套餐用戶的典型特征

決策樹模型的保存與應(yīng)用

5、 人工神經(jīng)網(wǎng)絡(luò)(ANN)

神經(jīng)網(wǎng)絡(luò)概述

神經(jīng)網(wǎng)絡(luò)基本原理

神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)

神經(jīng)網(wǎng)絡(luò)分類的幾何意義

神經(jīng)網(wǎng)絡(luò)的建立步驟

神經(jīng)網(wǎng)絡(luò)的關(guān)鍵問題

BP反向傳播網(wǎng)絡(luò)(MLP)

徑向基網(wǎng)絡(luò)(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

判別分析種類

Fisher線性判別分析

案例:MBA學(xué)生錄取判別分析

案例:上市公司類別評估

7、 最近鄰分類(KNN)

KNN模型的基本原理

KNN分類的幾何意義

K近鄰的關(guān)鍵問題

8、 支持向量機(jī)(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(zhuǎn)換

災(zāi)難與核函數(shù)

9、 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(xù)屬性的條件概率

預(yù)測分類概率(計算概率)

拉普拉斯修正

案例評估銀行用戶拖欠貨款的概率

第四部分: 定性預(yù)測模型模型評估篇

1、 模型的評估指標(biāo)

兩大矩陣:混淆矩陣,代價矩陣

六大指標(biāo):Acc,P,R,Spec,F1,lift

三條曲線:

ROC曲線和AUC

PR曲線和BEP

KS曲線和KS值

2、 模型的評估方法

原始評估法

留出法(Hold-Out)

交叉驗(yàn)證法(k-fold cross validation)

自助采樣法(Bootstrapping)

第五部分: 定性預(yù)測模型集成優(yōu)化篇

1、 模型的優(yōu)化思路

2、 集成算法基本原理

單獨(dú)構(gòu)建多個弱分類器

多個弱分類器組合投票決定預(yù)測結(jié)果

3、 集成方法的種類

Bagging

Boosting

Stacking

4、 Bagging集成

數(shù)據(jù)/屬性重抽樣

決策依據(jù):少數(shù)服從多數(shù)

典型模型:隨機(jī)森林RF

5、 Boosting集成

基于誤分?jǐn)?shù)據(jù)建模

樣本選擇權(quán)重更新公式

決策依據(jù):加權(quán)投票

典型模型:AdaBoost模型

 

結(jié)束:課程總結(jié)問題答疑。

 
反對 0舉報 0 收藏 0
更多>與大數(shù)據(jù)分析與挖掘綜合能力提升實(shí)戰(zhàn)相關(guān)內(nèi)訓(xùn)課
企業(yè)家經(jīng)營哲學(xué)與企業(yè)經(jīng)營之道 高   效   執(zhí)   行   力 教練式經(jīng)銷商管理 商業(yè)模式創(chuàng)新 創(chuàng)新思維管理應(yīng)用訓(xùn)練?—創(chuàng)造性解決問題 創(chuàng)新思維和有效執(zhí)行 微課的設(shè)計與制作 高效能主管風(fēng)暴訓(xùn)練營
傅一航老師介紹>傅一航老師其它課程
大數(shù)據(jù)產(chǎn)業(yè)現(xiàn)狀及應(yīng)用創(chuàng)新 大數(shù)據(jù)挖掘工具:SPSS Modeler入門與提高 大數(shù)據(jù)挖掘工具: SPSS Statistics入門與提高 大數(shù)據(jù)建模與模型優(yōu)化實(shí)戰(zhàn)培訓(xùn) 金融行業(yè)風(fēng)險預(yù)測模型實(shí)戰(zhàn) 數(shù)說營銷——大數(shù)據(jù)營銷實(shí)戰(zhàn)培訓(xùn) 大數(shù)據(jù)分析與挖掘綜合能力提升實(shí)戰(zhàn) 助力市場營銷與服務(wù)的數(shù)據(jù)分析實(shí)戰(zhàn)
網(wǎng)站首頁  |  關(guān)于我們  |  聯(lián)系方式  |  誠聘英才  |  網(wǎng)站聲明  |  隱私保障及免責(zé)聲明  |  網(wǎng)站地圖  |  排名推廣  |  廣告服務(wù)  |  積分換禮  |  網(wǎng)站留言  |  RSS訂閱  |  違規(guī)舉報  |  京ICP備11016574號-25