?
培訓特色
解釋了如何將數據挖掘應用于解決實際問題，從而使你能將數據挖掘技術應用于自己的實際工作中去。課程還著重介紹了數據挖掘模型的建立與測試，以及數據挖掘結果的解釋與驗證以及數據分析和數據挖掘在相關行業的應用實例等內容。
本課程不是簡單的數據挖掘的概念講解，把技術、案例、問題結合起來，把理論實踐化，讓學者能深入體會數據挖掘的應用。
目標收益
通過本課程的教學，使學員充分了解和認識大數據的相關知識（大數據的應用范圍及相關技術思想），同時學會用主流的數據挖掘軟件完成數據挖掘建模任務，使學員掌握數據挖掘方法論CRISP-DM的本質。通過幾個具體的、典型的數據挖掘案例，使學員在掌握這些案例所用的技巧的同時，充分理解數據挖掘的方法論，實現舉一反三的效果，提高學員分析問題解決問題的實際能力。
課程大綱
?
| 主題 |
內容 |
|
大數據的介紹
|
1.1 什么是大數據：海量非結構化數據本身+處理方法
1.2 大數據為什么重要及大數據帶來的機遇：決定公司是否有未來和業務可延伸范圍
1.3 對大數據的深層理解：組成、特點介紹
1.4 大數據的相關技術與應用案例
數據采集：ETL工具
數據存取：關系數據庫；NoSQL、SQL等
基礎架構支持：云存儲；分布式文件系統等
計算結果展現：云計算；標簽云；關系圖等
1.5 大數據專題可能的演進路徑
|
|
數據分析基礎
|
2.1 數據分析的含義、主要做什么？
2.2 為什么要學習做好數據分析
2.2.1從數據分析的描述問題、對比問題、分析問題 到最后解決問題說明為什么要做好
2.2.2通過案例說明一般人員與數據分析師的區別
2.3 數據分析的誤區和分析的關鍵
2.4 數據分析的6個步驟，3大方向（理清思路，尋找答案，觀點表達）案例形式詳細說明
步驟1：需求明確--理清思路
步驟2：數據收集--理清思路
步驟3：數據處理--尋找答案
步驟4：數據分析--尋找答案
步驟5：數據展示--觀點表達?
步驟6：報表撰寫--觀點表達
分別對以上6個步驟以案例的方式詳細說明。
2.5 實踐：以數據分析項目為引，將數據分析的技能與業務結合，并應用于實際的工作之中?
|
|
數據挖掘基礎
|
3.1 數據挖掘概述、基本理念、歷史發展進程、主要功能、發展趨勢
3.2 數據挖掘方法論：CRISP-DM、SEMMA
3.3 數據處理過程：變量的分類及類型，數據的質量、理解過程、準備過程
|
|
數據挖掘及數據分析技術
|
4.1.數據挖掘主要分析方法：
4.1.1 聚類分析（Clustering）
4.1.2 分類分析（Classification）
4.1.3 關聯分析（Association）
4.1.4 預測分析（Prediction）
4.1.5 回歸分析
4.1.6 相關分析
4.1.7數據比較分析?
4.1.8 數據挖掘的可視化?
4.2 數據挖掘的實施
4.3 分析圖形：正態性檢驗 描述性統計 箱型圖、區間圖、時序圖介紹
4.4 數據挖掘的關鍵技術:數據預處理
4.5 數據挖掘效果的評估
4.6 實踐：SPSS結合相應的分析算法及展示圖形
|
|
構建**數據挖掘分析體系
|
5.1 分析團隊建設
5.2 分析工作管理
5.3 數據分析核心能力建設
5.4 分析工作與業務協同
|
|
數據挖掘應用
|
6.1 數據挖掘及管理經驗
6.2 數據挖掘在***行業領域的應用舉例
6.2.1 客戶行為與潛在客戶分析
6.2.2 用戶信用度分析
6.2.3 趨勢預測
6.2.4 新產品交叉營銷分析 等
6.3 數據挖掘實踐舉例:客戶流失、趨勢發展分析等（結合SPSS軟件）
6.4 實踐：內容包括（從設計－>形成模型->應用）.
|
|
數據挖掘工具及未來研究的方向和熱點
|
7.1 幾種數據挖掘工具比較
7.2 典型工具介紹及使用范圍
7.3 如何選擇數據挖掘工具
7.4 數據挖掘的方向和熱點
|
