主講老師: | 傅一航 | |
課時(shí)安排: | 1天/6小時(shí) | |
學(xué)習(xí)費(fèi)用: | 面議 | |
課程預(yù)約: | 隋老師 (微信同號(hào)) | |
課程簡(jiǎn)介: | 圍繞金融行業(yè)常見(jiàn)的業(yè)務(wù)問(wèn)題,利用大數(shù)據(jù)的思維方式,重塑解決業(yè)務(wù)問(wèn)題的新思維和新方法。內(nèi)容由淺入深,從數(shù)據(jù)統(tǒng)計(jì)到數(shù)據(jù)分析,再到數(shù)據(jù)挖掘;從描述性分析,到相關(guān)性分析,再到預(yù)測(cè)分析,實(shí)現(xiàn)對(duì)業(yè)務(wù)的過(guò)去、現(xiàn)在和未來(lái)的全面系統(tǒng)地分析與挖掘。 | |
內(nèi)訓(xùn)課程分類: | 綜合管理 | 人力資源 | 市場(chǎng)營(yíng)銷 | 財(cái)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(jī)效 | 企業(yè)文化 | 團(tuán)隊(duì)管理 | 行政辦公 | 公司治理 | 股權(quán)激勵(lì) | 生產(chǎn)管理 | 采購(gòu)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(shì)發(fā)展 | 金融資本 | 商業(yè)模式 | 戰(zhàn)略運(yùn)營(yíng) | 法律風(fēng)險(xiǎn) | 沙盤(pán)模擬 | 國(guó)企改革 | 鄉(xiāng)村振興 | 黨建培訓(xùn) | 保險(xiǎn)培訓(xùn) | 銀行培訓(xùn) | 電信領(lǐng)域 | 房地產(chǎn) | 國(guó)學(xué)智慧 | 心理學(xué) | 情緒管理 | 時(shí)間管理 | 目標(biāo)管理 | 客戶管理 | 店長(zhǎng)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(shí)間: | 2023-09-01 12:14 |
【課程目標(biāo)】
本課程為針對(duì)金融行業(yè)的大數(shù)據(jù)分析實(shí)戰(zhàn)課程。
圍繞金融行業(yè)常見(jiàn)的業(yè)務(wù)問(wèn)題,利用大數(shù)據(jù)的思維方式,重塑解決業(yè)務(wù)問(wèn)題的新思維和新方法。內(nèi)容由淺入深,從數(shù)據(jù)統(tǒng)計(jì)到數(shù)據(jù)分析,再到數(shù)據(jù)挖掘;從描述性分析,到相關(guān)性分析,再到預(yù)測(cè)分析,實(shí)現(xiàn)對(duì)業(yè)務(wù)的過(guò)去、現(xiàn)在和未來(lái)的全面系統(tǒng)地分析與挖掘。
本課程覆蓋了如下內(nèi)容:
1、 數(shù)據(jù)分析的核心理念,數(shù)據(jù)分析的基礎(chǔ)。
2、 數(shù)據(jù)分析過(guò)程,數(shù)據(jù)分析方法,數(shù)據(jù)分析思路。
3、 高級(jí)數(shù)據(jù)分析與挖掘模型(影響因素分析、數(shù)值預(yù)測(cè)、分類預(yù)測(cè)、市場(chǎng)細(xì)分、客戶價(jià)值評(píng)估、精準(zhǔn)推薦、產(chǎn)品設(shè)計(jì)、產(chǎn)品定價(jià)等)。
本課程從實(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)分析及數(shù)據(jù)挖掘技術(shù)進(jìn)行了全面的介紹(從數(shù)據(jù)收集與處理,到數(shù)據(jù)分析與挖掘,再到數(shù)據(jù)可視化和報(bào)告撰寫(xiě)),通過(guò)大量的操作演練,幫助學(xué)員掌握數(shù)據(jù)分析和數(shù)據(jù)挖掘的思路、方法、表達(dá)、工具,從大量的企業(yè)經(jīng)營(yíng)數(shù)據(jù)中進(jìn)行分析,挖掘客戶行為特點(diǎn),幫助運(yùn)營(yíng)團(tuán)隊(duì)深入理解業(yè)務(wù)運(yùn)作,以達(dá)到提升學(xué)員的數(shù)據(jù)綜合分析能力,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、 了解數(shù)據(jù)分析基礎(chǔ)知識(shí),掌握數(shù)據(jù)分析的基本過(guò)程。
2、 學(xué)會(huì)數(shù)據(jù)分析的框架和思路,掌握常用數(shù)據(jù)分析方法來(lái)分析問(wèn)題。
3、 熟悉數(shù)據(jù)分析的基本過(guò)程,掌握高級(jí)數(shù)據(jù)分析工具庫(kù)操作。
4、 熟練掌握常用的數(shù)據(jù)挖掘方法,用來(lái)解決常見(jiàn)的業(yè)務(wù)問(wèn)題(如市場(chǎng)細(xì)分、客戶行為預(yù)測(cè),交叉銷售等等)
【授課時(shí)間】
2~6天時(shí)間,或根據(jù)客戶需求選擇。
內(nèi)容 | 2天 | 4天 | 5-6天 | |
核心理念 | √ | √ | √ | |
分析過(guò)程 | √ | √ | √ | |
統(tǒng)計(jì)分析 | √ | √ | √ | |
分析思路 | √ | √ | √ | |
影響因素 | √ | √ | √ | |
數(shù)值預(yù)測(cè) | √回歸時(shí)序 | √季節(jié)模型 | √ | |
回歸優(yōu)化 | √ | √ | ||
分類模型 | √僅決策樹(shù) | √ANN/SVM | √ | |
集成方法 | √ | |||
市場(chǎng)細(xì)分 | √ | √ | ||
預(yù)處理 | √ | √ | ||
推薦模型 | √ | |||
客戶價(jià)值 | √ | √ | ||
定價(jià)策略 | √ | |||
產(chǎn)品開(kāi)發(fā) | √ |
【授課對(duì)象】
銷售部門(mén)、營(yíng)業(yè)廳、業(yè)務(wù)支撐、經(jīng)營(yíng)分析部、網(wǎng)管/網(wǎng)優(yōu)中心、運(yùn)營(yíng)分析部、呼叫中心等對(duì)業(yè)務(wù)數(shù)據(jù)分析有要求的相關(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Excel 2010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。
4、 便攜機(jī)中事先安裝好IBM SPSS Modeler v14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(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】
1、 數(shù)據(jù)驅(qū)動(dòng)成為銀行發(fā)展的新動(dòng)力
2、 大數(shù)據(jù)在銀行業(yè)的應(yīng)用
? 營(yíng)銷支持
? 風(fēng)險(xiǎn)管控
? 精細(xì)化管理
? 決策支持
3、 銀行大數(shù)據(jù)應(yīng)用案例
? 信貸風(fēng)險(xiǎn)控制
? 差異化產(chǎn)品營(yíng)銷
? 客戶興趣與客戶細(xì)分
? 個(gè)人信用評(píng)估
4、 大數(shù)據(jù)在各銀行的應(yīng)用
? 中信銀行,以客戶為上帝
? 民生銀行大數(shù)據(jù)戰(zhàn)略
? 青島銀行提升運(yùn)營(yíng)能力
5、 大數(shù)據(jù)應(yīng)用系統(tǒng)的四層結(jié)構(gòu)
? 數(shù)據(jù)基礎(chǔ)層
? 數(shù)據(jù)模型層
? 業(yè)務(wù)模型層
? 業(yè)務(wù)應(yīng)用層
問(wèn)題:大數(shù)據(jù)的核心價(jià)值是什么?大數(shù)據(jù)是怎樣用于業(yè)務(wù)決策?
1、 大數(shù)據(jù)時(shí)代:你缺的不是一堆方法,而是大數(shù)據(jù)思維
2、 大數(shù)據(jù)是探索事物發(fā)展和變化規(guī)律的工具
3、 一切不以解決業(yè)務(wù)問(wèn)題為導(dǎo)向的大數(shù)據(jù)都是耍流氓
4、 大數(shù)據(jù)的核心能力
? 發(fā)現(xiàn)業(yè)務(wù)運(yùn)行規(guī)律及問(wèn)題
? 探索業(yè)務(wù)未來(lái)發(fā)展趨勢(shì)
5、 從案例看大數(shù)據(jù)的核心本質(zhì)
? 用趨勢(shì)圖來(lái)探索產(chǎn)品銷量規(guī)律
? 從谷歌的GFT產(chǎn)品探索用戶需求變化
? 從美國(guó)總統(tǒng)競(jìng)選看大數(shù)據(jù)對(duì)選民行為進(jìn)行分析
? 從大數(shù)據(jù)炒股看大數(shù)據(jù)如何探索因素的相關(guān)性
6、 認(rèn)識(shí)大數(shù)據(jù)分析
? 什么是數(shù)據(jù)分析
? 數(shù)據(jù)分析的三大作用
? 常用分析的三大類別
案例:喜歡賺“差價(jià)”的營(yíng)業(yè)員(用數(shù)據(jù)管理來(lái)識(shí)別)
7、 數(shù)據(jù)分析需要什么樣的能力
? 懂業(yè)務(wù)、懂管理、懂分析、懂工具、懂呈現(xiàn)
8、 大數(shù)據(jù)應(yīng)用系統(tǒng)的四層結(jié)構(gòu)
? 數(shù)據(jù)基礎(chǔ)層、數(shù)據(jù)模型層、業(yè)務(wù)模型層、業(yè)務(wù)應(yīng)用層
9、 大數(shù)據(jù)分析的兩大核心理念
10、 大數(shù)據(jù)分析面臨的常見(jiàn)問(wèn)題
? 不知道分析什么(分析目的不明確)
? 不知道怎樣分析(缺少分析方法)
? 不知道收集什么樣的數(shù)據(jù)(業(yè)務(wù)理解不足)
? 不知道下一步怎么做(不了解分析過(guò)程)
? 看不懂?dāng)?shù)據(jù)表達(dá)的意思(數(shù)據(jù)解讀能力差)
? 擔(dān)心分析不夠全面(分析思路不系統(tǒng))
1、 數(shù)據(jù)分析的六步曲
2、 步驟1:明確目的--理清思路
? 確定分析目的:要解決什么樣的業(yè)務(wù)問(wèn)題
? 確定分析思路:分解業(yè)務(wù)問(wèn)題,構(gòu)建分析框架
3、 步驟2:數(shù)據(jù)收集—理清思路
? 明確收集數(shù)據(jù)范圍
? 確定收集來(lái)源
? 確定收集方法
4、 步驟3:數(shù)據(jù)預(yù)處理—尋找答案
? 數(shù)據(jù)質(zhì)量評(píng)估
? 數(shù)據(jù)清洗、數(shù)據(jù)處理和變量處理
? 探索性分析
5、 步驟4:數(shù)據(jù)分析--尋找答案
? 選擇合適的分析方法
? 構(gòu)建合適的分析模型
? 選擇合適的分析工具
6、 步驟5:數(shù)據(jù)展示--觀點(diǎn)表達(dá)
? 選擇恰當(dāng)?shù)膱D表
? 選擇合適的可視化工具
7、 步驟6:報(bào)表撰寫(xiě)--觀點(diǎn)表達(dá)
? 選擇報(bào)告種類
? 完整的報(bào)告結(jié)構(gòu)
8、 數(shù)據(jù)分析的三大誤區(qū)
演練:如何用大數(shù)據(jù)來(lái)支撐產(chǎn)品精準(zhǔn)營(yíng)銷項(xiàng)目
問(wèn)題:數(shù)據(jù)分析有什么方法可依?不同的方法適用解決什么樣的問(wèn)題?
1、 數(shù)據(jù)分析方法的層次
? 基本分析法(對(duì)比/分組/結(jié)構(gòu)/趨勢(shì)/…)
? 綜合分析法(交叉/綜合評(píng)價(jià)/杜邦/漏斗/…)
? 高級(jí)分析法(相關(guān)/方差/驗(yàn)證/回歸/時(shí)序/…)
? 數(shù)據(jù)挖掘法(聚類/分類/關(guān)聯(lián)/RFM模型/…)
2、 統(tǒng)計(jì)分析常用指標(biāo)
? 計(jì)數(shù)、求和、百分比(增跌幅)
? 集中程度:均值、中位數(shù)、眾數(shù)
? 離散程度:極差、方差/標(biāo)準(zhǔn)差
? 分布形態(tài):偏度、峰度
3、 基本分析方法及其適用場(chǎng)景
? 對(duì)比分析(查看數(shù)據(jù)差距)
演練:評(píng)估不同類型客戶的存款偏好
演練:如何找到消費(fèi)能力強(qiáng)的用戶
? 分組分析(查看數(shù)據(jù)分布)
演練:銀行用戶消費(fèi)層次分析(銀行)
演練:呼叫中心接聽(tīng)電話效率分析(呼叫中心)
演練:客服中心科學(xué)排班人數(shù)需求分析(客服中心)
? 結(jié)構(gòu)分析(評(píng)估事物構(gòu)成)
案例:銀行用戶市場(chǎng)占比結(jié)構(gòu)分析
案例:用戶構(gòu)成分析、用戶收入結(jié)構(gòu)分析
案例:動(dòng)態(tài)結(jié)構(gòu)分析
? 趨勢(shì)分析(發(fā)現(xiàn)變化規(guī)律)
案例:銀行ATM柜員機(jī)現(xiàn)金管理分析(銀行)
案例:理財(cái)產(chǎn)品銷量的淡旺季分析
演練:發(fā)現(xiàn)產(chǎn)品銷售的時(shí)間規(guī)律
? 交叉分析(多維數(shù)據(jù)分析)
演練:用戶分布多維分析
演練:不同區(qū)域的理財(cái)產(chǎn)品偏好分析
演練:不同教育水平的理財(cái)產(chǎn)品偏好分析
4、 最合適的分析方法才是硬道理。
問(wèn)題:數(shù)據(jù)分析思路是怎樣的?如何才能全面/系統(tǒng)地分析而不遺漏?
1、 數(shù)據(jù)分析的思路
? 從KPI指標(biāo)開(kāi)始
? 從營(yíng)銷/管理模型開(kāi)始
2、 常用分析思路模型
3、 企業(yè)外部環(huán)境分析(PEST分析法)
案例:行業(yè)外部環(huán)境分析
4、 用戶消費(fèi)行為分析(5W2H分析法)
案例:用戶購(gòu)買(mǎi)行為分析(5W2H)
5、 公司整體經(jīng)營(yíng)情況分析(4P營(yíng)銷理論)
6、 業(yè)務(wù)問(wèn)題專題分析(邏輯樹(shù)分析法)
案例:用戶增長(zhǎng)緩慢分析
7、 用戶使用行為研究(用戶使用行為分析法)
案例:產(chǎn)品銷售流程優(yōu)化分析
問(wèn)題:如何判斷一個(gè)因素對(duì)另一個(gè)因素有影響?
風(fēng)險(xiǎn)控制的關(guān)鍵因素有哪些?營(yíng)銷費(fèi)用是否會(huì)影響銷售額?產(chǎn)品價(jià)格是否會(huì)影響銷量?產(chǎn)品的陳列位置/營(yíng)銷渠道方式是否會(huì)影響產(chǎn)品銷量?
1、 影響因素分析的常見(jiàn)方法
2、 相關(guān)分析(衡量變量間的的相關(guān)性)
? 什么是相關(guān)關(guān)系
? 相關(guān)系數(shù):衡量相關(guān)程度的指標(biāo)
? 相關(guān)系數(shù)的三個(gè)計(jì)算公式
? 相關(guān)分析的假設(shè)檢驗(yàn)
? 相關(guān)分析的基本步驟
? 相關(guān)分析應(yīng)用場(chǎng)景
演練:營(yíng)銷費(fèi)用會(huì)影響銷售額嗎?
演練:哪些因素與理財(cái)產(chǎn)品銷量有相關(guān)性?
? 偏相關(guān)分析
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
3、 方差分析
問(wèn)題:哪些才是影響銷量的關(guān)鍵因素?
? 方差分析解決什么問(wèn)題
? 方差分析種類:?jiǎn)我蛩?/span>/雙因素/協(xié)方差分析
? 方差分析的應(yīng)用場(chǎng)景
? 方差分析的原理與步驟
? 如何解決方差分析結(jié)果
演練:營(yíng)銷渠道與產(chǎn)品銷量有關(guān)嗎?
演練:客戶學(xué)歷對(duì)消費(fèi)水平的影響分析
演練:廣告形式和價(jià)格是影響產(chǎn)品銷量的關(guān)鍵因素嗎
演練:營(yíng)業(yè)員的性別、技能級(jí)別對(duì)產(chǎn)品銷量有影響嗎?
演練:尋找導(dǎo)致產(chǎn)品銷售額下降的關(guān)鍵因素
? 多因素方差分析原理
? 多因素方差結(jié)果的解讀
演練:廣告形式、渠道對(duì)銷量的影響因素分析(多因素)
演練:如何判斷是否還有因素在影響銷量?
? 協(xié)方差分析原理
4、 列聯(lián)分析(兩類別變量的相關(guān)性分析)
? 交叉表與列聯(lián)表
? 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:業(yè)務(wù)類型對(duì)客戶流失的影響分析
案例:學(xué)歷對(duì)理財(cái)產(chǎn)品偏好的影響分析
案例:行業(yè)/規(guī)模對(duì)風(fēng)控的影響分析
問(wèn)題:如何預(yù)測(cè)產(chǎn)品的銷量/銷售金額?
1、 銷量預(yù)測(cè)與市場(chǎng)預(yù)測(cè)——讓你看得更遠(yuǎn)
2、 回歸預(yù)測(cè)/回歸分析
問(wèn)題:如何預(yù)測(cè)未來(lái)的銷售量(定量分析)?
? 回歸分析的基本原理和應(yīng)用場(chǎng)景
? 回歸分析的種類(一元/多元、線性/曲線)
? 得到回歸方程的幾種常用方法
? 回歸分析的五個(gè)步驟與結(jié)果解讀
? 回歸預(yù)測(cè)結(jié)果評(píng)估(如何評(píng)估預(yù)測(cè)質(zhì)量,如何選擇最佳回歸模型)
演練:散點(diǎn)圖找到推廣費(fèi)用與銷售額的關(guān)系(一元線性回歸)
演練:推廣費(fèi)用、辦公費(fèi)用與銷售額的關(guān)系(多元線性回歸)
演練:讓你的營(yíng)銷費(fèi)用預(yù)算更準(zhǔn)確
演練:如何選擇最佳的回歸預(yù)測(cè)模型(曲線回歸)
? 帶分類變量的回歸預(yù)測(cè)
演練:產(chǎn)品季度銷量預(yù)測(cè)
演練:工齡、性別與產(chǎn)品銷量的關(guān)系
演練:如何評(píng)估銷售目標(biāo)與資源配置
3、 時(shí)序預(yù)測(cè)
問(wèn)題:隨著時(shí)間變化,未來(lái)的銷量變化趨勢(shì)如何?
? 時(shí)序分析的應(yīng)用場(chǎng)景(基于時(shí)間的變化規(guī)律)
? 移動(dòng)平均MA的預(yù)測(cè)原理
? 指數(shù)平滑ES的預(yù)測(cè)原理
? 自回歸移動(dòng)平均ARIMA模型
? 如何評(píng)估預(yù)測(cè)值的準(zhǔn)確性?
案例:銷售額的時(shí)序預(yù)測(cè)及評(píng)估
演練:產(chǎn)品銷量預(yù)測(cè)及評(píng)估
演練:上海證券交易所綜合指數(shù)收益率序列分析
4、 季節(jié)性預(yù)測(cè)模型
? 季節(jié)性回歸模型的參數(shù)
? 常用季節(jié)性預(yù)測(cè)模型(相加、相乘)
? 怎樣解讀模型的含義
案例:美國(guó)航空旅客里程的季節(jié)性趨勢(shì)分析
案例:產(chǎn)品銷售季節(jié)性趨勢(shì)預(yù)測(cè)分析
5、 新產(chǎn)品預(yù)測(cè)模型與S曲線
? 如何評(píng)估銷量增長(zhǎng)的拐點(diǎn)
? 珀?duì)柷€與龔鉑茲曲線
案例:如何預(yù)測(cè)產(chǎn)品的銷售增長(zhǎng)拐點(diǎn),以及銷量上限
演練:預(yù)測(cè)IPad產(chǎn)品的銷量
1、 回歸模型的基本原理
? 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):是否可以做回歸分析?
? 擬合優(yōu)度檢驗(yàn):回歸模型的質(zhì)量評(píng)估?
? 因素的顯著性檢驗(yàn):自變量是否可用?
? 理解標(biāo)準(zhǔn)誤差的含義:預(yù)測(cè)的準(zhǔn)確性?
2、 模型優(yōu)化思路:尋找最佳回歸擬合線
? 如何處理異常數(shù)據(jù)(殘差與異常值排除)
? 如何剔除非顯著因素(因素顯著性檢驗(yàn))
? 如何進(jìn)行非線性關(guān)系檢驗(yàn)
? 如何進(jìn)行相互作用檢驗(yàn)
? 如何進(jìn)行多重共線性檢驗(yàn)
? 如何檢驗(yàn)誤差項(xiàng)
? 如何判斷模型過(guò)擬合
案例:模型優(yōu)化案例
6、 自定義模型(如何利用規(guī)劃求解進(jìn)行自定義模型)
案例:如何對(duì)營(yíng)業(yè)廳客流量進(jìn)行建模及模型優(yōu)化
問(wèn)題:如何評(píng)估客戶購(gòu)買(mǎi)產(chǎn)品的可能性?或者說(shuō),影響客戶購(gòu)買(mǎi)意向的產(chǎn)品關(guān)鍵特性是什么?
1、 分類模型概述
2、 常見(jiàn)分類預(yù)測(cè)模型
3、 邏輯回歸模型
? 邏輯回歸模型原理及適用場(chǎng)景
? 邏輯回歸種類:二元/多元邏輯回歸
? 如何解讀邏輯回歸方程
案例:如何評(píng)估用戶是否會(huì)購(gòu)買(mǎi)某產(chǎn)品(二元邏輯)
? 消費(fèi)者品牌選擇模型分析
案例:品牌選擇模型分析,你的品牌適合哪些人群?(多元邏輯)
4、 分類決策樹(shù)
問(wèn)題:如何預(yù)測(cè)客戶行為?如何識(shí)別潛在客戶?
風(fēng)控:如何識(shí)別欠貸者的特征,以及預(yù)測(cè)欠貸概率?
客戶保有:如何識(shí)別流失客戶特征,以及預(yù)測(cè)客戶流失概率?
? 決策樹(shù)分類簡(jiǎn)介
? 如何評(píng)估分類性能?
案例:美國(guó)零售商(Target)如何預(yù)測(cè)少女懷孕
演練:識(shí)別銀行欠貨風(fēng)險(xiǎn),提取欠貸者的特征
? 構(gòu)建決策樹(shù)的三個(gè)關(guān)鍵問(wèn)題
2 如何選擇最佳屬性來(lái)構(gòu)建節(jié)點(diǎn)
2 如何分裂變量
2 修剪決策樹(shù)
? 選擇最優(yōu)屬性
2 熵、基尼索引、分類錯(cuò)誤
2 屬性劃分增益
? 如何分裂變量
2 多元?jiǎng)澐峙c二元?jiǎng)澐?/span>
2 連續(xù)變量離散化(最優(yōu)劃分點(diǎn))
? 修剪決策樹(shù)
2 剪枝原則
2 預(yù)剪枝與后剪枝
? 構(gòu)建決策樹(shù)的四個(gè)算法
2 C5.0、CHAID、CART、QUEST
2 各種算法的比較
? 如何選擇最優(yōu)分類模型?
? 案例:客戶流失預(yù)警與客戶挽留模型
? 案例:識(shí)別拖欠銀行貨款者的特征,避免不良貨款
5、 基于規(guī)則的分類
? 基于規(guī)則分類原理介紹
? 評(píng)估規(guī)則的質(zhì)量
? 構(gòu)建分類規(guī)則:順序覆蓋法
? 規(guī)則增長(zhǎng)策略
6、 最近鄰分類(KNN)
7、 貝葉斯分類(NBN)
? 貝葉斯分類原理
? 計(jì)算類別屬性的條件概率
? 估計(jì)連續(xù)屬性的條件概率
? 貝葉斯網(wǎng)絡(luò)種類:TAN/馬爾科夫毯
? 預(yù)測(cè)分類概率(計(jì)算概率)
案例:評(píng)估銀行用戶拖欠貨款的概率
8、 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)的建立步驟
? 神經(jīng)網(wǎng)絡(luò)的關(guān)鍵問(wèn)題
? BP反向傳播網(wǎng)絡(luò)(MLP)
? 徑向基網(wǎng)絡(luò)(RBF)
案例:評(píng)估銀行用戶拖欠貨款的概率
9、 支持向量機(jī)(SVM)
? SVM基本原理
? 線性可分問(wèn)題:最大邊界超平面
? 線性不可分問(wèn)題:特征空間的轉(zhuǎn)換
? 維空難與核函數(shù)
10、 判別分析
? 判別分析原理
? 距離判別法
? 典型判別法
? 貝葉斯判別法
1、 集成方法的基本原理:利用弱分類器構(gòu)建強(qiáng)分類模型
? 選取多個(gè)數(shù)據(jù)集,構(gòu)建多個(gè)弱分類器
? 多個(gè)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(shù)據(jù)集
? 如何進(jìn)行投票
? 隨機(jī)森林
4、 Boosting的原理
? AdaBoost算法流程
? 樣本選擇權(quán)重計(jì)算公式
? 分類器投票權(quán)重計(jì)算公式
問(wèn)題:我們的客戶有幾類?各類特征是什么?如何實(shí)現(xiàn)客戶細(xì)分,開(kāi)發(fā)符合細(xì)分市場(chǎng)的新產(chǎn)品?如何提取客戶特征,從而對(duì)產(chǎn)品進(jìn)行市場(chǎng)定位?
1、 市場(chǎng)細(xì)分的常用方法
? 有指導(dǎo)細(xì)分
? 無(wú)指導(dǎo)細(xì)分
2、 聚類分析
? 如何更好的了解客戶群體和市場(chǎng)細(xì)分?
? 如何識(shí)別客戶群體特征?
? 如何確定客戶要分成多少適當(dāng)?shù)念悇e?
? 聚類方法原理介紹
? 聚類方法作用及其適用場(chǎng)景
? 聚類分析的種類
? K均值聚類(快速聚類)
案例:移動(dòng)三大品牌細(xì)分市場(chǎng)合適嗎?
演練:寶潔公司如何選擇新產(chǎn)品試銷區(qū)域?
演練:如何評(píng)選優(yōu)秀員工?
演練:中國(guó)各省份發(fā)達(dá)程度分析,讓數(shù)據(jù)自動(dòng)聚類
? 層次聚類(系統(tǒng)聚類):發(fā)現(xiàn)多個(gè)類別
? R型聚類與Q型聚類的區(qū)別
案例:中移動(dòng)如何實(shí)現(xiàn)客戶細(xì)分及營(yíng)銷策略
演練:中國(guó)省市經(jīng)濟(jì)發(fā)展情況分析(Q型聚類)
演練:裁判評(píng)分的標(biāo)準(zhǔn)衡量,避免“黑哨”(R型聚類)
? 兩步聚類
3、 RFM客戶細(xì)分模型(詳見(jiàn)客戶價(jià)值評(píng)估部分)
4、 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(píng)估產(chǎn)品購(gòu)買(mǎi)者的客戶細(xì)分市場(chǎng)
1、 數(shù)據(jù)預(yù)處理的主要任務(wù)
? 數(shù)據(jù)集成:多個(gè)數(shù)據(jù)集的合并
? 數(shù)據(jù)清理:異常值的處理
? 數(shù)據(jù)處理:數(shù)據(jù)篩選、數(shù)據(jù)精簡(jiǎn)、數(shù)據(jù)平衡
? 變量處理:變量變換、變量派生、變量精簡(jiǎn)
? 數(shù)據(jù)歸約:實(shí)現(xiàn)降維,避免維災(zāi)難
2、 數(shù)據(jù)集成
? 外部數(shù)據(jù)讀入:Txt/Excel/SPSS/Database
? 數(shù)據(jù)追加(添加數(shù)據(jù))
? 變量合并(添加變量)
3、 數(shù)據(jù)理解(異常數(shù)據(jù)處理)
? 取值范圍限定
? 重復(fù)值處理
? 無(wú)效值/錯(cuò)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(píng)估
4、 數(shù)據(jù)準(zhǔn)備:數(shù)據(jù)處理
? 數(shù)據(jù)篩選:數(shù)據(jù)抽樣/選擇(減少樣本數(shù)量)
? 數(shù)據(jù)精簡(jiǎn):數(shù)據(jù)分段/離散化(減少變量的取值個(gè)數(shù))
? 數(shù)據(jù)平衡:正反樣本比例均衡
5、 數(shù)據(jù)準(zhǔn)備:變量處理
? 變量變換:原變量取值更新,比如標(biāo)準(zhǔn)化
? 變量派生:根據(jù)舊變量生成新的變量
? 變量精簡(jiǎn):降維,減少變量個(gè)數(shù)
6、 數(shù)據(jù)降維
? 常用降維的方法
? 如何確定變量個(gè)數(shù)
? 特征選擇:選擇重要變量,剔除不重要的變量
2 從變量本身考慮
2 從輸入變量與目標(biāo)變量的相關(guān)性考慮
2 對(duì)輸入變量進(jìn)行合并
? 因子分析(主成分分析)
2 因子分析的原理
2 因子個(gè)數(shù)如何選擇
2 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
7、 數(shù)據(jù)探索性分析
? 常用統(tǒng)計(jì)指標(biāo)分析
? 單變量:數(shù)值變量/分類變量
? 雙變量:交叉分析/相關(guān)性分析
? 多變量:特征選擇、因子分析
演練:描述性分析(頻數(shù)、描述、探索、分類匯總)
8、 數(shù)據(jù)可視化
? 數(shù)據(jù)可視化:柱狀圖、條形圖、餅圖、折線圖、箱圖、散點(diǎn)圖等
? 圖形的表達(dá)及適用場(chǎng)景
演練:各種圖形繪制
問(wèn)題:購(gòu)買(mǎi)A產(chǎn)品的顧客還常常要購(gòu)買(mǎi)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、 常用產(chǎn)品推薦模型
2、 關(guān)聯(lián)分析
? 如何制定套餐,實(shí)現(xiàn)交叉/捆綁銷售
案例:啤酒與尿布、颶風(fēng)與蛋撻
? 關(guān)聯(lián)分析模型原理(Association)
? 關(guān)聯(lián)規(guī)則的兩個(gè)關(guān)鍵參數(shù)
2 支持度
2 置信度
? 關(guān)聯(lián)分析的適用場(chǎng)景
案例:購(gòu)物籃分析與產(chǎn)品捆綁銷售/布局優(yōu)化
案例:理財(cái)產(chǎn)品的交叉銷售與產(chǎn)品推薦
? 如何提取關(guān)聯(lián)規(guī)則(關(guān)聯(lián)分析的算法)
2 Apriori算法
2 FP-Growth算法
3、 協(xié)同過(guò)濾
營(yíng)銷問(wèn)題:如何評(píng)估客戶的價(jià)值?不同的價(jià)值客戶有何區(qū)別對(duì)待?
1、 如何評(píng)價(jià)客戶生命周期的價(jià)值
? 貼現(xiàn)率與留存率
? 評(píng)估客戶的真實(shí)價(jià)值
? 使用雙向表衡量屬性敏感度
? 變化的邊際利潤(rùn)
案例:評(píng)估營(yíng)銷行為的合理性
2、 RFM模型(客戶價(jià)值評(píng)估)
? RFM模型,更深入了解你的客戶價(jià)值
? RFM模型與市場(chǎng)策略
? RFM模型與活躍度分析
案例:客戶價(jià)值評(píng)估與促銷名單
案例:重購(gòu)用戶特征分析
1、 聯(lián)合分析法
? 如何指導(dǎo)產(chǎn)品開(kāi)發(fā)?
? 如何確定產(chǎn)品的重要特性
2、 離散選擇模型
? 如何評(píng)估客戶購(gòu)買(mǎi)產(chǎn)品的概率
? 競(jìng)爭(zhēng)下的產(chǎn)品動(dòng)態(tài)調(diào)價(jià)
? 如何評(píng)估產(chǎn)品的價(jià)格彈性
案例:產(chǎn)品開(kāi)發(fā)應(yīng)該重視哪些功能特性?
案例:品牌價(jià)值與價(jià)格敏感度分析
案例:納什均衡價(jià)格
3、 品牌價(jià)值評(píng)估
4、 新產(chǎn)品市場(chǎng)占有率評(píng)估
營(yíng)銷問(wèn)題:產(chǎn)品如何實(shí)現(xiàn)最優(yōu)定價(jià)?套餐價(jià)格如何確定?采用哪些定價(jià)策略可達(dá)到利潤(rùn)最大化?
1、 常見(jiàn)的定價(jià)方法
2、 產(chǎn)品定價(jià)的理論依據(jù)
? 需求曲線與利潤(rùn)最大化
? 如何求解最優(yōu)定價(jià)
案例:產(chǎn)品最優(yōu)定價(jià)求解
3、 如何評(píng)估需求曲線
? 價(jià)格彈性
? 曲線方程(線性、乘冪)
4、 如何做產(chǎn)品組合定價(jià)
5、 如何做產(chǎn)品捆綁/套餐定價(jià)
? 最大收益定價(jià)(演進(jìn)規(guī)劃求解)
? 避免價(jià)格反轉(zhuǎn)的套餐定價(jià)
案例:電信公司的寬帶、IPTV、移動(dòng)電話套餐定價(jià)
6、 非線性定價(jià)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(fèi)如何定價(jià)(如會(huì)費(fèi)+按次計(jì)費(fèi))
7、 階梯定價(jià)策略
案例:如何做階梯定價(jià)
8、 數(shù)量折扣定價(jià)策略
案例:如何通過(guò)折扣來(lái)實(shí)現(xiàn)薄利多銷
9、 定價(jià)策略的評(píng)估與選擇
案例:公司如何選擇最優(yōu)定價(jià)策略
結(jié)束:課程總結(jié)與問(wèn)題答疑。
京公網(wǎng)安備 11011502001314號(hào)