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
學習費用: 面議
課程預約: 隋老師 (微信同號)
課程簡介: 本課程的主要目的是,幫助學員掌握一些業(yè)務(wù)專題挖掘模型,幫助學員建立對復雜業(yè)務(wù)問題的數(shù)據(jù)挖掘綜合能力。
內(nèi)訓課程分類: 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)導力 | 管理溝通 | 薪酬績效 | 企業(yè)文化 | 團隊管理 | 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 | 禮儀服務(wù) | 商務(wù)談判 | 演講培訓 | 宏觀經(jīng)濟 | 趨勢發(fā)展 | 金融資本 | 商業(yè)模式 | 戰(zhàn)略運營 | 法律風險 | 沙盤模擬 | 國企改革 | 鄉(xiāng)村振興 | 黨建培訓 | 保險培訓 | 銀行培訓 | 電信領(lǐng)域 | 房地產(chǎn) | 國學智慧 | 心理學 | 情緒管理 | 時間管理 | 目標管理 | 客戶管理 | 店長培訓 | 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 11:44


課程目標】

本課程為高階課程,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,幫助學員掌握一些業(yè)務(wù)專題挖掘模型,幫助學員建立對復雜業(yè)務(wù)問題的數(shù)據(jù)挖掘綜合能力。

本課程具體內(nèi)容包括:

1、 數(shù)據(jù)挖掘流程,數(shù)據(jù)預處理

2、 用戶專題分析:用戶群劃分/客戶價值評估/客戶偏好分析/用戶行為預測

3、 產(chǎn)品專題分析:產(chǎn)品設(shè)計優(yōu)化、產(chǎn)品功能評估、產(chǎn)品最優(yōu)定價策略

4、 精準推薦算法:協(xié)同過濾、關(guān)聯(lián)分析、基于內(nèi)容/用戶的推薦(CBR/UBR)

5、 金融風險評估:信用評分卡模型、風險預測模型

 

系列課程實際的業(yè)務(wù)需求出發(fā),結(jié)合行業(yè)的典型應(yīng)用特點,圍繞實際的商業(yè)問題,對數(shù)據(jù)預測建模的過程進行了全面的介紹(從模型選擇,到特征選擇,再到訓練模型,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,幫助學員掌握數(shù)據(jù)建模的思路、方法、技巧,以提升學員的數(shù)據(jù)建模的能力,支撐運營決策的目的。

通過本課程的學習,達到如下目的:

1、 熟悉數(shù)據(jù)挖掘的標準過程,熟悉每個步驟的具體操作。

2、 掌握數(shù)據(jù)預處理的任務(wù),熟練使用SPSS工具完成預處理。

3、 熟練掌握常用的業(yè)務(wù)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(xiàn)客戶價值評估

c) 學會產(chǎn)品功能設(shè)計與新產(chǎn)品銷量預測

d) 熟悉產(chǎn)品定價策略,尋找產(chǎn)品最優(yōu)定價

e) 熟悉精準推薦策略,學會精準推薦產(chǎn)品

f) 掌握信用評分卡的模型構(gòu)建

【授課時間】

2-3時間(每天6個小時)

【授課對象】

業(yè)務(wù)支撐部、運營分析部、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。

【學員要求】

1、 每個學員自備一臺便攜機(必須)。

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

3、 便攜機中事先安裝好IBM SPSS Statistics v24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 + 實際業(yè)務(wù)問題分析 + 工具實踐操作

采用互動式教學,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,讓學員在分析、分享、講授、總結(jié)、自我實踐過程中獲得能力提升。

課程大綱】

第一部分: 數(shù)據(jù)挖掘流程挖掘步驟篇

1、 數(shù)據(jù)挖掘概述

2、 數(shù)據(jù)挖掘標準流程CRISP-DM

商業(yè)理解

數(shù)據(jù)準備

數(shù)據(jù)理解

模型建立

模型評估

模型應(yīng)用

案例:客戶流失預測及客戶挽留

3、 數(shù)據(jù)集概述

4、 SPSS工具介紹

5、 數(shù)據(jù)挖掘常用模型

第二部分: 數(shù)據(jù)挖掘流程數(shù)據(jù)預處理

如何整理數(shù)據(jù),了解數(shù)據(jù),對數(shù)據(jù)進行預處理?

1、 數(shù)據(jù)預處理的四大任務(wù)

數(shù)據(jù)集成:多個數(shù)據(jù)集合并

數(shù)據(jù)清:異常值的處理

樣本處理:樣本篩選、樣本抽樣、樣本平衡

變量處理:變量變換、變量派生、變量精簡

2、 數(shù)據(jù)集成(數(shù)據(jù)集合并)

樣本追加(添加數(shù)據(jù)行):橫向合并

變量合并(添加變量列):縱向合并

3、 數(shù)據(jù)清洗異常數(shù)據(jù)處理

取值范圍限定

重復值處理

無效值/錯誤值處理

缺失值處理

離群值/極端值處理

數(shù)據(jù)質(zhì)量評估

4、 樣本處理:行處理

樣本篩選:指定條件篩選指定樣本集(減少樣本數(shù)量)

樣本抽樣:隨機抽取部分樣本集(減少樣本數(shù)量)

樣本平衡:正反樣本比例均衡

5、 變量處理:列處理

變量變換:原變量取值更新,比如標準化

變量派生:根據(jù)舊變量生成新的變量

變量精簡:變量刪除/降維,減少變量個數(shù)

類型轉(zhuǎn)換:數(shù)據(jù)類型的相互轉(zhuǎn)換

6、 變量精簡/變量降維常用方法

常用降維方法

如何確定降維后變量個數(shù)

特征選擇:選擇重要變量,剔除不重要變量

基于變量本身特征來選擇屬性

基于數(shù)據(jù)間的相關(guān)性來選擇屬性

利用IV值篩選

基于信息增益來選擇屬性

因子合并:將多個變量進行合并

PCA主成分分析

判別分析

7、 類型轉(zhuǎn)換

8、 因子合并/主成分分析

因子分析的原因

因子個數(shù)選擇原則

如何解讀因子含義

案例:提取影響電信客戶流失的主成分分析

9、 數(shù)據(jù)探索性分析

演練:描述性分析(頻數(shù)、描述、探索、分類匯總)

10、 數(shù)據(jù)可視化

演練:各種圖形繪制

第三部分: 市場細分模型聚類模型篇

問題:我們的客戶有幾類?各類特征是什么?如何實現(xiàn)客戶細分,開發(fā)符合細分市場的新產(chǎn)品?如何提取客戶特征,從而對產(chǎn)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?shù)念悇e?

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

層次聚類

兩步聚類

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(chǎn)品試銷區(qū)域?

演練如何自動評選優(yōu)秀員工?

演練:中國各省份發(fā)達程度分析,讓數(shù)據(jù)自動聚類

層次聚類(系統(tǒng)聚類):發(fā)現(xiàn)多個類別

R型聚類與Q型聚類的區(qū)別

案例:中移動如何實現(xiàn)客戶細分及營銷策略

演練中國省市經(jīng)濟發(fā)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、 客戶細分與PCA分析法

PCA主成分分析的原理

PCA分析法的適用場景

演練:利用PCA對汽車客戶群進行細分

演練如何針對汽車客戶群設(shè)計汽車

第四部分: 客戶價值評估RFM模型篇

營銷問題:如何評估客戶的價值?不同的價值客戶有何區(qū)別對待?

1、 如何評價客戶生命周期的價值

貼現(xiàn)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

演練:“雙11”淘寶商家如何選擇價值客戶進行促銷

演練:結(jié)合響應(yīng)模型,宜家IKE實現(xiàn)最大化營銷利潤

案例:重購用戶特征分析

第五部分: 產(chǎn)品設(shè)計優(yōu)化隨機效用理論

1、 產(chǎn)品專題分析主要任務(wù)

產(chǎn)品設(shè)計分析

市場占有分析

累計銷量分析

定價策略分析

2、 產(chǎn)品設(shè)計優(yōu)化(聯(lián)合分析法)

問題:如何設(shè)計最優(yōu)的功能特征?

評估功能特征的重要性

評估功能特征的價值

案例產(chǎn)品開發(fā)與設(shè)計分析

3、 產(chǎn)品評估模型(隨機效用理論)

屬性重要性評估

市場占有率評估

產(chǎn)品價格彈性評估

評估產(chǎn)品的品牌價值

動態(tài)調(diào)價(納會均衡價格)

案例:品牌價值與價格敏感度分析

案例:納什均衡價格

第六部分: 產(chǎn)品定價策略最優(yōu)定價篇

營銷問題:產(chǎn)品如何實現(xiàn)最優(yōu)定價?套餐價格如何確定?采用哪種定價策略可達到利潤最大化?

1、 常見的定價方法

2、 產(chǎn)品定價的理論依據(jù)

需求曲線與利潤最大化

如何求解最優(yōu)定價

案例:產(chǎn)品最優(yōu)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(chǎn)品組合定價

5、 如何做產(chǎn)品捆綁/套餐定價

最大收益定價(演進規(guī)劃求解)

避免價格反轉(zhuǎn)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(shù)量折扣定價策略

案例:如何通過折扣來實現(xiàn)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(yōu)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(shù)量

如何評估模型的收益

案例:FBN航空公司如何實現(xiàn)收益管理(預訂/超售)

第七部分: 產(chǎn)品推薦算法推薦模型篇

問題:購買A產(chǎn)品的顧客還常常要購買其他什么產(chǎn)品?應(yīng)該給客戶推薦什么產(chǎn)品最有可能被接受?

1、 從搜索引擎到推薦引擎

2、 常用產(chǎn)品推薦模型及算法

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(yōu)化思路:分群推薦

4、 基于內(nèi)容的推薦CBR

關(guān)鍵問題:如何計算物品的相似度

優(yōu)缺點

優(yōu)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(guān)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(xié)同過濾的推薦

基于用戶的協(xié)同過濾

基于物品的協(xié)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(guān)聯(lián)分析的推薦

如何制定套餐,實現(xiàn)交叉/捆綁銷售

案例:啤酒與尿布、颶風與蛋撻

關(guān)聯(lián)分析模型原理Association

關(guān)聯(lián)規(guī)則的兩個關(guān)鍵參數(shù)

支持度

置信度

關(guān)聯(lián)分析的適用場景

案例購物籃分析與產(chǎn)品捆綁銷售/布局優(yōu)化

案例:通信產(chǎn)品的交叉銷售與產(chǎn)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(guān)系

基于時間上下文

10、 多推薦引擎的協(xié)同工作

第八部分: 銀行信用評估信用評分卡模型

信用評分卡模型簡介

評分卡的關(guān)鍵問題

信用評分卡建立過程

篩選重要屬性

數(shù)據(jù)集轉(zhuǎn)化

建立分類模型

計算屬性分值

確定審批閾值

篩選重要屬性

屬性分段

基本概念:WOE、IV

屬性重要性評估

數(shù)據(jù)集轉(zhuǎn)化

連續(xù)屬性最優(yōu)分段

計算屬性取值的WOE

建立分類模型

訓練邏輯回歸模型

評估模型

得到字段系數(shù)

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

確定審批閾值

K-S曲線

計算K-S值

獲取最優(yōu)閾值

案例構(gòu)建銀行小額貸款的用戶信用模型

 

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戰(zhàn)相關(guān)內(nèi)訓課
企業(yè)家經(jīng)營哲學與企業(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 高效能主管風暴訓練營
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)化實戰(zhàn)培訓 金融行業(yè)風險預測模型實戰(zhàn) 數(shù)說營銷——大數(shù)據(jù)營銷實戰(zhàn)培訓 大數(shù)據(jù)分析與挖掘綜合能力提升實戰(zhàn) 助力市場營銷與服務(wù)的數(shù)據(jù)分析實戰(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