您好!欢迎光临普瑞思咨询网站!
服务热线 设为首页 | 加入收藏 | 网站地图

您的位置:首页 >> 培训课程 >> 市场营销 >> 正文

培训课程

大数据分析与数据挖掘综合能力提升实战

咨询电话

主办单位:上海普瑞思管理咨询有限公司 上海创卓商务咨询有限公司
时间地点:2023年02月10-11日 杭州
培训费用:¥4200/人(包括授课费、资料费、会务费、午餐等)
课程收益
1.掌握数据建模的标准过程和步骤
2.掌握数据建模的特征选择常用方法,学会寻找影响业务的关键要素
3.掌握回归预测模型基本原理,学会解读回归方程的含义
4.理解并掌握定量预测模型的评估指标的含义
课程大纲 Outline
一、数据建模过程——建模步骤篇
1.预测建模六步法
1)选择模型:基于业务选择恰当的数据模型
2)特征工程:选择对目标变量有显著影响的属性来建模
3)训练模型:采用合适的算法对模型进行训练,寻找到最优参数
4)评估模型:进行评估模型的质量,判断模型是否可用
5)优化模型:如果评估结果不理想,则需要对模型进行优化
6)应用模型:如果评估结果满足要求,则可应用模型于业务场景
2.数据挖掘常用的模型
1)定量预测模型:回归预测、时序预测等
2)定性预测模型:逻辑回归、决策树、神经网络、支持向量机等
3)市场细分:聚类、RFM、PCA等
4)产品推荐:关联分析、协同过滤等
5)产品优化:回归、随机效用等
6)产品定价:定价策略/最优定价等
3.特征工程/特征选择/变量降维
1)基于变量本身特征
2)基于相关性判断
3)因子合并(PCA等)
4)IV值筛选(评分卡使用)
5)基于信息增益判断(决策树使用)
4.模型评估
1)模型质量评估指标:R^2、正确率/查全率/查准率/特异性等
2)预测值评估指标:MAD、MSE/RMSE、MAPE、概率等
3)模型评估方法:留出法、K拆交叉验证、自助法等
4)其它评估:过拟合评估、残差检验
5.模型优化
1)优化模型:选择新模型/修改模型
2)优化数据:新增显著自变量
3)优化公式:采用新的计算公式
4)集成思想:Bagging/Boosting/Stacking
6.常用预测模型介绍
1)时序预测模型
2)回归预测模型
3)分类预测模型 
二、影响因素分析——特征工程篇
1.数据预处理VS特征工程
2.特征选择常用方法
1)相关分析、方差分析、卡方检验
3.相关分析(衡量两数据型变量的线性相关性)
1)相关分析简介
2)相关分析的应用场景
3)相关分析的种类
① 简单相关分析
② 偏相关分析
③ 距离相关分析
4)相关系数的三种计算公式
① Pearson相关系数
② Spearman相关系数
③ Kendall相关系数
5)相关分析的假设检验
6)相关分析的四个基本步骤
① 演练:营销费用会影响销售额吗?影响程度如何量化
② 演练:哪些因素与汽车销量有相关性
③ 演练:影响用户消费水平的因素会有哪些
7)偏相关分析
① 偏相关原理:排除不可控因素后的两变量的相关性
② 偏相关系数的计算公式
③ 偏相关分析的适用场景
4.方差分析(衡量类别变量与数值变量间的相关性)
1)方差分析的应用场景
2)方差分析的三个种类
① 单因素方差分析
② 多因素方差分析
③ 协方差分析
3)单因素方差分析的原理
4)方差分析的四个步骤
5)解读方差分析结果的两个要点
① 演练:摆放位置与销量有关吗
② 演练:客户学历对消费水平的影响分析
③ 演练:广告和价格是影响终端销量的关键因素吗
④ 演练:营业员的性别、技能级别对产品销量有影响吗
⑤ 演练:寻找影响产品销量的关键因素
6)多因素方差分析原理
7)多因素方差分析的作用
8)多因素方差结果的解读
① 演练:广告形式、地区对销量的影响因素分析
9)协方差分析原理
10)协方差分析的适用场景
① 演练:排除产品价格,收入对销量有影响吗
5.列联分析/卡方检验(两类别变量的相关性分析)
1)交叉表与列联表:计数值与期望值
2)卡方检验的原理
3)卡方检验的几个计算公式
4)列联表分析的适用场景
① 案例:套餐类型对客户流失的影响分析
② 案例:学历对业务套餐偏好的影响分析
③ 案例:行业/规模对风控的影响分析
三、定量预测模型—回归模型篇
1.回归分析简介和原理
2.回归分析的种类
1)一元回归/多元回归
2)线性回归/非线性回归
3.常用回归分析方法
1)散点图+趋势线(一元)
2)线性回归工具(多元线性)
3)规划求解工具(非线性回归)
4)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
1)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
1)定性描述:正相关/负相关
2)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
1)质量评估指标:判定系数R^2
2)如何选择最佳回归模型
3)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
1)演练:汽车季度销量预测
2)演练:工龄、性别与终端销量的关系
3)演练:如何评估销售目标与资源最佳配置
8.自动筛选不显著因素(自变量)
四、定量预测模型—回归优化篇
1.回归分析的基本原理
1)三个基本概念:总变差、回归变差、剩余变差
2)方程的显著性检验:方程可用性
3)因素的显著性检验:因素可用性
4)方程拟合优度检验:质量好坏程度
5)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
1)如何处理预测离群值(剔除离群值)
2)如何剔除不显著因素(剔除不显著因素)
3)如何进行非线性关系检验(增加非线性自变量)
4)如何进行相互作用检验(增加相互作用自变量)
5)如何进行多重共线性检验(剔除共线性自变量)
6)演练:模型优化演示
3.好模型都是优化出来的
五、定量预测模型—自定义回归篇
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
1)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
1)回归季节模型的原理及应用场景
2)加法季节模型
3)乘法季节模型
4)模型解读
5.新产品累计销量的S曲线
1)S曲线模型的应用场景(最大累计销量及销量增长的拐点)
2)珀尔曲线
3)龚铂兹曲线
4)案例:如何预测产品的销售增长拐点,以及销量上限
5)演练:预测IPad产品的销量
六、定量预测模型—模型评估篇
1.定量预测模型的评估
1)方程显著性评估
2)因素显著性评估
3)拟合优度的评估
4)估计标准误差评估
5)预测值准确度评估
2.模型拟合度评估
1)判定系数:
2)调整判定系数:
3.预测值准确度评估
1)平均绝对误差:MAE
2)根均方差:RMSE
3)平均误差率:MAPE
4.其它评估:残差检验、过拟合检验
讲师介绍:傅一航
华为大数据专家
资历背景
1.华为大数据专家
2.计算机软件与理论硕士研究生
授课风格
1.重思路:数据思维+分析框架
2.重体系:分析过程+分析阶段
3.重实战:分析方法+分析模型+分析工具
4.重落地:可视化+数据解读+业务策略
授课经验
通信、金融、交通、制造、政府等行业,其中包括中移动、华为、施耐德、富士康、平安集团、中国银行、西部航空、广州地铁、东风日产、广州税务、良品铺子、中冶赛迪、埃森哲、海天集团、正泰电器等公司和单位

上一篇:中高层经理MTP管理系统提升训练 下一篇:互联网时代下的客户开发与商务沟通

在线报名

课程名称: *
公司名称(发票抬头): *
联系人姓名: * 电话: * 职务 E-mail: 手机:
参加学员信息
姓名: 电话: 职务: E-mail: 手机:
姓名: 电话: 职务: E-mail: 手机:
姓名: 电话: 职务: E-mail: 手机:
付款方式 电汇/转账 现金(在所选项上打“·”号) 付款总金额

提交

上海普瑞思企业管理咨询有限公司 版权所有 电话:021-36338510 /36539869 传真:021-36338510 邮箱:info@purise.com 网址:www.purise.com
Copyright 2004 All right reserved() 沪ICP备06023442号