1.點擊下面按鈕復制微信號
點擊復制微信號
上海威才企業管理咨詢有限公司
微信咨詢&報名
本課程為高階課程，面向所有業務支撐部門及數據分析部門。
本課程的主要目的是，幫助學員掌握一些業務專題挖掘模型，幫助學員建立對復雜業務問題的數據挖掘綜合能力。
本課程具體內容包括：
1、 數據挖掘流程，數據預處理
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、 產品專題分析：產品設計優化、產品功能評估、產品最優定價策略
4、 精準推薦算法：協同過濾、關聯分析、基于內容/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
本系列課程從實際的業務需求出發，結合行業的典型應用特點，圍繞實際的商業問題，對數據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，以及優化模型和模型解讀），通過大量的操作演練，幫助學員掌握數據建模的思路、方法、技巧，以提升學員的數據建模的能力，支撐運營決策的目的。 通過本課程的學習，達到如下目的： 1、 熟悉數據挖掘的標準過程，熟悉每個步驟的具體操作。 2、 掌握數據預處理的任務，熟練使用SPSS工具完成預處理。 3、 熟練掌握常用的業務專題分析模型： a) 學會做市場客戶細分，劃分客戶群 b) 學會實現客戶價值評估 c) 學會產品功能設計與新產品銷量預測 d) 熟悉產品定價策略，尋找產品最優定價 e) 熟悉精準推薦策略，學會精準推薦產品 f) 掌握信用評分卡的模型構建 【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據源。 【授課方式】 數據分析基礎 + 方法講解 + 實際業務問題分析 + 工具實踐操作 采用互動式教學，圍繞業務問題，展開數據分析過程，全過程演練操作，讓學員在分析、分享、講授、總結、自我實踐過程中獲得能力提升。
課程收益 PROGRAM BENEFITS
1、 數據挖掘概述
2、 數據挖掘的標準流程（CRISP-DM）
‐ 商業理解
‐ 數據準備
‐ 數據理解
‐ 模型建立
‐ 模型評估
‐ 模型應用
案例：客戶流失預測及客戶挽留
3、 數據集概述
4、 SPSS工具介紹
5、 數據挖掘常用模型
如何整理數據，了解數據，對數據進行預處理？
1、數據預處理的四大任務
‐ 數據集成：多個數據集合并
‐ 數據清洗：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、數據集成（數據集合并）
‐ 樣本追加（添加數據行）：橫向合并
‐ 變量合并（添加變量列）：縱向合并
3、數據清洗（異常數據處理）
‐ 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
‐ 數據質量評估
4、樣本處理：行處理
‐ 樣本篩選：指定條件篩選指定樣本集（減少樣本數量）
‐ 樣本抽樣：隨機抽取部分樣本集（減少樣本數量）
‐ 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
‐ 類型轉換：數據類型的相互轉換
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
‐ 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
◢ 基于數據間的相關性來選擇屬性
◢ 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、類型轉換
8、因子合并/主成分分析
‐ 因子分析的原因
‐ 因子個數選擇原則
‐ 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、數據探索性分析
演練：描述性分析（頻數、描述、探索、分類匯總）
10、 數據可視化
演練：各種圖形繪制
問題：我們的客戶有幾類？各類特征是什么？如何實現客戶細分，開發符合細分市場的新產品？如何提取客戶特征，從而對產品進行市場定位？
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的類別？
‐ 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品試銷區域？
演練：如何自動評選優秀員工？
演練：中國各省份發達程度分析，讓數據自動聚類
‐ 層次聚類（系統聚類）：發現多個類別
‐ R型聚類與Q型聚類的區別
案例：中移動如何實現客戶細分及營銷策略
演練：中國省市經濟發展情況分析（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計汽車
營銷問題：如何評估客戶的價值？不同的價值客戶有何區別對待？
1、 如何評價客戶生命周期的價值
‐ 貼現率與留存率
‐ 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：結合響應模型，宜家IKE實現最大化營銷利潤
案例：重購用戶特征分析
1、 產品專題分析主要任務
‐ 產品設計分析
‐ 市場占有分析
‐ 累計銷量分析
‐ 定價策略分析
2、 產品設計優化（聯合分析法）
問題：如何設計最優的功能特征？
‐ 評估功能特征的重要性
‐ 評估功能特征的價值
案例：產品開發與設計分析
3、 產品評估模型（隨機效用理論）
‐ 屬性重要性評估
‐ 市場占有率評估
‐ 產品價格彈性評估
‐ 評估產品的品牌價值
‐ 動態調價（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
營銷問題：產品如何實現最優定價？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、 產品定價的理論依據
‐ 需求曲線與利潤最大化
‐ 如何求解最優定價
案例：產品最優定價求解
3、 如何評估需求曲線
‐ 價格彈性
‐ 曲線方程（線性、乘冪）
4、 如何做產品組合定價
5、 如何做產品捆綁/套餐定價
‐ 最大收益定價（演進規劃求解）
‐ 避免價格反轉的套餐定價
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、 數量折扣定價策略
案例：如何通過折扣來實現薄利多銷
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量
‐ 如何評估模型的收益
案例：FBN航空公司如何實現收益管理（預訂/超售）
問題：購買A產品的顧客還常常要購買其他什么產品？應該給客戶推薦什么產品最有可能被接受？
1、 從搜索引擎到推薦引擎
2、 常用產品推薦模型及算法
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
‐ 優化思路：分群推薦
4、 基于內容的推薦CBR
‐ 關鍵問題：如何計算物品的相似度
‐ 優缺點
‐ 優化：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、 協同過濾的推薦
‐ 基于用戶的協同過濾
‐ 基于物品的協同過濾
‐ 冷啟動的問題
案例：計算用戶相似度、計算物品相似度
7、 基于關聯分析的推薦
‐ 如何制定套餐，實現交叉/捆綁銷售
案例：啤酒與尿布、颶風與蛋撻
‐ 關聯分析模型原理（Association）
‐ 關聯規則的兩個關鍵參數
◢ 置信度
‐ 關聯分析的適用場景
案例：購物籃分析與產品捆綁銷售/布局優化
案例：通信產品的交叉銷售與產品推薦
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
‐ 按社交關系
‐ 基于時間上下文
10、 多推薦引擎的協同工作
1、 信用評分卡模型簡介
2、 評分卡的關鍵問題
3、 信用評分卡建立過程
‐ 篩選重要屬性
‐ 數據集轉化
‐ 建立分類模型
‐ 計算屬性分值
‐ 確定審批閾值
4、 篩選重要屬性
‐ 屬性分段
‐ 基本概念：WOE、IV
‐ 屬性重要性評估
5、 數據集轉化
‐ 連續屬性最優分段
‐ 計算屬性取值的WOE
6、 建立分類模型
‐ 訓練邏輯回歸模型
‐ 評估模型
‐ 得到字段系數
7、 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
8、 確定審批閾值
‐ 畫K-S曲線
‐ 計算K-S值
‐ 獲取最優閾值
案例：構建銀行小額貸款的用戶信用模型
結束：課程總結與問題答疑。
聯系電話：4006-900-901
微信咨詢：威才客服
企業郵箱：shwczx@shwczx.com
深耕中國制造業
助力企業轉型
2021年度咨詢客戶數
資深實戰導師
客戶滿意度
續單和轉介紹
咨詢熱線
星期一至星期五 8:00~20:30 (添加微信注明來意）