IBM SPPS Statistics是一個(gè)專(zhuān)業(yè)的數(shù)據(jù)挖掘工具，其中內(nèi)置了大量的數(shù)據(jù)分析常用方法、模型。專(zhuān)業(yè)人員和非專(zhuān)業(yè)人員都適用，不需要懂太多的挖掘算法和模型，專(zhuān)業(yè)人員也可以用來(lái)作深入的數(shù)據(jù)分析與數(shù)據(jù)挖掘。

第一部分：數(shù)據(jù)集基礎(chǔ)知識(shí)（了解你的數(shù)據(jù)集）

1、數(shù)據(jù)集概述

2、數(shù)據(jù)集的類(lèi)型

3、數(shù)據(jù)集屬性的類(lèi)型

?  標(biāo)稱(chēng)

?  序數(shù)

?  度量

4、數(shù)據(jù)質(zhì)量三要素

?  準(zhǔn)確性

?  完整性

?  一致性

5、數(shù)據(jù)預(yù)處理的內(nèi)容

?  數(shù)據(jù)清理（缺失值、離群值的處理方法）

?  數(shù)據(jù)歸約（維災(zāi)難、維歸約、主成分分析）

?  特征子集選擇

?  特征創(chuàng)建/屬性構(gòu)造

?  數(shù)據(jù)離散化和二元化

?  屬性/變量轉(zhuǎn)換

6、數(shù)據(jù)探索性分析

?  統(tǒng)計(jì)匯總

?  可視化

演練：描述性分析（頻數(shù)、描述、探索、分類(lèi)匯總）

第二部分：數(shù)據(jù)挖掘基礎(chǔ)知識(shí)（基礎(chǔ)，決定你的高度）

1、數(shù)據(jù)統(tǒng)計(jì)分析軟件簡(jiǎn)介

?  EXCEL表格處理與數(shù)據(jù)分析工具庫(kù)

?  SAS統(tǒng)計(jì)分析系統(tǒng)

?  SPSS統(tǒng)計(jì)產(chǎn)品與服務(wù)解決方案

2、數(shù)據(jù)挖掘概述

案例：宜家IKE如何通過(guò)數(shù)據(jù)挖掘來(lái)降低營(yíng)銷(xiāo)成本提升利潤(rùn)？

3、數(shù)據(jù)挖掘的標(biāo)準(zhǔn)流程（CRISP-DM）

?  商業(yè)理解

?  數(shù)據(jù)準(zhǔn)備

?  數(shù)據(jù)理解

?  模型建立

?  模型評(píng)估

?  模型應(yīng)用

案例：客戶(hù)匹配度建?！业侥愕臏?zhǔn)客戶(hù)

案例：4G終端營(yíng)銷(xiāo)項(xiàng)目挖掘過(guò)程分析

4、常用數(shù)據(jù)統(tǒng)計(jì)指標(biāo)

?  集中程度：均值、中位數(shù)、眾數(shù)

?  離開(kāi)程度：方差、標(biāo)準(zhǔn)差、極差

?  分布趨勢(shì)：偏度、峰度

?  理解分布：正態(tài)分布、T分布、F分布

5、SPSS基本操作（預(yù)處理）

?  數(shù)據(jù)導(dǎo)入

?  數(shù)據(jù)排序（排序個(gè)案）

?  重復(fù)數(shù)據(jù)處理（標(biāo)識(shí)重復(fù)個(gè)案）

?  缺失值處理（替換缺失值）

?  生成新變量（計(jì)算變量、重新編碼）

?  數(shù)據(jù)分組（分類(lèi)匯總）

?  數(shù)據(jù)合并（合并文件）

6、數(shù)據(jù)描述性統(tǒng)計(jì)

?  連續(xù)變量統(tǒng)計(jì)描述

?  分類(lèi)變量統(tǒng)計(jì)描述

第三部分：數(shù)據(jù)挖掘?qū)崙?zhàn)篇

1、參數(shù)檢驗(yàn)分析（樣本均值檢驗(yàn)）

問(wèn)題：如何驗(yàn)證營(yíng)銷(xiāo)效果的有效性？

?  假設(shè)檢驗(yàn)概述

2  單樣本T檢驗(yàn)

2  兩獨(dú)立樣本T檢驗(yàn)

2  兩配對(duì)樣本T檢驗(yàn)

?  假設(shè)檢驗(yàn)適用場(chǎng)景

案例：電信運(yùn)營(yíng)商ARPU值評(píng)估分析（單樣本）

案例：營(yíng)銷(xiāo)活動(dòng)前后分析（兩配對(duì)樣本）

案例：信用卡消費(fèi)金額評(píng)估分析（單樣本）

案例：吸煙與膽固醇升高的分析（兩獨(dú)立樣本）

案例：減肥效果評(píng)估（兩配對(duì)樣本）

2、非參數(shù)檢驗(yàn)分析（樣本分布檢驗(yàn)）

問(wèn)題：這些屬性數(shù)據(jù)的分布情況如何？如何從數(shù)據(jù)分布中看出問(wèn)題？

?  非參數(shù)檢驗(yàn)概述

2  單樣本檢驗(yàn)

2  兩獨(dú)立樣本檢驗(yàn)

2  兩相關(guān)樣本檢驗(yàn)

2  兩配對(duì)樣本檢驗(yàn)

?  非參數(shù)檢驗(yàn)適用場(chǎng)景

案例：產(chǎn)品合格率檢驗(yàn)（單樣本-二項(xiàng)分布）

案例：訓(xùn)練新方法有效性檢驗(yàn)（兩配對(duì)樣本-符號(hào)/秩檢驗(yàn)）

案例：促銷(xiāo)方式效果檢驗(yàn)(多相關(guān)樣本-Friedman檢驗(yàn))

案例：客戶(hù)滿(mǎn)意度差異檢驗(yàn)(多相關(guān)樣本-Cochran Q檢驗(yàn))

3、相關(guān)分析（相關(guān)程度計(jì)算）

問(wèn)題：這兩個(gè)屬性是否會(huì)相互影響？影響程度大嗎？

?  相關(guān)分析概述

案例：家庭生活開(kāi)支的相關(guān)分析

案例：營(yíng)銷(xiāo)費(fèi)用與銷(xiāo)售額的相關(guān)分析

案例：哪些因素與汽車(chē)銷(xiāo)量有相關(guān)性

4、方差分析（影響因素分析）

問(wèn)題：哪些才是影響銷(xiāo)量的關(guān)鍵因素？

?  方差分析原理

?  方差分析的步驟

?  方差分析適用場(chǎng)景

案例：陳列位置對(duì)終端銷(xiāo)量的影響分析（單因素）

案例：廣告形式、地區(qū)對(duì)銷(xiāo)量的影響因素分析（多因素）

案例：2015年大學(xué)生工資與父母職業(yè)的關(guān)系

5、回歸分析（預(yù)測(cè)分析）

問(wèn)題：如何預(yù)測(cè)未來(lái)的銷(xiāo)售量（定量分析）？

?  回歸分析概述及適用場(chǎng)景

?  回歸分析的檢驗(yàn)過(guò)程

?  如何選擇最優(yōu)回歸模型

?  解讀回歸分析結(jié)果

案例：推廣費(fèi)用、辦公費(fèi)用與銷(xiāo)售額的關(guān)系（線性回歸）

案例：人均現(xiàn)金消費(fèi)支出對(duì)人均食品消費(fèi)支出的影響（曲線回歸）

?  帶分類(lèi)變量的回歸分析

?  如何預(yù)測(cè)隨著季節(jié)性變化的銷(xiāo)量情況

案例：?jiǎn)T工工齡、性別與終端銷(xiāo)售的關(guān)系分析

案例：產(chǎn)品銷(xiāo)量的季節(jié)性變化預(yù)測(cè)

6、邏輯回歸分析

問(wèn)題：如果評(píng)估用戶(hù)是否購(gòu)買(mǎi)產(chǎn)品的概率？

?  邏輯回歸分析

?  邏輯回歸的原理

案例：客戶(hù)購(gòu)買(mǎi)預(yù)測(cè)分析（二元邏輯回歸）

案例：品牌選擇預(yù)測(cè)分析（多項(xiàng)邏輯回歸）

7、時(shí)間序列分析（預(yù)測(cè)分析）

問(wèn)題：隨著時(shí)間變化，未來(lái)的銷(xiāo)量變化趨勢(shì)如何？

?  時(shí)序分析概述

2  移動(dòng)平均MA模型

2  指數(shù)平滑ES模型

2  自回歸滑動(dòng)平均ARIMA模型

2  季節(jié)分解模型

?  時(shí)序分析適用場(chǎng)景

案例：汽車(chē)銷(xiāo)量預(yù)測(cè)分析（指數(shù)平滑）

案例：上交所指數(shù)收益率預(yù)測(cè)分析（ARIMA）

案例：服裝銷(xiāo)售數(shù)據(jù)季節(jié)性趨勢(shì)預(yù)測(cè)分析（季節(jié)分解）

第四部分：高級(jí)數(shù)據(jù)挖掘方法

1、聚類(lèi)分析（Clustering）

問(wèn)題：我們的客戶(hù)有幾類(lèi)？各類(lèi)特征是什么？

?  聚類(lèi)方法原理介紹

?  聚類(lèi)方法適用場(chǎng)景

?  系統(tǒng)聚類(lèi)（層次聚類(lèi)）

案例：小康指數(shù)劃分（Q型聚類(lèi)）

案例：裁判標(biāo)準(zhǔn)一致性分析（R型聚類(lèi)）

?  K均值聚類(lèi)（快速聚類(lèi)）

案例：移動(dòng)三大品牌細(xì)分市場(chǎng)合適嗎？

案例：如何評(píng)選優(yōu)秀員工（固定聚類(lèi)中心）

演練：如何選擇新產(chǎn)品試銷(xiāo)地點(diǎn)？

2、決策樹(shù)分類(lèi)分析（Classification）

問(wèn)題：這類(lèi)客戶(hù)有什么特征？有什么潛在銷(xiāo)售機(jī)會(huì)？

?  決策樹(shù)原理介紹

?  分類(lèi)適用場(chǎng)景

案例：銀行低信用客戶(hù)特征分析（決策樹(shù)分類(lèi)）

3、關(guān)聯(lián)分析（Association）

問(wèn)題：購(gòu)買(mǎi)A產(chǎn)品的顧客還常常要購(gòu)買(mǎi)其他什么產(chǎn)品？

?  關(guān)聯(lián)規(guī)則原理介紹

?  關(guān)聯(lián)規(guī)則適用場(chǎng)景

案例：超市商品交叉銷(xiāo)售與布局優(yōu)化（關(guān)聯(lián)分析）

4、客戶(hù)價(jià)值評(píng)估RFM模型

問(wèn)題：如何評(píng)估客戶(hù)的價(jià)值？不同價(jià)值客戶(hù)的營(yíng)銷(xiāo)策略有什么區(qū)別？

?  RFM模型介紹

?  RFM模型適用場(chǎng)景

?  RFM與客戶(hù)活躍度分析

案例：客戶(hù)用戶(hù)價(jià)值評(píng)估（RFM分析）

案例：重購(gòu)用戶(hù)特征分析（決策樹(shù)分析）

第五部分：統(tǒng)計(jì)圖表篇（看圖說(shuō)話）

1、柱狀圖/線圖/餅圖/高低圖/箱圖/散點(diǎn)圖/直方圖

2、圖形的表達(dá)及適用場(chǎng)景

案例：各種圖形繪制

第六部分：實(shí)戰(zhàn)-數(shù)據(jù)挖掘項(xiàng)目

實(shí)戰(zhàn)1：客戶(hù)流失預(yù)警與客戶(hù)挽留之真實(shí)數(shù)據(jù)分析實(shí)踐

實(shí)戰(zhàn)2：銀行信用風(fēng)險(xiǎn)分析

結(jié)束：課程總結(jié)與問(wèn)題答疑。