本课程从实际的业务需求出发，对数据分析及数据挖掘技术进行了全面的介绍，将数据挖掘标准流程、分析思路、分析方法、分析模型，全部落地在SPSS工具中，通过大量的工具操作和演练，帮助学员熟练掌握SPSS工具的使用，并能够将SPSS工具在实际的业务数据分析中满地，实现“知行合一”。

通过本课程的学习，达到如下目的：

1、  了解大数据挖掘的标准过程和挖掘步骤

2、  掌握常用的统计分析方法，以及可视化

3、  掌握常用的影响因素分析方法，学会根因分析

4、  理解数据挖掘的常见模型，原理及适用场景。

5、  熟练掌握SPSS基本操作，能利用SPSS解决实际的商业问题。

第一部分：  数据挖掘标准流程

1、         数据挖掘概述

2、         数据挖掘的标准流程（CRISP-DM）

‐  商业理解

‐  数据准备

‐  数据理解

‐  模型建立

‐  模型评估

‐  模型应用

案例：客户流失预测及客户挽留

3、         数据集概述

4、         SPSS工具介绍

5、         数据挖掘常用模型

第二部分：  数据预处理

如何整理数据，了解数据，对数据进行预处理？

1、数据预处理的四大任务

‐  数据集成：多个数据集合并

‐  数据清洗：异常值的处理

‐  样本处理：样本筛选、样本抽样、样本平衡

‐  变量处理：变量变换、变量派生、变量精简

2、数据集成（数据集合并）

‐  样本追加（添加数据行）：横向合并

‐  变量合并（添加变量列）：纵向合并

3、数据清洗（异常数据处理）

‐  取值范围限定

‐  重复值处理

‐  无效值/错误值处理

‐  缺失值处理

‐  离群值/极端值处理

‐  数据质量评估

4、样本处理：行处理

‐  样本筛选：指定条件筛选指定样本集（减少样本数量）

‐  样本抽样：随机抽取部分样本集（减少样本数量）

‐  样本平衡：正反样本比例均衡

5、变量处理：列处理

‐  变量变换：原变量取值更新，比如标准化

‐  变量派生：根据旧变量生成新的变量

‐  变量精简：变量删除/降维，减少变量个数

‐  类型转换：数据类型的相互转换

6、变量精简/变量降维常用方法

‐  常用降维方法

‐  如何确定降维后变量个数

‐  特征选择：选择重要变量，剔除不重要变量

◢    基于变量本身特征来选择属性

◢    基于数据间的相关性来选择属性

◢    利用IV值筛选

◢    基于信息增益来选择属性

‐  因子合并：将多个变量进行合并

◢    PCA主成分分析

◢    判别分析

7、类型转换

8、因子合并/主成分分析

‐  因子分析的原因

‐  因子个数选择原则

‐  如何解读因子含义

案例：提取影响电信客户流失的主成分分析

9、数据探索性分析

‐  常用统计指标分析

‐  单变量：数值变量/分类变量

‐  双变量：交叉分析/相关性分析

‐  多变量：特征选择、因子分析

演练：描述性分析（频数、描述、探索、分类汇总）

第三部分：  数据可视化

1、数据可视化的原则

2、常用可视化工具

3、常用可视化图形

‐  柱状图、条形图、饼图、折线图、箱图、散点图等

4、图形的表达及适用场景

演练：各种图形绘制

第四部分：  影响因素分析篇

营销问题：哪些因素是影响业务目标的关键要素？比如，产品在货架上的位置是否对销量有影响？价格和广告开销是如何影响销量的？影响风控的关键因素有哪些？如何判断？

1、 影响因素分析的常见方法

2、 相关分析（衡量两数据型变量的线性相关性）

‐  相关分析简介

‐  相关分析的应用场景

‐  相关分析的种类

◢    简单相关分析

◢    偏相关分析

◢    距离相关分析

‐  相关系数的三种计算公式

◢    Pearson相关系数

◢    Spearman相关系数

◢    Kendall相关系数

‐  相关分析的假设检验

‐  相关分析的四个基本步骤

演练：营销费用会影响销售额吗？影响程度如何量化？

演练：哪些因素与汽车销量有相关性

演练：影响用户消费水平的因素会有哪些

‐  偏相关分析

◢    偏相关原理：排除不可控因素后的两变量的相关性

◢    偏相关系数的计算公式

◢    偏相关分析的适用场景

‐  距离相关分析

3、 方差分析（衡量类别变量与数值变量间的相关性）

‐  方差分析的应用场景

‐  方差分析的三个种类

◢    单因素方差分析

◢    多因素方差分析

◢    协方差分析

‐  单因素方差分析的原理

‐  方差分析的四个步骤

‐  解读方差分析结果的两个要点

演练：摆放位置与销量有关吗

演练：客户学历对消费水平的影响分析

演练：广告和价格是影响终端销量的关键因素吗

演练：营业员的性别、技能级别对产品销量有影响吗

演练：寻找影响产品销量的关键因素

‐  多因素方差分析原理

‐  多因素方差分析的作用

‐  多因素方差结果的解读

演练：广告形式、地区对销量的影响因素分析

‐  协方差分析原理

‐  协方差分析的适用场景

演练：排除产品价格，收入对销量有影响吗？

4、 列联分析/卡方检验（两类别变量的相关性分析）

‐  交叉表与列联表：计数值与期望值

‐  卡方检验的原理

‐  卡方检验的几个计算公式

‐  列联表分析的适用场景

案例：套餐类型对客户流失的影响分析

案例：学历对业务套餐偏好的影响分析

案例：行业/规模对风控的影响分析

5、 相关性分析方法总结

第五部分：  回归预测模型

营销问题：如何预测未来的产品销量/销售额？如果产品跟随季节性变动，该如何预测？

1、 回归分析简介和原理

2、 回归分析的种类

‐  一元回归/多元回归

‐  线性回归/非线性回归

3、 常用回归分析方法

‐  散点图+趋势线（一元）

‐  线性回归工具（多元线性）

‐  规划求解工具（非线性回归）

演练：散点图找营销费用与销售额的关系

4、 线性回归分析的五个步骤

演练：营销费用、办公费用与销售额的关系（线性回归）

5、 线性回归方程的解读技巧

‐  定性描述：正相关/负相关

‐  定量描述：自变量变化导致因变量的变化程度

6、 回归预测模型评估

‐  质量评估指标：判定系数R^2

‐  如何选择最佳回归模型

演练：如何选择最佳的回归预测模型（一元曲线回归）

7、 带分类自变量的回归预测

演练：汽车季度销量预测

演练：工龄、性别与终端销量的关系

演练：如何评估销售目标与资源最佳配置

第六部分：              回归模型优化

1、 回归分析的基本原理

‐  三个基本概念：总变差、回归变差、剩余变差

‐  方程的显著性检验：方程可用性

‐  因素的显著性检验：因素可用性

‐  方程拟合优度检验：质量好坏程度

‐  理解标准误差含义：预测准确性？

2、 回归模型优化措施：寻找最佳回归拟合线

‐  如何处理预测离群值（剔除离群值）

‐  如何剔除不显著因素（剔除不显著因素）

‐  如何进行非线性关系检验（增加非线性自变量）

‐  如何进行相互作用检验（增加相互作用自变量）

‐  如何进行多重共线性检验（剔除共线性自变量）

演练：模型优化演示

3、 好模型都是优化出来的

第七部分：     自定义回归模型

1、 回归建模的本质

2、 规划求解工具简介

3、 自定义回归模型

案例：如何对客流量进行建模预测及模型优化

4、 回归季节预测模型模型

‐  回归季节模型的原理及应用场景

‐  加法季节模型

‐  乘法季节模型

‐  模型解读

案例：美国航空旅客里程的季节性趋势分析

5、 新产品累计销量的S曲线

‐  S曲线模型的应用场景（最大累计销量及销量增长的拐点）

‐  珀尔曲线

‐  龚铂兹曲线

案例：如何预测产品的销售增长拐点，以及销量上限

演练：预测IPad产品的销量

第八部分：              回归模型质量评估

1、定量预测模型的评估

‐  方程显著性评估

‐  因素显著性评估

‐  拟合优度的评估

‐  估计标准误差评估

‐  预测值准确度评估

2、模型拟合度评估

‐    判定系数：                                              

‐    调整判定系数：

3、预测值准确度评估

‐  平均绝对误差：MAE

‐  根均方差：RMSE

‐  平均误差率：MAPE

4、其它评估：残差检验、过拟合检验

第九部分：  时序预测模型

营销问题：像利率/CPI/GDP等按时序变化的指标如何预测？当销量随季节周期变动时该如何预测？

1、 回归预测vs时序预测

2、 因素分解思想

3、 时序预测常用模型

‐  趋势拟合

‐  季节拟合

‐  平均序列拟合

4、 评估预测值的准确度指标：MAD、RMSE、MAPE

5、 移动平均（MA）

‐  应用场景及原理

‐  移动平均种类

◢    一次移动平均

◢    二次移动平均

◢    加权移动平均

◢    移动平均比率法

‐  移动平均关键问题

◢    如何选取最优参数N

◢    如何确定最优权重系数

演练：平板电脑销量预测及评估

演练：快销产品季节销量预测及评估

6、 指数平滑（ES）

‐  应用场景及原理

‐  最优平滑系数的选取原则

‐  指数平滑种类

◢    一次指数平滑

◢    二次指数平滑（Brown线性、Holt线性、Holt指数、阻尼线性、阻尼指数）

◢    三次指数平滑

演练：煤炭产量预测

演练：航空旅客量预测及评估

7、 温特斯季节预测模型

‐  适用场景及原理

‐  Holt-Winters加法模型

‐  Holt-Winters乘法模型

演练：汽车销量预测及评估

8、 平稳序列模型（ARIMA）

‐  序列的平稳性检验

‐  平稳序列的拟合模型

◢   AR(p)自回归模型

◢   MA(q)移动模型

◢   ARMA(p,q)自回归移动模型

‐  模型的识别与定阶

◢   ACF图/PACF图

◢   最小信息准则

‐  序列平稳化处理

◢   变量变换

◢   k次差分

◢   d阶差分

‐  ARIMA(p,d,q)模型

演练：上海证券交易所综合指数收益率序列分析

演练：服装销售数据季节性趋势预测分析

‐  平稳序列的建模流程

第十部分：  分类预测模型篇

问题：如何评估客户购买产品的可能性？如何预测客户的购买行为？如何提取某类客户的典型特征？如何向客户精准推荐产品或业务？

1、 分类模型概述及其应用场景

2、 常见分类预测模型

3、 逻辑回归（LR）

‐  逻辑回归的适用场景

‐  逻辑回归的模型原理

‐  逻辑回归分类的几何意义

‐  逻辑回归的种类

²  二项逻辑回归

²  多项逻辑回归

‐  如何解读逻辑回归方程

‐  带分类自变量的逻辑回归分析

‐  多项逻辑回归/多分类逻辑回归

案例：如何评估用户是否会购买某产品（二项逻辑回归）

案例：多品牌选择模型分析（多项逻辑回归）

4、 分类决策树（DT）

问题：如何预测客户行为？如何识别潜在客户？

风控：如何识别欠贷者的特征，以及预测欠贷概率？

客户保有：如何识别流失客户特征，以及预测客户流失概率？

‐  决策树分类简介

案例：美国零售商（Target）如何预测少女怀孕

演练：识别银行欠货风险，提取欠贷者的特征

‐  决策树分类的几何意义

‐  构建决策树的三个关键问题

◢   如何选择最佳属性来构建节点

◢   如何分裂变量

◢   修剪决策树

‐  选择最优属性生长

◢   熵、基尼索引、分类错误

◢    属性划分增益

‐  如何分裂变量

◢    多元划分与二元划分

◢    连续变量离散化（最优分割点）

‐  修剪决策树

◢    剪枝原则

◢    预剪枝与后剪枝

‐  构建决策树的四个算法

◢   C5.0、CHAID、CART、QUEST

◢    各种算法的比较

‐  如何选择最优分类模型？

案例：商场用户的典型特征提取

案例：客户流失预警与客户挽留

案例：识别拖欠银行货款者的特征，避免不良货款

案例：识别电信诈骗者嘴脸，让通信更安全

‐  多分类决策树

案例：不同套餐用户的典型特征

‐  决策树模型的保存与应用

5、 人工神经网络（ANN）

‐  神经网络概述

‐  神经网络基本原理

‐  神经网络的结构

‐  神经网络分类的几何意义

‐  神经网络的建立步骤

‐  神经网络的关键问题

‐  BP反向传播网络（MLP）

‐  径向基网络（RBF）

案例：评估银行用户拖欠货款的概率

6、 判别分析（DA）

‐  判别分析原理

‐  判别分析种类

‐  Fisher线性判别分析

案例：MBA学生录取判别分析

案例：上市公司类别评估

7、 最近邻分类（KNN）

‐  KNN模型的基本原理

‐  KNN分类的几何意义

‐  K近邻的关键问题

第十一部分：        市场细分模型

问题：我们的客户有几类？各类特征是什么？如何实现客户细分，开发符合细分市场的新产品？如何提取客户特征，从而对产品进行市场定位？

1、 市场细分的常用方法

‐  有指导细分

‐  无指导细分

2、 聚类分析

‐  如何更好的了解客户群体和市场细分？

‐  如何识别客户群体特征？

‐  如何确定客户要分成多少适当的类别？

‐  聚类方法原理介绍

‐  聚类方法作用及其适用场景

‐  聚类分析的种类

◢    K均值聚类

◢    层次聚类

◢    两步聚类

‐  K均值聚类（快速聚类）

案例：移动三大品牌细分市场合适吗？

演练：宝洁公司如何选择新产品试销区域？

演练：如何自动评选优秀员工？

演练：中国各省份发达程度分析，让数据自动聚类

‐  层次聚类（系统聚类）：发现多个类别

‐  R型聚类与Q型聚类的区别

案例：中移动如何实现客户细分及营销策略

演练：中国省市经济发展情况分析（Q型聚类）

演练：裁判评分的标准衡量，避免“黑哨”（R型聚类）

‐  两步聚类

3、 客户细分与PCA分析法

‐  PCA主成分分析的原理

‐  PCA分析法的适用场景

演练：利用PCA对汽车客户群进行细分

演练：如何针对汽车客户群设计汽车

第十二部分：        客户价值评估

营销问题：如何评估客户的价值？不同的价值客户有何区别对待？

1、 如何评价客户生命周期的价值

‐  贴现率与留存率

‐  评估客户的真实价值

‐  使用双向表衡量属性敏感度

‐  变化的边际利润

案例：评估营销行为的合理性

2、 RFM模型（客户价值评估）

‐  RFM模型，更深入了解你的客户价值

‐  RFM模型与市场策略

‐  RFM模型与活跃度分析

演练：“双11”淘宝商家如何选择价值客户进行促销

演练：结合响应模型，宜家IKE实现最大化营销利润

案例：重购用户特征分析

第十三部分：        假设检验

1、 参数检验分析（样本均值检验）

问题：如何验证营销效果的有效性？

‐  假设检验概述

◢   单样本T检验

◢   两独立样本T检验

◢   两配对样本T检验

‐  假设检验适用场景

电信行业

案例：电信运营商ARPU值评估分析（单样本）

案例：营销活动前后分析（两配对样本）

金融行业

案例：信用卡消费金额评估分析（单样本）

医疗行业

案例：吸烟与胆固醇升高的分析（两独立样本）

案例：减肥效果评估（两配对样本）

2、 非参数检验分析（样本分布检验）

问题：这些属性数据的分布情况如何？如何从数据分布中看出问题？

‐  非参数检验概述

◢   单样本检验

◢   两独立样本检验

◢   两相关样本检验

◢   两配对样本检验

‐  非参数检验适用场景

案例：产品合格率检验（单样本-二项分布）

案例：训练新方法有效性检验（两配对样本-符号/秩检验）

案例：促销方式效果检验(多相关样本-Friedman检验)

案例：客户满意度差异检验(多相关样本-Cochran Q检验)

结束：课程总结与问题答疑。