培训特色
解释了如何将数据挖掘应用于解决实际问题，从而使你能将数据挖掘技术应用于自己的实际工作中去。课程还着重介绍了数据挖掘模型的建立与测试，以及数据挖掘结果的解释与验证以及数据分析和数据挖掘在相关行业的应用实例等内容。
本课程不是简单的数据挖掘的概念讲解，把技术、案例、问题结合起来，把理论实践化，让学者能深入体会数据挖掘的应用。
目标收益
通过本课程的教学，使学员充分了解和认识大数据的相关知识（大数据的应用范围及相关技术思想），同时学会用主流的数据挖掘软件完成数据挖掘建模任务，使学员掌握数据挖掘方法论CRISP-DM的本质。通过几个具体的、典型的数据挖掘案例，使学员在掌握这些案例所用的技巧的同时，充分理解数据挖掘的方法论，实现举一反三的效果，提高学员分析问题解决问题的实际能力。
课程大纲
| 主题 |
内容 |
|
大数据的介绍
|
1.1 什么是大数据：海量非结构化数据本身+处理方法
1.2 大数据为什么重要及大数据带来的机遇：决定公司是否有未来和业务可延伸范围
1.3 对大数据的深层理解：组成、特点介绍
1.4 大数据的相关技术与应用案例
数据采集：ETL工具
数据存取：关系数据库；NoSQL、SQL等
基础架构支持：云存储；分布式文件系统等
计算结果展现：云计算；标签云；关系图等
1.5 大数据专题可能的演进路径
|
|
数据分析基础
|
2.1 数据分析的含义、主要做什么？
2.2 为什么要学习做好数据分析
2.2.1从数据分析的描述问题、对比问题、分析问题 到最后解决问题说明为什么要做好
2.2.2通过案例说明一般人员与数据分析师的区别
2.3 数据分析的误区和分析的关键
2.4 数据分析的6个步骤，3大方向（理清思路，寻找答案，观点表达）案例形式详细说明
步骤1：需求明确--理清思路
步骤2：数据收集--理清思路
步骤3：数据处理--寻找答案
步骤4：数据分析--寻找答案
步骤5：数据展示--观点表达
步骤6：报表撰写--观点表达
分别对以上6个步骤以案例的方式详细说明。
2.5 实践：以数据分析项目为引，将数据分析的技能与业务结合，并应用于实际的工作之中
|
|
数据挖掘基础
|
3.1 数据挖掘概述、基本理念、历史发展进程、主要功能、发展趋势
3.2 数据挖掘方法论：CRISP-DM、SEMMA
3.3 数据处理过程：变量的分类及类型，数据的质量、理解过程、准备过程
|
|
数据挖掘及数据分析技术
|
4.1.数据挖掘主要分析方法：
4.1.1 聚类分析（Clustering）
4.1.2 分类分析（Classification）
4.1.3 关联分析（Association）
4.1.4 预测分析（Prediction）
4.1.5 回归分析
4.1.6 相关分析
4.1.7数据比较分析
4.1.8 数据挖掘的可视化
4.2 数据挖掘的实施
4.3 分析图形：正态性检验 描述性统计 箱型图、区间图、时序图介绍
4.4 数据挖掘的关键技术:数据预处理
4.5 数据挖掘效果的评估
4.6 实践：SPSS结合相应的分析算法及展示图形
|
|
构建**数据挖掘分析体系
|
5.1 分析团队建设
5.2 分析工作管理
5.3 数据分析核心能力建设
5.4 分析工作与业务协同
|
|
数据挖掘应用
|
6.1 数据挖掘及管理经验
6.2 数据挖掘在***行业领域的应用举例
6.2.1 客户行为与潜在客户分析
6.2.2 用户信用度分析
6.2.3 趋势预测
6.2.4 新产品交叉营销分析 等
6.3 数据挖掘实践举例:客户流失、趋势发展分析等（结合SPSS软件）
6.4 实践：内容包括（从设计－>形成模型->应用）.
|
|
数据挖掘工具及未来研究的方向和热点
|
7.1 几种数据挖掘工具比较
7.2 典型工具介绍及使用范围
7.3 如何选择数据挖掘工具
7.4 数据挖掘的方向和热点
|
