時 程

大綱內(nèi)容

第1天

主題：顧客關(guān)系管理及基礎(chǔ)數(shù)據(jù)挖掘技術(shù)

企業(yè)使用之范圍：

說明企業(yè)如何利用顧客關(guān)系管理來進行營銷活動

理論介紹：

顧客關(guān)系管理系統(tǒng)的架構(gòu)及其組成元素

企業(yè)如何利用顧客關(guān)系管理系統(tǒng)來進行營銷活動

數(shù)據(jù)挖掘技術(shù)的功能分類

數(shù)據(jù)挖掘技術(shù)的績效增益

數(shù)據(jù)挖掘技術(shù)的產(chǎn)業(yè)標準

數(shù)據(jù)挖掘基本觀念與實際應(yīng)用解說

SAS EM & SPSS Modeler實務(wù)案例操作：

Introduction to SAS Enterprise Miner(SAS EM) & IBM SPSS Modeler

Getting Started with SAS EM 12.1 & IBM SPSS Modeler 16

Creating a EM Project, Library and Diagram

Creating a SPSS Modeler Project

第1天

第2天

主題：基礎(chǔ)數(shù)據(jù)挖掘技術(shù)

企業(yè)使用之范圍：

說明企業(yè)如何利用數(shù)據(jù)前處理技術(shù)來進行數(shù)據(jù)的重整，建置數(shù)據(jù)倉庫，以做為數(shù)據(jù)挖掘之輸入

理論介紹：

數(shù)據(jù)挖掘技術(shù)的流程-SEMMA vs. CRISP DM

數(shù)據(jù)前處理(Data Preprocessing)技術(shù)

Attribute Selection(字段選擇)

*Data Integration(數(shù)據(jù)整合)

Data Cleansing(數(shù)據(jù)清洗):

*Wrong Value(錯誤值),

*Outlier(離群值),

*Missing Value(遺失值)

Attribute Enrichment(字段擴充):

*內(nèi)/外部數(shù)據(jù)的擴充方法

Data Coding(數(shù)據(jù)編碼):

*Data Transformation(數(shù)據(jù)轉(zhuǎn)換),

*Data Reduction(數(shù)據(jù)精簡),

*Record Reduction(記錄精簡),

*Attribute Value Reduction(域值精簡),

*Attribute Reduction(字段精簡)

SAS EM & SPSS Modeler實務(wù)案例操作：

Defining a Data Source

Exploring a Data Source

  * Exploring Source Data

  * Changing the Explore Window Sampling Defaults

  * Modifying and Correcting Source Data

Managing Wrong Values/Outliers/Missing Values

Transforming Inputs

Recording Categorical Inputs

第2天

第3天

主題：進階數(shù)據(jù)挖掘技術(shù)

企業(yè)使用之范圍：

說明企業(yè)如何利用關(guān)鍵變量發(fā)掘技術(shù)來發(fā)掘?qū)椖磕繕擞行еP(guān)鍵變量，以做為數(shù)據(jù)挖掘之輸入變量

理論介紹：

訓練數(shù)據(jù)與測試數(shù)據(jù)的產(chǎn)生方法

關(guān)鍵變量(Key Attributes)發(fā)掘技術(shù)

*卡方檢定(Chi-square Test)

*t檢定及ANOVA檢定(t Test & ANOVA Test)

*利用決策樹(Decision Tree)選擇關(guān)鍵變量

SAS EM & SPSS Modeler實務(wù)案例操作：

Creating Training & Validation Dataset

Variable Selection

Using Partial Least Squares for Input Selection

Using the Decision Tree for Input Selection

第3天

主題：進階數(shù)據(jù)挖掘技術(shù)2

企業(yè)使用之范圍：

說明如何利用分類技術(shù)之決策樹來建立交叉銷售(Cross-Selling)模型，以提升公司獲利

理論介紹：

分類之決策樹(Decision Tree)

SAS EM & SPSS Modeler實務(wù)案例操作：

Constructing a Decision Tree Model

Optimizing the Complexity of Decision Trees

Assessing a Decision Tree

Understanding Additional Plots & Tables

Automatic Tree Growth

第3天

主題：進階數(shù)據(jù)挖掘技術(shù)3

企業(yè)使用之范圍：

說明企業(yè)如何利用分類技術(shù)之神經(jīng)網(wǎng)絡(luò)、支持向量機及分類多模型整合來建立信用評分(Credit Scoring)模型，以降低公司損失

理論介紹：

分類之神經(jīng)網(wǎng)絡(luò)(Neural Network)

分類之支持向量機(Support Vector Machine)

分類多模型整合(Ensemble)之裝袋(Bagging)、增強(Boosting)學習

SAS EM &SPSS Modeler實務(wù)案例操作：

Training a Neural Network

Selecting Neural Network Inputs

Increasing Network Flexibility

Using the AutoNeural Tool

Constructing a Support Vector Machine

Constructing Ensemble Models by Using Bagging and Boosting Techniques

Model Comparisons

第4天

主題：進階數(shù)據(jù)挖掘技術(shù)4

企業(yè)使用之范圍：

說明企業(yè)如何利用模型評估技術(shù)來評估模型的優(yōu)劣，以作為采用適當模型的準則

理論介紹：

模型評估(Model Assessment)技術(shù)

SAS EM & SPSS Modeler實務(wù)案例操作：

Model Fit Statistics:

* Comparing Models with Summary Statistics

Statistical Graph:

* Comparing Models with ROC Charts

* Comparing Models with Score Rankings Plots

* Adjusting for Separate Sampling

Profit Matrix:

* Evaluating Model Profit

* Viewing Additional Assessments

* Optimizing with Profit

Internally Scored Data Sets:

  * Creating a Score Data Source

  * Scoring with the Score Tool

  * Exporting a Scored Table

Score Code Modules:

  * Creating a SAS Score Code Module

  * Creating Other Score Code Modules

第4天

主題：進階數(shù)據(jù)挖掘技術(shù)5

企業(yè)使用之范圍：

說明企業(yè)如何利用預(yù)測(Prediction)技術(shù)之回歸樹及類神經(jīng)網(wǎng)絡(luò)來建立數(shù)值預(yù)測模型-如預(yù)測客戶之年收入，以利公司設(shè)計營銷活動

理論介紹：

回歸樹(Regression Tree)

類神經(jīng)網(wǎng)絡(luò)(Neural Network)-非線性回歸

SAS EM & SPSS Modeler實務(wù)案例操作：

Review and Set the Decision Tree Node

Review and Set the Neural Network Node

第4天

主題：進階數(shù)據(jù)挖掘技術(shù)6

企業(yè)使用之范圍：

說明企業(yè)如何利用關(guān)聯(lián)及序列分析技術(shù)來建立交叉銷售(Cross-Selling)及提升銷售(Up-Selling)模型，以提升公司獲利

理論介紹：

關(guān)聯(lián)分析(Association Analysis)

序列分析(Sequence Analysis)

SAS EM & SPSS Modeler案例案例操作：

Consolidating Categorical Inputs

Market Basket Analysis

Sequence Analysis

第5天

構(gòu)建信用卡違約預(yù)測模型

上午
第0章：SAS語句（宏與主要Proc過程）
第1章：數(shù)據(jù)驅(qū)動的風險管理
第2章：信用卡違約預(yù)測模型案例

下午
第3章：建模準備
第4章：變量粗篩
第5章：數(shù)據(jù)清洗
第6章：變量壓縮與調(diào)整變量
第7章：邏輯回歸

第6天

上午
第8章：模型評估
第9章：閥值設(shè)置
第10章：數(shù)據(jù)挖掘方法選擇與數(shù)據(jù)挖掘的誤區(qū)

下午：構(gòu)造信用卡違約模型的全業(yè)務(wù)分析
第1章：需求與計劃
第2章：內(nèi)外部資源與人員配置
第3章：確定指標的參數(shù)（Vitage分析與轉(zhuǎn)移分析）
第4章：信用評分報告發(fā)布
第5章：總體回顧