IBM SPPS Statistics是一個專業(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。專業(yè)人員和非專業(yè)人員都適用，不需要懂太多的挖掘算法和模型，專業(yè)人員也可以用來作深入的數(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（了解你的數(shù)據(jù)集）

1、數(shù)據(jù)集概述

2、數(shù)據(jù)集的類型

3、數(shù)據(jù)集屬性的類型

?  標(biāo)稱

?  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)計匯總

?  可視化

演練：描述性分析（頻數(shù)、描述、探索、分類匯總）

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

1、數(shù)據(jù)統(tǒng)計分析軟件簡介

?  EXCEL表格處理與數(shù)據(jù)分析工具庫

?  SAS統(tǒng)計分析系統(tǒng)

?  SPSS統(tǒng)計產(chǎn)品與服務(wù)解決方案

2、數(shù)據(jù)挖掘概述

案例：宜家IKE如何通過數(shù)據(jù)挖掘來降低營銷成本提升利潤？

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

?  模型評估

?  模型應(yīng)用

案例：客戶匹配度建模—找到你的準(zhǔn)客戶

案例：4G終端營銷項目挖掘過程分析

4、常用數(shù)據(jù)統(tǒng)計指標(biāo)

?  集中程度：均值、中位數(shù)、眾數(shù)

?  離開程度：方差、標(biāo)準(zhǔn)差、極差

?  分布趨勢：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（排序個案）

?  重復(fù)數(shù)據(jù)處理（標(biāo)識重復(fù)個案）

?  缺失值處理（替換缺失值）

?  生成新變量（計算變量、重新編碼）

?  數(shù)據(jù)分組（分類匯總）

?  數(shù)據(jù)合并（合并文件）

6、數(shù)據(jù)描述性統(tǒng)計

?  連續(xù)變量統(tǒng)計描述

?  分類變量統(tǒng)計描述

第三部分：數(shù)據(jù)挖掘?qū)崙?zhàn)篇

1、參數(shù)檢驗分析（樣本均值檢驗）

問題：如何驗證營銷效果的有效性？

?  假設(shè)檢驗概述

2  單樣本T檢驗

2  兩獨立樣本T檢驗

2  兩配對樣本T檢驗

?  假設(shè)檢驗適用場景

案例：電信運營商ARPU值評估分析（單樣本）

案例：營銷活動前后分析（兩配對樣本）

案例：信用卡消費金額評估分析（單樣本）

案例：吸煙與膽固醇升高的分析（兩獨立樣本）

案例：減肥效果評估（兩配對樣本）

2、非參數(shù)檢驗分析（樣本分布檢驗）

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

?  非參數(shù)檢驗概述

2  單樣本檢驗

2  兩獨立樣本檢驗

2  兩相關(guān)樣本檢驗

2  兩配對樣本檢驗

?  非參數(shù)檢驗適用場景

案例：產(chǎn)品合格率檢驗（單樣本-二項分布）

案例：訓(xùn)練新方法有效性檢驗（兩配對樣本-符號/秩檢驗）

案例：促銷方式效果檢驗(多相關(guān)樣本-Friedman檢驗)

案例：客戶滿意度差異檢驗(多相關(guān)樣本-Cochran Q檢驗)

3、相關(guān)分析（相關(guān)程度計算）

問題：這兩個屬性是否會相互影響？影響程度大嗎？

?  相關(guān)分析概述

案例：家庭生活開支的相關(guān)分析

案例：營銷費用與銷售額的相關(guān)分析

案例：哪些因素與汽車銷量有相關(guān)性

4、方差分析（影響因素分析）

問題：哪些才是影響銷量的關(guān)鍵因素？

?  方差分析原理

?  方差分析的步驟

?  方差分析適用場景

案例：陳列位置對終端銷量的影響分析（單因素）

案例：廣告形式、地區(qū)對銷量的影響因素分析（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)測分析）

問題：如何預(yù)測未來的銷售量（定量分析）？

?  回歸分析概述及適用場景

?  回歸分析的檢驗過程

?  如何選擇最優(yōu)回歸模型

?  解讀回歸分析結(jié)果

案例：推廣費用、辦公費用與銷售額的關(guān)系（線性回歸）

案例：人均現(xiàn)金消費支出對人均食品消費支出的影響（曲線回歸）

?  帶分類變量的回歸分析

?  如何預(yù)測隨著季節(jié)性變化的銷量情況

案例：員工工齡、性別與終端銷售的關(guān)系分析

案例：產(chǎn)品銷量的季節(jié)性變化預(yù)測

6、邏輯回歸分析

問題：如果評估用戶是否購買產(chǎn)品的概率？

?  邏輯回歸分析

?  邏輯回歸的原理

案例：客戶購買預(yù)測分析（二元邏輯回歸）

案例：品牌選擇預(yù)測分析（多項邏輯回歸）

7、時間序列分析（預(yù)測分析）

問題：隨著時間變化，未來的銷量變化趨勢如何？

?  時序分析概述

2  移動平均MA模型

2  指數(shù)平滑ES模型

2  自回歸滑動平均ARIMA模型

2  季節(jié)分解模型

?  時序分析適用場景

案例：汽車銷量預(yù)測分析（指數(shù)平滑）

案例：上交所指數(shù)收益率預(yù)測分析（ARIMA）

案例：服裝銷售數(shù)據(jù)季節(jié)性趨勢預(yù)測分析（季節(jié)分解）

第四部分：高級數(shù)據(jù)挖掘方法

1、聚類分析（Clustering）

問題：我們的客戶有幾類？各類特征是什么？

?  聚類方法原理介紹

?  聚類方法適用場景

?  系統(tǒng)聚類（層次聚類）

案例：小康指數(shù)劃分（Q型聚類）

案例：裁判標(biāo)準(zhǔn)一致性分析（R型聚類）

?  K均值聚類（快速聚類）

案例：移動三大品牌細(xì)分市場合適嗎？

案例：如何評選優(yōu)秀員工（固定聚類中心）

演練：如何選擇新產(chǎn)品試銷地點？

2、決策樹分類分析（Classification）

問題：這類客戶有什么特征？有什么潛在銷售機會？

?  決策樹原理介紹

?  分類適用場景

案例：銀行低信用客戶特征分析（決策樹分類）

3、關(guān)聯(lián)分析（Association）

問題：購買A產(chǎn)品的顧客還常常要購買其他什么產(chǎn)品？

?  關(guān)聯(lián)規(guī)則原理介紹

?  關(guān)聯(lián)規(guī)則適用場景

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

4、客戶價值評估RFM模型

問題：如何評估客戶的價值？不同價值客戶的營銷策略有什么區(qū)別？

?  RFM模型介紹

?  RFM模型適用場景

?  RFM與客戶活躍度分析

案例：客戶用戶價值評估（RFM分析）

案例：重購用戶特征分析（決策樹分析）

第五部分：統(tǒng)計圖表篇（看圖說話）

1、柱狀圖/線圖/餅圖/高低圖/箱圖/散點圖/直方圖

2、圖形的表達及適用場景

案例：各種圖形繪制

第六部分：實戰(zhàn)-數(shù)據(jù)挖掘項目

實戰(zhàn)1：客戶流失預(yù)警與客戶挽留之真實數(shù)據(jù)分析實踐

實戰(zhàn)2：銀行信用風(fēng)險分析

結(jié)束：課程總結(jié)與問題答疑。