课程大纲：
大数据建模应用实战
【课程目标】
本课程专注于大数据建模课程，面向数据分析部等专门负责数据分析与建模的人士。主要内容包括数据建模的过程和步骤，以及建模涉及到的分析方法、分析模型，以及模型优化等。
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，通过大量的操作演练，帮助学员掌握数据分析和数据挖掘的思路、方法、工具，从大量的企业经营数据中进行分析，发现业务运作规律，进行客户洞察，挖掘客户行为特点，消费行为，实现精准营销，帮助运营团队深入理解业务运作，以达到提升学员的数据综合分析能力，支撑运营决策的目的。
通过本课程的学习，达到如下目的：
1、 掌握数据建模的基本过程和步骤。
2、 掌握数据建模前的属性筛选的系统方法，为建模打下基础。
3、 掌握常用的数值预测模型，包括回归预测和时序预测，以及其适用场景。
4、 掌握常用的分类预测模型，包括逻辑回归、决策树、神经网络、判别分析等等，以及分类模型的优化。
5、 掌握数据挖掘常用的专题模型。
【授课对象】
业务支撑、网络中心、IT系统部、数据分析部等对业务数据分析有较高要求的相关专业人员。
【课程大纲】
第一部分： 数据建模基本过程
1、 预测建模六步法
－选择模型：基于业务选择恰当的数据模型
－属性筛选：选择对目标变量有显著影响的属性来建模
－训练模型：采用合适的算法对模型进行训练，寻找到最合适的模型参数
－评估模型：进行评估模型的质量，判断模型是否可用
－优化模型：如果评估结果不理想，则需要对模型进行优化
－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
－数值预测模型：回归预测、时序预测等
－分类预测模型：逻辑回归、决策树、神经网络、支持向量机等
－市场细分：聚类、RFM、PCA等
－产品推荐：关联分析、协同过滤等
－产品优化：回归、随机效用等
－产品定价：定价策略/最优定价等
3、 属性筛选/特征选择/变量降维
－基于变量本身特征
－基于相关性判断
－因子合并（PCA等）
－IV值筛选（评分卡使用）
－基于信息增益判断（决策树使用）
4、 模型评估
－模型质量评估指标：R^2、正确率/查全率/查准率/特异性等
－预测值评估指标：MAD、MSE/RMSE、MAPE、概率等
－模型评估方法：留出法、K拆交叉验证、自助法等
－其它评估：过拟合评估
5、 模型优化
－优化模型：选择新模型/修改模型
－优化数据：新增显著自变量
－优化公式：采用新的计算公式
6、 模型实现算法（暂略）
7、 好模型是优化出来的
案例：通信客户流失分析及预警模型
第二部分： 属性筛选方法
问题：如何选择合适的属性来进行建模预测？
比如：价格是否可用于产品销量的预测？套餐的合理性是否会影响客户流失？在欺诈风险中有哪些数据会有异常表现？
1、 属性筛选/变量降维的常用方法
－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
－基于因子合并（如PCA分析）实现变量的合并
－利用IV值筛选
－基于信息增益来选择属性
2、 相关分析（衡量变量间的线性相关性）
问题：这两个属性是否会相互影响？影响程度大吗？
－相关分析简介
－相关分析的三个种类
－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：体重与腰围的关系
演练：营销费用会影响销售额吗
演练：哪些因素与汽车销量有相关性
演练：通信费用与开通月数的相关分析
－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(衡量类别变量与数据变量的相关性)
问题：哪些才是影响销量的关键因素？
－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
－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：终端摆放位置与终端销量有关吗
演练：开通月数对客户流失的影响分析
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（多因素）
－协方差分析原理
－协方差分析的适用场景
演练：饲料对生猪体重的影响分析（协方差分析）
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
－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、 相关性分析各种方法的适用场景
6、 主成份分析（PCA）
－因子分析的原理
－因子个数如何选择
－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
第三部分： 回归预测模型篇
问题：如何预测产品的销量/销售金额？如果产品跟随季节性变动，该如何预测？新产品上市，如果评估销量上限及销售增速？
1、 常用的数值预测模型
－回归预测
－时序预测
2、 回归预测/回归分析
问题：如何预测未来的销售量（定量分析）？
－回归分析的基本原理和应用场景
－回归分析的种类（一元/多元、线性/曲线）
－得到回归方程的四种常用方法
－Excel函数
－散点图+趋势线
－线性回归工具
－规范求解
－线性回归分析的五个步骤
－回归方程结果的解读要点
－评估回归模型质量的常用指标
－评估预测值的准确度的常用指标
演练：散点图找推广费用与销售额的关系（一元线性回归）
演练：推广费用、办公费用与销售额的关系（多元线性回归）
演练：让你的营销费用预算更准确
演练：如何选择*的回归预测模型（曲线回归）
－带分类变量的回归预测
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配置（营业厅）
3、 自动筛选不显著自变量
第四部分： 回归预测模型优化篇
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：是否可以做回归分析？
－因素的显著性检验：自变量是否可用？
－拟合优度检验：回归模型的质量评估？
－理解标准误差的含义：预测的准确性？
2、 回归模型优化思路：寻找*回归拟合线
－如何处理预测离群值（剔除离群值）
－如何剔除非显著因素（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）
－如何检验误差项（修改因变量）
－如何判断模型过拟合（模型过拟合判断）
案例：模型优化案例
3、 规划求解工具简介
4、 自定义回归模型（如何利用规划求解进行自定义模型）
案例：如何对餐厅客流量进行建模及模型优化
5、 好模型都是优化出来的
第五部分： 时序预测模型
问题：无法找到影响因素，无法回归建模，怎么办？随着业务受季节性因素影响，未来的销量如何预测？
1、 时序序列简介
2、 时序分析的原理及应用场景
3、 常见时序预测模型
1、 评估预测值的准确度指标
－平均*误差MAD
－均方差MSE/RMSE
－平均误差率MAPE
4、 移动平均
－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
－*期数N的选择原则
－最优权重系数的选取原则
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
5、 指数平滑
－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
6、 温特期季节性预测模型
－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
7、 回归季节预测模型
－季节性回归模型的参数
－基于时期t的相加模型
－基于时期t的相乘模型
－怎样解读模型的含义
案例：*航空旅客里程的季节性趋势分析
8、 新产品预测模型与S曲线
－新产品累计销量的S曲线模型
－如何评估销量增长的上限以及拐点
－珀尔曲线与龚铂兹曲线
案例：如何预测产品的销售增长拐点，以及销量上限
演戏：预测IPad产品的销量
第六部分： 分类预测模型
问题：如何评估客户购买产品的可能性？或者说，影响客户购买意向的产品关键特性是什么？
1、 分类预测模型概述
2、 常见分类预测模型
3、 评估分类模型的常用指标
－正确率、查全率/查准率、特异性等
4、 逻辑回归分析模型（LR）
问题：如果评估用户是否购买产品的概率？
－逻辑回归模型原理及适用场景
－逻辑回归的种类
－二项逻辑回归
－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
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）
5、 决策树分类（DT）
问题：如何提取客户流失者、拖欠货款者的特征？如何预测其流失的概率？
－决策树分类的原理
－决策树的三个关键问题
－如何选择*属性来构建节点
－如何分裂变量
－如何修剪决策树
－选择最优属性
－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（最优划分点）
－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：识别银行欠货风险，提取欠货者的特征
案例：客户流失预警与客户挽留模型
6、 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
7、 判别分析（DA）
－判别分析原理
－距离判别法
－典型判别法
－贝叶斯判别法
案例：MBA学生录取判别分析
案例：上市公司类别评估
8、 最近邻分类（KNN）
－基本原理
－关键问题
9、 贝叶斯分类（NBN）
－贝叶斯分类原理
－计算类别属性的条件概率
－估计连续属性的条件概率
－贝叶斯网络种类：TAN/马尔科夫毯
－预测分类概率（计算概率）
案例：评估银行用户拖欠货款的概率
第七部分： 分类模型优化篇（集成方法）
1、 集成方法的基本原理：利用弱分类器构建强分类模型
－选取多个数据集，构建多个弱分类器
－多个弱分类器投票决定
2、 集成方法/元算法的种类
－Bagging算法
－Boosting算法
3、 Bagging原理
－如何选择数据集
－如何进行投票
－随机森林
4、 Boosting的原理
－AdaBoost算法流程
－样本选择权重计算公式
－分类器投票权重计算公式
第八部分： 银行信用评分卡模型
1、 信用评分卡模型简介
2、 评分卡的关键问题
3、 信用评分卡建立过程
－筛选重要属性
－数据集转化
－建立分类模型
－计算属性分值
－确定审批阈值
4、 筛选重要属性
－属性分段
－基本概念：WOE、IV
－属性重要性评估
5、 数据集转化
－连续属性最优分段
－计算属性取值的WOE
6、 建立分类模型
－训练逻辑回归模型
－评估模型
－得到字段系数
7、 计算属性分值
－计算补偿与刻度值
－计算各字段得分
－生成评分卡
8、 确定审批阈值
－画K-S曲线
－计算K-S值
－获取最优阈值
结束：课程总结与问题答疑。
大数据建模应用实战
上一篇: 《重塑积极心态，激发职场动力》
下一篇: 《以客户为中心》
其他相关公开课程:
其他相关公开课程:
其他相关公开课程:
|
|
||
|
联系电话：4000504030 |
 线上课程关注公众号 |
|
