大數(shù)據(jù)中數(shù)據(jù)挖掘分析及案例

大數(shù)據(jù)時代的數(shù)據(jù)挖掘分析及案例（含CRISP-DM方法論）

課程收益：

通過本次培訓(xùn)中實際案例的分享，了解數(shù)據(jù)管理和運營中的各種經(jīng)驗教訓(xùn)（別人花費上百億學費買來的經(jīng)驗?。。?，深刻理解數(shù)據(jù)運營的意義，通過數(shù)據(jù)挖掘技術(shù)，發(fā)掘客戶精細營銷和運營的價值，實現(xiàn)產(chǎn)品設(shè)計的個性化需求分析。 通過本次培訓(xùn)中實際案例的分享，學習數(shù)據(jù)挖掘的基本算法，了解數(shù)據(jù)挖掘的各種方法，深刻理解大數(shù)據(jù)時代的數(shù)據(jù)價值，學習提升企業(yè)精細化管理的途徑和案例。學習互聯(lián)網(wǎng)思維如何應(yīng)用于數(shù)據(jù)挖掘領(lǐng)域，提升客戶體驗，加強產(chǎn)品的個性化設(shè)計需求。

課程背景：

2015年，中國的營銷者正面臨著一個極具挑戰(zhàn)的經(jīng)濟時局，然而他們有機會通過撬動海量數(shù)據(jù)的杠桿來獲取巨額收益。

面對中國5.13億的互聯(lián)網(wǎng)用戶、多樣化的1.8萬億GB數(shù)據(jù)，以及企業(yè)數(shù)據(jù)每年55%的增長速度，在蓬勃發(fā)展的中國市場環(huán)境中，大數(shù)據(jù)所帶來的機遇前所未有，這將是中國市場的營銷者們預(yù)期取得大回報的最佳時機。營銷者必須知道如何透過數(shù)據(jù)庫的挖掘與分析，讓手中的數(shù)據(jù)與信息發(fā)揮最大的價值，通過有效整合、分析線上和線下數(shù)據(jù)，提高與客戶、潛在客戶互動的精準度，及時發(fā)現(xiàn)企業(yè)經(jīng)營中的各種問題和風險。

在制造行業(yè)，通過ERP、CRM等系統(tǒng)，企業(yè)在產(chǎn)品制造的過程中也逐步積累了各種形式的大數(shù)據(jù)，如何將這些大數(shù)據(jù)服務(wù)于企業(yè)的生產(chǎn)過程，提高產(chǎn)品質(zhì)量控制能力，并提升對客戶服務(wù)質(zhì)量，也是擺在制造企業(yè)面前的一個緊迫問題。

其中手機制造企業(yè)如何使用數(shù)據(jù)挖掘的方法，深化客戶需求分析，改進產(chǎn)品設(shè)計，提升客戶營銷能力，擴展市場份額是擺在企業(yè)面前的問題。

培訓(xùn)目標：

大數(shù)據(jù)時代下，客戶的重新認識和精細營銷，企業(yè)的精細化管理，產(chǎn)品質(zhì)量的精準控制，如何提升企業(yè)的核心競爭能力，如何更新企業(yè)運營的新理念。了解互聯(lián)網(wǎng)時代帶來的互聯(lián)網(wǎng)思維，分享互聯(lián)網(wǎng)行業(yè)大數(shù)據(jù)分析案例，對傳統(tǒng)制造產(chǎn)業(yè)帶來的沖擊分析，探索制造業(yè)大數(shù)據(jù)應(yīng)用場景。了解大數(shù)據(jù)處理的基本技術(shù)，包括數(shù)據(jù)倉庫、數(shù)據(jù)挖掘、云計算、數(shù)據(jù)挖掘、元數(shù)據(jù)等基本內(nèi)容。解決數(shù)據(jù)質(zhì)量的方法和經(jīng)驗，數(shù)據(jù)管理的組織機構(gòu)設(shè)置等。

課程內(nèi)容：

一、“大數(shù)據(jù)、大機會”：

1.概述

1)大數(shù)據(jù)概念和特點

2)大數(shù)據(jù)需要哪些技術(shù)支撐

3)大數(shù)據(jù)能夠帶來哪些新應(yīng)用？

2.大數(shù)據(jù)時代帶來對傳統(tǒng)營銷的挑戰(zhàn)

1)大數(shù)據(jù)如何成為資產(chǎn)？——GOOGLE的市值遠超過制造企業(yè)

2)大數(shù)據(jù)如何體現(xiàn)精細營銷

3)大數(shù)據(jù)的價值——靠空調(diào)電表判斷氣候趨勢（“指數(shù)”）

3.大數(shù)據(jù)時代的“互聯(lián)網(wǎng)思維”營銷模式

1) 互聯(lián)網(wǎng)思維——先圈用戶再掙錢

2）互聯(lián)網(wǎng)的營銷模式——微博營銷、網(wǎng)頁營銷等

3) CRM——“舊貌煥發(fā)新顏”

4)精細營銷——裝上了GPS，實現(xiàn)“精確打擊”

4.如何在海量數(shù)據(jù)中整合線上、線下數(shù)據(jù)，形成你對客戶的獨特洞察力

1)知道客戶的各個屬性——互聯(lián)網(wǎng)時代不再“是否是狗”

2)客戶的群體特征——“人以群分”

5.如何建立產(chǎn)品分析的數(shù)據(jù)平臺，提供產(chǎn)品的“標尺”

1)產(chǎn)品的數(shù)據(jù)有哪些？

2)產(chǎn)品設(shè)計的互聯(lián)網(wǎng)思維？——小米手機

3)產(chǎn)品的大數(shù)據(jù)分析——哪些維度？

4）如何“產(chǎn)品為中心”發(fā)展為“客戶為中心”？——有數(shù)據(jù)就有可能

6.大數(shù)據(jù)對企業(yè)的精細管理提升

1）企業(yè)的精細管理——不再盲人摸象

2）企業(yè)的KPI儀表板——進入駕駛艙

3）預(yù)防企業(yè)的管理風險——早診斷、早發(fā)現(xiàn)

4）員工的量化績效評定——計件之后計量

7.大數(shù)據(jù)提升企業(yè)的產(chǎn)品質(zhì)量

1）建立量化的產(chǎn)品管理方法——辣椒的辣度評定

2）產(chǎn)品制造過程的管理控制——監(jiān)控大數(shù)據(jù)分析

3）產(chǎn)品問題的及時監(jiān)控——溫度、風速等異常早發(fā)現(xiàn)

4）產(chǎn)品訂制的范例——好萊塢大片的大數(shù)據(jù)

5）產(chǎn)品質(zhì)量的量化管控——擋板安裝的故事

二、大數(shù)據(jù)的“數(shù)據(jù)挖掘技術(shù)”

1. 數(shù)據(jù)挖掘概述

1）基本概念——“啤酒和尿布的故事”

2）與專家系統(tǒng)、統(tǒng)計分析、人工智能的關(guān)系——演進歷史分析

3）數(shù)據(jù)挖掘在制造行業(yè)的應(yīng)用內(nèi)容——如何體現(xiàn)“智能制造”？

2. CRISP-DM過程描述

1）商業(yè)理解——要實現(xiàn)什么“目的”？

2）數(shù)據(jù)的理解以及收集——手里有哪些數(shù)據(jù)？

3）數(shù)據(jù)的準備——數(shù)據(jù)的清洗及轉(zhuǎn)換

4）應(yīng)用數(shù)據(jù)挖掘工具建立模型——使用哪種數(shù)據(jù)挖掘算法和工具？

5）模型評估——算法評估

6）部署（并形成數(shù)據(jù)挖掘報告）——實際使用及形成報告

3. 數(shù)據(jù)挖掘常用算法介紹

預(yù)測型

1）分類算法

2）回歸分析

3）時間序列

描述型

4）關(guān)聯(lián)分析

5）序列關(guān)聯(lián)分析

6）聚類分析

4.數(shù)據(jù)挖掘具體算法舉例

1）神經(jīng)網(wǎng)絡(luò)算法

2）決策樹算法

5.根據(jù)實際問題選擇數(shù)據(jù)挖掘算法

1）客戶離網(wǎng)分析

2）客戶分群模型

3）產(chǎn)品關(guān)聯(lián)分析

4）問題的描述

需要解決的關(guān)鍵問題

如何轉(zhuǎn)換成為數(shù)據(jù)挖掘的描述

數(shù)據(jù)挖掘算法的選擇依據(jù)

預(yù)測類還是描述類

與各種算法的使用特點結(jié)合

6.分析結(jié)果的檢驗

對照組數(shù)據(jù)的選擇方法

對照組數(shù)據(jù)的時間窗口選擇

對照組數(shù)據(jù)的抽樣

數(shù)據(jù)挖掘模型的修訂

1） 如何剔除無效的結(jié)果數(shù)據(jù)

2） 根據(jù)反饋結(jié)果進行模型修訂

7.數(shù)據(jù)挖掘項目的投入產(chǎn)出

數(shù)據(jù)挖掘項目的投入成本計算

數(shù)據(jù)挖掘項目的產(chǎn)出計算依據(jù)

8. 如何形成分析報告

1）分析報告的組成部分

2）部分優(yōu)秀的分析報告演示

9．常用數(shù)據(jù)挖掘工具介紹

1）SAS

2 ) SPSS

三、數(shù)據(jù)挖掘具體案例分析

某電信公司具體數(shù)據(jù)挖掘案例（某產(chǎn)品營銷）詳細舉例

1.商業(yè)理解：提升哪個KPI指標？（ARPU/MOU等）

2.數(shù)據(jù)理解及收集:哪些具體的數(shù)據(jù)（客戶詳單、客戶資料等）

3.數(shù)據(jù)準備：

1）客戶數(shù)據(jù)質(zhì)量分析

如何保障數(shù)據(jù)質(zhì)量——哪些衡量指標

如何發(fā)現(xiàn)異常數(shù)據(jù)——剔除干擾數(shù)據(jù)

2）客戶數(shù)據(jù)抽樣過程

抽樣比例分析

抽樣的具體方法

3）挖掘應(yīng)用需求描述

如何篩選有用數(shù)據(jù)——選擇相關(guān)變量和匯總數(shù)據(jù)

如何描述需求

4.數(shù)據(jù)挖掘工具建立模型

挖掘算法選擇

如何選擇合適的分析方法

如何剔除無效的干擾數(shù)據(jù)

選擇關(guān)鍵變量

挖掘具體過程

結(jié)果數(shù)據(jù)分析

5.模型（算法）評估

LIFT值等分析

6.實際部署及分析報告

實際分析報告編寫示例

如何計算該項目的投入、產(chǎn)出

項目的投入計算依據(jù)

項目的產(chǎn)出計算方法

項目的投入/產(chǎn)出結(jié)果

四、基礎(chǔ)數(shù)據(jù)的收集和整理

1、數(shù)據(jù)的種類

1）客戶數(shù)據(jù)內(nèi)容（保險客戶的基本資料）

2）產(chǎn)品數(shù)據(jù)內(nèi)容（產(chǎn)品的編碼）

3）營銷數(shù)據(jù)內(nèi)容（交易記錄的保存）

4）服務(wù)數(shù)據(jù)內(nèi)容（客戶服務(wù)數(shù)據(jù)的保存）

5）制造行業(yè)數(shù)據(jù)的特點：（數(shù)據(jù)類型雜、數(shù)據(jù)量大等）

2、數(shù)據(jù)的存放方法

1）數(shù)據(jù)的清洗、轉(zhuǎn)換和加載

2）存放在數(shù)據(jù)庫/數(shù)據(jù)倉庫

3）數(shù)據(jù)的基本分析工具EXCEL等

3、數(shù)據(jù)的基本整理

1）數(shù)據(jù)的歸類存放（建模型）

2）數(shù)據(jù)的基本加工

4、數(shù)據(jù)的基礎(chǔ)分析

1）數(shù)據(jù)的基本匯總

2）數(shù)據(jù)中的“金子”：從石頭中淘金子

5、數(shù)據(jù)質(zhì)量的基本保障

1）指標的口徑描述和統(tǒng)一

2）后期補數(shù)據(jù)成本是前提收集數(shù)據(jù)成本的15倍

3）“差之毫厘謬以千里”

6、制造業(yè)企業(yè)數(shù)據(jù)的收集和整理

1）制造環(huán)境的數(shù)據(jù)收集/整理

2）采購數(shù)據(jù)的收集/整理

3）營銷數(shù)據(jù)的收集/整理：

4）人力資源數(shù)據(jù)的收集/整理

示例：某企業(yè)的數(shù)據(jù)收集/整理方案

五、云計算技術(shù)

1.Hadoop項目簡介

2.HDFS體系結(jié)構(gòu)

3.HDFS關(guān)鍵運行機制

4.MapReduce產(chǎn)生背景

5.MapReduce編程模型

6.MapReduce實現(xiàn)機制

7.MapReduce案例分析

8.HIVE介紹

9.HBASE介紹

六、總結(jié)和展望

主講老師：

段博士　首席講師

專業(yè)背景：

1．北京大學信息與通信工程專業(yè)　 博士后從事數(shù)據(jù)倉庫方面研究，提出了分級式數(shù)據(jù)倉庫理論

2．北京郵電大學電子工程系　 博士從事計算機電信集成（CTI）方面研究，是該方向中國第一個博士畢業(yè)生，后期從事數(shù)據(jù)倉庫/數(shù)據(jù)挖掘等相關(guān)技術(shù)的研究工作。

工作經(jīng)驗：

1． 在電信領(lǐng)域積累了十余年的行業(yè)專業(yè)業(yè)務(wù)經(jīng)驗，具有市場、技術(shù)的背景，擁有10年的全球最大移動運營商總部的實際管理工作經(jīng)驗；

2． 負責主持過移動集團國內(nèi)大型信息系統(tǒng)的系統(tǒng)開發(fā)、運維管理，主持建立了世界最大的數(shù)據(jù)倉庫系統(tǒng)；

3． 引導(dǎo)了國內(nèi)電信領(lǐng)域在數(shù)據(jù)倉庫和信息分析領(lǐng)域的業(yè)務(wù)、技術(shù)發(fā)展，帶動了相關(guān)產(chǎn)業(yè)的發(fā)展，主持編著了國內(nèi)電信領(lǐng)域數(shù)據(jù)倉庫的第一本專業(yè)書籍；

4． 99年開始了對呼叫中心的研究和探討。熟悉呼叫中心領(lǐng)域的相關(guān)技術(shù)和運營，并具體主持設(shè)計了大規(guī)模的呼叫中心系統(tǒng)；曾為多家知名企業(yè)提供呼叫中心咨詢服務(wù)，并以顧問的身份，參加過如下較大項目的評審過程：

1） 信息產(chǎn)業(yè)部2000年問題呼叫中心；

2） 中國互聯(lián)網(wǎng)信息中心（CNNIC）呼叫中心；

3） 中國吉通公司北京總部呼叫中心；

4） 首都信息發(fā)展公司的呼叫中心；

5） 中國移動公司呼叫中心改造系統(tǒng)；

同時，也應(yīng)中國聯(lián)通公司、國信公司之邀，進行過有關(guān)的技術(shù)交流活動；

業(yè)績情況

1.段博士主持設(shè)計并完成了世界上最大的數(shù)據(jù)倉庫系統(tǒng)建設(shè)

段博士在中國移動工作期間，創(chuàng)制性地提出了分級式數(shù)據(jù)倉庫理論，主持設(shè)計并建設(shè)了中國移動的“經(jīng)營分析系統(tǒng)”，前后投資了六十多億，建成了目前國際最大容量的數(shù)據(jù)倉庫系統(tǒng)。

2.提出的分級式數(shù)據(jù)倉庫理論：在國內(nèi)首次系統(tǒng)性地引入了數(shù)據(jù)倉庫的各種業(yè)務(wù)應(yīng)用（報表/指標/OLAP/數(shù)據(jù)挖掘等），建立了系統(tǒng)的數(shù)據(jù)倉庫數(shù)據(jù)質(zhì)量管理體系。并完成了《移動通信海量數(shù)據(jù)倉庫構(gòu)建與應(yīng)用研究》的博士后報告。

3.帶動了國內(nèi)數(shù)據(jù)倉庫產(chǎn)業(yè)的發(fā)展：通過段博士主持和設(shè)計的最大的數(shù)據(jù)倉庫系統(tǒng)，填補了國內(nèi)在數(shù)據(jù)倉庫領(lǐng)域技術(shù)和應(yīng)用的很多空白，帶動了國內(nèi)一批數(shù)據(jù)倉庫領(lǐng)域的研究力量，對國內(nèi)數(shù)據(jù)倉庫行業(yè)的發(fā)展起到了積極的推動作用。

4.組織了中國移動在數(shù)據(jù)倉庫領(lǐng)域的隊伍

帶動中國移動的相關(guān)員工，通過多次的培訓(xùn)，逐步組織了各省公司的數(shù)據(jù)倉庫骨干團隊，對系統(tǒng)的維護、新業(yè)務(wù)的開發(fā)和工程項目的管理等方面，積累了寶貴的經(jīng)驗。

5.段博士先后在電子工業(yè)出版社出版了《數(shù)據(jù)倉庫技術(shù)及其在電信領(lǐng)域中的應(yīng)用》和《數(shù)據(jù)倉庫基礎(chǔ)》兩本書籍，并發(fā)表了幾十篇文章。

段方方老師的其它課程