大数据中数据挖掘及案例(含CRISP-DM).docx

《大数据中数据挖掘及案例(含CRISP-DM).docx》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、大数据时代的数据挖掘及案例（含CRISP-DM方法论）课程收益：通过本次培训中实际案例的分享，了解数据管理和运营中的各种经验教训（别人花费上百亿学费买来的经验啊！），深刻理解数据运营的意义，通过数据挖掘技术，发掘客户精细营销和运营的价值，实现产品设计的个性化需求分析。通过本次培训中实际案例的分享，学习数据挖掘的基本算法，了解数据挖掘的各种方法，深刻理解大数据时代的数据价值，学习提升企业精细化管理的途径和案例。学习互联网思维如何应用于数据挖掘领域，提升客户体验，加强产品的个性化设计需求。课程背景：2012-2014年，中国的营销者正面临着一个极具挑战的经济时局，然而他们

2、有机会通过撬动海量数据的杠杆来获取巨额收益。面对中国5.13亿的互联网用户、多样化的1.8万亿GB数据，以及企业数据每年55%的增长速度，在蓬勃发展的中国市场环境中，大数据所带来的机遇前所未有，这将是中国市场的营销者们预期取得大回报的最佳时机。营销者必须知道如何透过数据库的挖掘与分析，让手中的数据与信息发挥最大的价值，通过有效整合、分析线上和线下数据，提高与客户、潜在客户互动的精准度，及时发现企业经营中的各种问题和风险。在制造行业，通过ERP、CRM等系统，企业在产品制造的过程中也逐步积累了各种形式的大数据，如何将这些大数据服务于企业的生产过程，提高产品质量控制能力，

3、并提升对客户服务质量，也是摆在制造企业面前的一个紧迫问题。其中手机制造企业如何使用数据挖掘的方法，深化客户需求分析，改进产品设计，提升客户营销能力，扩展市场份额是摆在企业面前的问题。培训目标：大数据时代下，客户的重新认识和精细营销，企业的精细化管理，产品质量的精准控制，如何提升企业的核心竞争能力，如何更新企业运营的新理念。了解互联网时代带来的互联网思维，分享互联网行业大数据分析案例，对传统制造产业带来的冲击分析，探索制造业大数据应用场景。了解大数据处理的基本技术，包括数据仓库、数据挖掘、云计算、数据挖掘、元数据等基本内容。解决数据质量的方法和经验，数据管理的组织机构设

4、置等。课程内容：一、“大数据、大机会”：1.概述1)大数据概念和特点2)大数据需要哪些技术支撑3)大数据能够带来哪些新应用？2.大数据时代带来对传统营销的挑战1)大数据如何成为资产？——GOOGLE的市值远超过制造企业2)大数据如何体现精细营销3)大数据的价值——靠空调电表判断气候趋势（“指数”）3.大数据时代的“互联网思维”营销模式1)互联网思维——先圈用户再挣钱2）互联网的营销模式——微博营销、网页营销等3)CRM——“旧貌焕发新颜”4)精细营销——装上了GPS，实现“精确打击”4.如何在海量数据中整合线上、线下数据，形成你对客户的独特洞察力1)知道客户的各个属性

5、——互联网时代不再“是否是狗”2)客户的群体特征——“人以群分”5.如何建立产品分析的数据平台，提供产品的“标尺”1)产品的数据有哪些？2)产品设计的互联网思维？——小米手机3)产品的大数据分析——哪些维度？4）如何“产品为中心”发展为“客户为中心”？——有数据就有可能6.大数据对企业的精细管理提升1）企业的精细管理——不再盲人摸象2）企业的KPI仪表板——进入驾驶舱3）预防企业的管理风险——早诊断、早发现4）员工的量化绩效评定——计件之后计量7.大数据提升企业的产品质量1）建立量化的产品管理方法——辣椒的辣度评定2）产品制造过程的管理控制——监控大数据分析3）产品问

6、题的及时监控——温度、风速等异常早发现4）产品订制的范例——好莱坞大片的大数据5）产品质量的量化管控——挡板安装的故事二、大数据的“数据挖掘技术”1.数据挖掘概述1）基本概念——“啤酒和尿布的故事”2）与专家系统、统计分析、人工智能的关系——演进历史分析3）数据挖掘在制造行业的应用内容——如何体现“智能制造”？2.CRISP-DM过程描述1）商业理解——要实现什么“目的”？2）数据的理解以及收集——手里有哪些数据？3）数据的准备——数据的清洗及转换4）应用数据挖掘工具建立模型——使用哪种数据挖掘算法和工具？5）模型评估——算法评估6）部署（并形成数据挖掘报告）——实际

7、使用及形成报告3.数据挖掘常用算法介绍预测型1）分类算法2）回归分析3）时间序列描述型4）关联分析5）序列关联分析6）聚类分析4.数据挖掘具体算法举例1）神经网络算法2）决策树算法5.根据实际问题选择数据挖掘算法1）客户离网分析2）客户分群模型3）产品关联分析4）问题的描述需要解决的关键问题如何转换成为数据挖掘的描述数据挖掘算法的选择依据预测类还是描述类与各种算法的使用特点结合6.分析结果的检验对照组数据的选择方法对照组数据的时间窗口选择对照组数据的抽样数据挖掘模型的修订1）如何剔除无效的结果数据2）根据反馈结果进行模型修订7.数据挖掘项目的投入产出