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用解說

SAS EM & SPSS Modeler實務案例操作：

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、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(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)如何利用預測(Prediction)技術(shù)之回歸樹及類神經(jīng)網(wǎng)絡來建立數(shù)值預測模型-如預測客戶之年收入，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(Neural Network)-非線性回歸

SAS EM & SPSS Modeler實務案例操作：

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

環(huán)境搭建與數(shù)據(jù)轉(zhuǎn)換

主體：數(shù)據(jù)分析環(huán)境搭建

1、Python程序安裝

2、MySQL數(shù)據(jù)庫安裝、配置、建庫；

主題：Python與其它軟件之間數(shù)據(jù)轉(zhuǎn)換

1、Python內(nèi)部的數(shù)據(jù)存儲類型

2、Python與CSV格式文件；

3、Python與EXCEL格式文件；

4、Python與MySQL；

5、Python與ODBC；

主題：SQL編程與MySQL數(shù)據(jù)庫使用

Mysql SQL編程與Python SQL編程

主題：用R作統(tǒng)計

兩變量相關(guān)檢驗（兩樣本T檢驗、方差分析、卡方檢驗、相關(guān)檢驗）；

主成分與因子分析；

決策樹

數(shù)據(jù)挖據(jù)完整流程案例

——Python編程構(gòu)造銀行信用風險模型

第6天

主題：信用風險建模簡介

銀行信用風險監(jiān)管體系與信用風險內(nèi)部模型

主題：單變量檢驗與數(shù)據(jù)清洗

缺失值檢驗與處理方法

異常值檢驗與處理方法

解釋變量粗篩

雙變量關(guān)系檢驗法

數(shù)據(jù)分箱

主題：連續(xù)變量壓縮技術(shù)

變量聚類

分類變量壓縮技術(shù)

似完整分類數(shù)據(jù)問題

WOE方法

主題：邏輯回歸建模技術(shù)

模型選擇：逐步法、全子集法

根據(jù)經(jīng)驗Logit曲線進行連續(xù)變量轉(zhuǎn)換

主題：編程模型評估技術(shù)

ROC曲線

K-S曲線