BD137:大数据挖掘工具之SPSS Statistics入门与提高

开班计划时间:24 小时
  • 具体开课时间请咨询课程顾问
预约试听 马上咨询
课程介绍
适用对象:市场部、业务支撑、网络中心、运营分析部等对业务数据分析有较高要求的相关人员。
学习收获:了解大数据基础知识,理解大数据思维方式。 了解数据分析与数据挖掘的基本知识(统计、分布、概率等)。 掌握数据挖掘的基本过程和步骤,掌握数据挖掘的方法。
详细大纲
1 大数据的核心理念
1.1 大数据时代:你缺的不是一堆方法,而是大数据思维
1.2 大数据是探索事物发展和变化规律的工具
1.3 一切不以解决业务问题为导向的大数据都是耍流氓
1.4 大数据的核心能力
1.5 从案例看大数据的核心本质
1.6 认识大数据分析
1.7 数据分析需要什么样的能力
1.8 大数据应用系统的四层结构
1.9 大数据分析的两大核心理念
1.10 大数据分析面临的常见问题
2 数据挖掘标准流程
2.1 数据挖掘概述
2.2 数据挖掘的标准流程(CRISP-DM)
2.3 数据集概述
2.4 数据集的类型
2.5 数据集属性的类型
2.6 数据质量三要素
3 数据预处理过程
3.1 SPSS工具简介
3.2 数据预处理的主要任务
3.3 数据集成
3.4 数据理解(异常数据处理)
3.5 数据准备:数据处理
3.6 数据准备:变量处理
3.7 数据降维
3.8 数据探索性分析
4 数据可视化篇
4.1 数据可视化的原则
4.2 常用可视化工具
4.3 常用可视化图形
4.4 图形的表达及适用场景
5 影响因素分析篇
5.1 影响因素分析的常见方法
5.2 相关分析(衡量变量间的的相关性)
5.3 方差分析
5.4 列联分析(两类别变量的相关性分析)
6 数值预测模型篇
6.1 销量预测与市场预测——让你看得更远
6.2 回归预测/回归分析
6.3 时序预测
6.4 季节性预测模型
6.5 新产品预测模型与S曲线
6.6 自定义模型(如何利用规划求解进行自定义模型)
7 回归模型优化篇
7.1 回归模型的基本原理
7.2 模型优化思路:寻找最佳回归拟合线
8 分类预测模型篇
8.1 分类模型概述
8.2 常见分类预测模型
8.3 逻辑回归模型
8.4 分类决策树
8.5 人工神经网络(ANN)
8.6 判别分析
9 市场细分模型篇
9.1 市场细分的常用方法
9.2 聚类分析
9.3 主成分分析PCA分析
9.4 RFM模型客户细分框架
10 客户价值评估
10.1 客户价值评估与RFM模型
11 假设检验篇
11.1 参数检验分析(样本均值检验)
11.2 非参数检验分析(样本分布检验)
12 实战-数据挖掘项目
课程评价

课程评价({{EvaluationTotal}})

课程满意度

评价

您还没有给课程评分哦

满意度

    追加评价:

课程咨询
内容:

您还没有填写内容!

暂无问答,赶紧去提问吧
{{item.AnswerState==1?"已解决":"未解决"}}
{{item.Content}}
{{item.StudentAskTime}}
{{itemanswer.UserName}}
{{itemanswer.Content}}
{{itemanswer.StudentAskTime}}
同类课程推荐 more
嘉为大讲堂 more
原创文章 more

您好! 欢迎来到学领未来 !

学领未来提供线上及线下的学习服务,根据您的位置,为您推荐最近的线下培训地点 分站,你选择: