课程详情
学习目标1、快速掌握数据挖掘方法论,在方法论指导下进行数据挖掘,避免数据分析走弯路2、掌握与客户沟通的技巧,介绍如何避免需求变动出现工期拖延,分析目标不符合客户预期等情况3、对MODELER各项功能做全面的剖析,深度结合案例理解记忆更深刻讲师介绍Datafish,数据分析领域深耕十年,省级运营商大数据分析负责人,负责公司数据化运营和大数据变现。曾主导过国内外多个运营商数据挖掘项目,深知分析项目落地的困难和重要。工作中与各业务部门保持良好的关系,不断致力于将数据分析方法嵌入管理与服务流程,部分数据分析项目产生千万级人民币收入。擅长数学建模及数据分析在营销管理及业务运营中的应用。学习内容1、介绍数据挖掘标准流程CRISP-DM的起源 对于初学者来说,学习CRISP-DM是最快的掌握数据挖掘方法论的方式2、介绍CRISP-DM结构、重点与难点 CRISP-DM的每个环节都有很多讲究3、如何有效与客户沟通,确认需求和商业目标 业务人员对数据挖掘结果的认可非常重要,因此如何有效/高效沟通是数据分析师最重要的技能4、ODELER特点及界面简介 5、特征与维度 包括特征选择的经验介绍6、入门实例——三维坐标(聚类+分类)
7、实例:电信客户互联网渠道化(分类算法)及提供数据实操 介绍营销管理理论背景,并通过寻找lookalike用户,以详解分类算法,从而了解数据挖掘是如何指导市场行为的8、实例:渠道星级评定(聚类算法)及提供数据实操 9、实例:室内广告人流特征展示(字段选项相关节点)及提供数据实操 如果能有效掌握字段选项,将提升MODELER整合分析能力,节省数据导入导出时间10、实例:虚假用户甄别(MODELER图形板节点)及提供数据实操 数据可视化是模式发现以及与客户沟通展示的重要手段11、实例:收入预测(时间序列)及提供数据实操 12、其他以上实例未介绍的节点(特征选择等节点)及自学方法 13、收官案例——马来西亚电信用户流失分析及对策 该案例涵盖分类算法、多维分析、数学建模、与业务人员的沟通等数据分析方法,能将大部分数据分析涉及内容有机的串联起来,并且已经落地实施,有很强的说服力14、学习内容复习 温故而知新备注:带『实例:』字样实例可选讲,可拓展/压缩讲,收官案例必讲。
原文始发于微信公众号(PPV课数据科学社区):【今晚免费试听】spss modeler数据分析案例剖析——白名单的建立
原创文章,作者:ppvke,如若转载,请注明出处:http://www.ppvke.com/archives/16821