|
大数据建模应用实战 【课程目标】 本课程专注于大数据建模课程，面向数据分析部等专门负责数据分析与建模的人士。主要内容包括数据建模的过程和步骤，以及建模涉及到的分析方法、分析模型，以及模型优化等。 本课程从实际的业务需求出发，对数据分析及数据挖掘技术进行了全面的介绍，通过大量的操作演练，帮助学员掌握数据分析和数据挖掘的思路、方法、工具，从大量的企业经营数据中进行分析，发现业务运作规律，进行客户洞察，挖掘客户行为特点，消费行为，实现精准营销，帮助运营团队深入理解业务运作，以达到提升学员的数据综合分析能力，支撑运营决策的目的。 通过本课程的学习，达到如下目的： 1、 掌握数据建模的基本过程和步骤。 2、 掌握数据建模前的属性筛选的系统方法，为建模打下基础。 3、 掌握常用的数值预测模型，包括回归预测和时序预测，以及其适用场景。 4、 掌握常用的分类预测模型，包括逻辑回归、决策树、神经网络、判别分析等等，以及分类模型的优化。 5、 掌握数据挖掘常用的专题模型。 【授课时间】 2-3天时间（每天6个小时） 【授课对象】 业务支撑、网络中心、IT系统部、数据分析部等对业务数据分析有较高要求的相关专业人员。 【学员要求】 1、 每个学员自备一台便携机(必须)。 2、 便携机中事先安装好OfficeExcel 2013版本及以上。 3、 便携机中事先安装好IBMSPSS Statistics v24版本以上软件。 注：讲师可以提供试用版本软件及分析数据源。 【授课方式】 基础知识精讲 + 案例演练 + 实际业务问题分析 + SPSS实际操作 本课程突出数据挖掘的实际应用，结合行业的典型应用特点，从实际问题入手，引出相关知识，进行大数据的收集与处理；探索数据之间的规律及关联性，帮助学员掌握系统的数据预处理方法；介绍常用的模型，训练模型，并优化模型，以达到最优分析结果。 【课程大纲】 第一部分： 数据建模基本过程1、 预测建模六步法 Ø 选择模型：基于业务选择恰当的数据模型 Ø 属性筛选：选择对目标变量有显著影响的属性来建模 Ø 训练模型：采用合适的算法对模型进行训练，寻找到最合适的模型参数 Ø 评估模型：进行评估模型的质量，判断模型是否可用 Ø 优化模型：如果评估结果不理想，则需要对模型进行优化 Ø 应用模型：如果评估结果满足要求，则可应用模型于业务场景 2、 数据挖掘常用的模型 Ø 数值预测模型：回归预测、时序预测等 Ø 分类预测模型：逻辑回归、决策树、神经网络、支持向量机等 Ø 市场细分：聚类、RFM、PCA等 Ø 产品推荐：关联分析、协同过滤等 Ø 产品优化：回归、随机效用等 Ø 产品定价：定价策略/最优定价等 3、 属性筛选/特征选择/变量降维 Ø 基于变量本身特征 Ø 基于相关性判断 Ø 因子合并（PCA等） Ø IV值筛选（评分卡使用） Ø 基于信息增益判断（决策树使用） 4、 模型评估 Ø 模型质量评估指标：R^2、正确率/查全率/查准率/特异性等 Ø 预测值评估指标：MAD、MSE/RMSE、MAPE、概率等 Ø 模型评估方法：留出法、K拆交叉验证、自助法等 Ø 其它评估：过拟合评估 5、 模型优化 Ø 优化模型：选择新模型/修改模型 Ø 优化数据：新增显著自变量 Ø 优化公式：采用新的计算公式 6、 模型实现算法（暂略） 7、 好模型是优化出来的 案例：通信客户流失分析及预警模型 第二部分： 属性筛选方法问题：如何选择合适的属性来进行建模预测？ 比如：价格是否可用于产品销量的预测？套餐的合理性是否会影响客户流失？在欺诈风险中有哪些数据会有异常表现？ 1、 属性筛选/变量降维的常用方法 Ø 基于变量本身特征来选择属性 Ø 基于数据间的相关性来选择属性 Ø 基于因子合并（如PCA分析）实现变量的合并 Ø 利用IV值筛选 Ø 基于信息增益来选择属性 2、 相关分析（衡量变量间的线性相关性） 问题：这两个属性是否会相互影响？影响程度大吗？ Ø 相关分析简介 Ø 相关分析的三个种类 ² 简单相关分析 ² 偏相关分析 ² 距离相关分析 Ø 相关系数的三种计算公式 ² Pearson相关系数 ² Spearman相关系数 ² Kendall相关系数 Ø 相关分析的假设检验 Ø 相关分析的四个基本步骤 演练：体重与腰围的关系 演练：营销费用会影响销售额吗 演练：哪些因素与汽车销量有相关性 演练：通信费用与开通月数的相关分析 Ø 偏相关分析 ² 偏相关原理：排除不可控因素后的两变量的相关性 ² 偏相关系数的计算公式 ² 偏相关分析的适用场景 Ø 距离相关分析 3、 方差分析(衡量类别变量与数据变量的相关性) 问题：哪些才是影响销量的关键因素？ Ø 方差分析的应用场景 Ø 方差分析的三个种类 ² 单因素方差分析 ² 多因素方差分析 ² 协方差分析 Ø 方差分析的原理 Ø 方差分析的四个步骤 Ø 解读方差分析结果的两个要点 演练：终端摆放位置与终端销量有关吗 演练：开通月数对客户流失的影响分析 演练：客户学历对消费水平的影响分析 演练：广告和价格是影响终端销量的关键因素吗 演练：营业员的性别、技能级别对产品销量有影响吗 演练：寻找影响产品销量的关键因素 Ø 多因素方差分析原理 Ø 多因素方差分析的作用 Ø 多因素方差结果的解读 演练：广告形式、地区对销量的影响因素分析（多因素） Ø 协方差分析原理 Ø 协方差分析的适用场景 演练：饲料对生猪体重的影响分析（协方差分析） 4、 列联分析/卡方检验（两类别变量的相关性分析） Ø 交叉表与列联表 Ø 卡方检验的原理 Ø 卡方检验的几个计算公式 Ø 列联表分析的适用场景 案例：套餐类型对客户流失的影响分析 案例：学历对业务套餐偏好的影响分析 案例：行业/规模对风控的影响分析 5、 相关性分析各种方法的适用场景 6、 主成份分析（PCA） Ø 因子分析的原理 Ø 因子个数如何选择 Ø 如何解读因子含义 案例：提取影响电信客户流失的主成分分析 第三部分： 回归预测模型篇问题：如何预测产品的销量/销售金额？如果产品跟随季节性变动，该如何预测？新产品上市，如果评估销量上限及销售增速？ 1、 常用的数值预测模型 Ø 回归预测 Ø 时序预测 2、 回归预测/回归分析 问题：如何预测未来的销售量（定量分析）？ Ø 回归分析的基本原理和应用场景 Ø 回归分析的种类（一元/多元、线性/曲线） Ø 得到回归方程的四种常用方法 ² Excel函数 ² 散点图+趋势线 ² 线性回归工具 ² 规范求解 Ø 线性回归分析的五个步骤 Ø 回归方程结果的解读要点 Ø 评估回归模型质量的常用指标 Ø 评估预测值的准确度的常用指标 演练：散点图找推广费用与销售额的关系（一元线性回归） 演练：推广费用、办公费用与销售额的关系（多元线性回归） 演练：让你的营销费用预算更准确 演练：如何选择最佳的回归预测模型（曲线回归） Ø 带分类变量的回归预测 演练：汽车季度销量预测 演练：工龄、性别与终端销量的关系 演练：如何评估销售目标与资源配置（营业厅） 3、 自动筛选不显著自变量 第四部分： 回归预测模型优化篇1、 回归分析的基本原理 Ø 三个基本概念：总变差、回归变差、剩余变差 Ø 方程的显著性检验：是否可以做回归分析？ Ø 因素的显著性检验：自变量是否可用？ Ø 拟合优度检验：回归模型的质量评估？ Ø 理解标准误差的含义：预测的准确性？ 2、 回归模型优化思路：寻找最佳回归拟合线 Ø 如何处理预测离群值（剔除离群值） Ø 如何剔除非显著因素（剔除不显著因素） Ø 如何进行非线性关系检验（增加非线性自变量） Ø 如何进行相互作用检验（增加相互作用自变量） Ø 如何进行多重共线性检验（剔除共线性自变量） Ø 如何检验误差项（修改因变量） Ø 如何判断模型过拟合（模型过拟合判断） 案例：模型优化案例 3、 规划求解工具简介 4、 自定义回归模型（如何利用规划求解进行自定义模型） 案例：如何对餐厅客流量进行建模及模型优化 5、 好模型都是优化出来的 第五部分： 时序预测模型问题：无法找到影响因素，无法回归建模，怎么办？随着业务受季节性因素影响，未来的销量如何预测？ 1、 时序序列简介 2、 时序分析的原理及应用场景 3、 常见时序预测模型 1、 评估预测值的准确度指标 Ø 平均绝对误差MAD Ø 均方差MSE/RMSE Ø 平均误差率MAPE 4、 移动平均 Ø 应用场景及原理 Ø 移动平均种类 ² 一次移动平均 ² 二次移动平均 ² 加权移动平均 ² 移动平均比率法 Ø 移动平均关键问题 ² 最佳期数N的选择原则 ² 最优权重系数的选取原则 演练：平板电脑销量预测及评估 演练：快销产品季节销量预测及评估 5、 指数平滑 Ø 应用场景及原理 Ø 最优平滑系数的选取原则 Ø 指数平滑种类 ² 一次指数平滑 ² 二次指数平滑（Brown线性、Holt线性、Holt指数、阻尼线性、阻尼指数） ² 三次指数平滑 演练：煤炭产量预测 演练：航空旅客量预测及评估 6、 温特期季节性预测模型 Ø 适用场景及原理 Ø Holt-Winters加法模型 Ø Holt-Winters乘法模型 演练：汽车销量预测及评估 7、 回归季节预测模型 Ø 季节性回归模型的参数 Ø 基于时期t的相加模型 Ø 基于时期t的相乘模型 Ø 怎样解读模型的含义 案例：美国航空旅客里程的季节性趋势分析 8、 新产品预测模型与S曲线 Ø 新产品累计销量的S曲线模型 Ø 如何评估销量增长的上限以及拐点 Ø 珀尔曲线与龚铂兹曲线 案例：如何预测产品的销售增长拐点，以及销量上限 演戏：预测IPad产品的销量 第六部分： 分类预测模型问题：如何评估客户购买产品的可能性？或者说，影响客户购买意向的产品关键特性是什么？ 1、分类预测模型概述 2、常见分类预测模型 3、 评估分类模型的常用指标 Ø 正确率、查全率/查准率、特异性等 4、逻辑回归分析模型（LR） 问题：如果评估用户是否购买产品的概率？ Ø 逻辑回归模型原理及适用场景 Ø 逻辑回归的种类 ² 二项逻辑回归 ² 多项逻辑回归 Ø 如何解读逻辑回归方程 Ø 带分类自变量的逻辑回归分析 Ø 多项逻辑回归 案例：如何评估用户是否会购买某产品（二项逻辑回归） 案例：多品牌选择模型分析（多项逻辑回归） 5、决策树分类（DT） 问题：如何提取客户流失者、拖欠货款者的特征？如何预测其流失的概率？ Ø 决策树分类的原理 Ø 决策树的三个关键问题 ² 如何选择最佳属性来构建节点 ² 如何分裂变量 ² 如何修剪决策树 Ø 选择最优属性 ² 熵、基尼索引、分类错误 ² 属性划分增益 Ø 如何分裂变量 ² 多元划分与二元划分 ² 连续变量离散化（最优划分点） Ø 修剪决策树 ² 剪枝原则 ² 预剪枝与后剪枝 Ø 构建决策树的四个算法 ² C5.0、CHAID、CART、QUEST ² 各种算法的比较 Ø 如何选择最优分类模型？ 案例：识别银行欠货风险，提取欠货者的特征 案例：客户流失预警与客户挽留模型 6、人工神经网络（ANN） Ø 神经网络概述 Ø 神经网络基本原理 Ø 神经网络的结构 Ø 神经网络的建立步骤 Ø 神经网络的关键问题 Ø BP反向传播网络（MLP） Ø 径向基网络（RBF） 案例：评估银行用户拖欠货款的概率 7、判别分析（DA） Ø 判别分析原理 Ø 距离判别法 Ø 典型判别法 Ø 贝叶斯判别法 案例：MBA学生录取判别分析 案例：上市公司类别评估 8、最近邻分类（KNN） Ø 基本原理 Ø 关键问题 9、 贝叶斯分类（NBN） Ø 贝叶斯分类原理 Ø 计算类别属性的条件概率 Ø 估计连续属性的条件概率 Ø 贝叶斯网络种类：TAN/马尔科夫毯 Ø 预测分类概率（计算概率） 案例：评估银行用户拖欠货款的概率 第七部分： 分类模型优化篇（集成方法）1、 集成方法的基本原理：利用弱分类器构建强分类模型 Ø 选取多个数据集，构建多个弱分类器 Ø 多个弱分类器投票决定 2、 集成方法/元算法的种类 Ø Bagging算法 Ø Boosting算法 3、 Bagging原理 Ø 如何选择数据集 Ø 如何进行投票 Ø 随机森林 4、 Boosting的原理 Ø AdaBoost算法流程 Ø 样本选择权重计算公式 Ø 分类器投票权重计算公式 第八部分： 银行信用评分卡模型1、 信用评分卡模型简介 2、 评分卡的关键问题 3、 信用评分卡建立过程 Ø 筛选重要属性 Ø 数据集转化 Ø 建立分类模型 Ø 计算属性分值 Ø 确定审批阈值 4、 筛选重要属性 Ø 属性分段 Ø 基本概念：WOE、IV Ø 属性重要性评估 5、 数据集转化 Ø 连续属性最优分段 Ø 计算属性取值的WOE 6、 建立分类模型 Ø 训练逻辑回归模型 Ø 评估模型 Ø 得到字段系数 7、 计算属性分值 Ø 计算补偿与刻度值 Ø 计算各字段得分 Ø 生成评分卡 8、 确定审批阈值 Ø 画K-S曲线 Ø 计算K-S值 Ø 获取最优阈值 结束：课程总结与问题答疑。
| 
