1.點擊下面按鈕復制微信號
點擊復制微信號
上海威才企業管理咨詢有限公司
本課程為高級課程,培訓的內容是繼中級課程之后學習的,同時提供了更復雜的數據模型來解決實際工作中的商業決策問題。
本課程面向高級數據分析人員,以及系統開發人員。
本課程核心內容為數據挖掘,分類預測模型,以及專題模型分析,幫助學員構建系統全面的業務分析思維,提升學員的數據分析綜合能力。
本課程覆蓋了如下內容:
數據建模過程
分類預測模型
分類模型優化思路
市場專題分析模型
熟悉建模的一般過程,能夠獨立完成整個預測建模項目的實現。
熟練使用各種分類預測模型,以及其應用場景。
熟悉模型質量評估的關鍵指標,掌握模型優化的整體思路。
熟練掌握常用市場專題分析模型:
學會做市場客戶細分,劃分客戶群
數據建模過程
預測建模六步法
選擇模型:基于業務選擇恰當的數據模型
屬性篩選:選擇對目標變量有顯著影響的屬性來建模
訓練模型:采用合適的算法對模型進行訓練,尋找到最合適的模型參數
評估模型:進行評估模型的質量,判斷模型是否可用
優化模型:如果評估結果不理想,則需要對模型進行優化
應用模型:如果評估結果滿足要求,則可應用模型于業務場景
數據挖掘常用的模型
數值預測模型:回歸預測、時序預測等
分類預測模型:邏輯回歸、決策樹、神經網絡、支持向量機等
市場細分:聚類、RFM、PCA等
產品推薦:關聯分析、協同過濾等
產品優化:回歸、隨機效用等
產品定價:定價策略/最優定價等
屬性篩選/特征選擇/變量降維
基于變量本身特征
基于相關性判斷
因子合并(PCA等)
IV值篩選(評分卡使用)
基于信息增益判斷(決策樹使用)
模型評估
模型質量評估指標:R^2、正確率/查全率/查準率/特異性等
預測值評估指標:MAD、MSE/RMSE、MAPE、概率等
模型評估方法:留出法、K拆交叉驗證、自助法等
其它評估:過擬合評估
模型優化
優化模型:選擇新模型/修改模型
優化數據:新增顯著自變量
優化公式:采用新的計算公式
模型實現算法(暫略)
好模型是優化出來的
案例:通信客戶流失分析及預警模型
分類預測模型
問題:如何評估客戶購買產品的可能性?如何預測客戶的購買行為?如何提取某類客戶的典型特征?如何向客戶精準推薦產品或業務?
分類模型概述
常見分類預測模型
邏輯回歸(LR)
邏輯回歸模型原理及適用場景
邏輯回歸的種類
二項邏輯回歸
多項邏輯回歸
如何解讀邏輯回歸方程
帶分類自變量的邏輯回歸分析
多元邏輯回歸
案例:如何評估用戶是否會購買某產品(二元邏輯回歸)
案例:多品牌選擇模型分析(多元邏輯回歸)
分類決策樹(DT)
問題:如何預測客戶行為?如何識別潛在客戶?
風控:如何識別欠貸者的特征,以及預測欠貸概率?
客戶保有:如何識別流失客戶特征,以及預測客戶流失概率?
決策樹分類簡介
案例:美國零售商(Target)如何預測少女懷孕
演練:識別銀行欠貨風險,提取欠貸者的特征
構建決策樹的三個關鍵問題
如何選擇最佳屬性來構建節點
如何分裂變量
修剪決策樹
選擇最優屬性
熵、基尼索引、分類錯誤
屬性劃分增益
如何分裂變量
多元劃分與二元劃分
連續變量離散化(最優劃分點)
修剪決策樹
剪枝原則
預剪枝與后剪枝
構建決策樹的四個算法
C5.0、CHAID、CART、QUEST
各種算法的比較
如何選擇最優分類模型?
案例:商場酸奶購買用戶特征提取
案例:客戶流失預警與客戶挽留
案例:識別拖欠銀行貨款者的特征,避免不良貨款
案例:識別電信詐騙者嘴臉,讓通信更安全
人工神經網絡(ANN)
神經網絡概述
神經網絡基本原理
神經網絡的結構
神經網絡的建立步驟
神經網絡的關鍵問題
BP反向傳播網絡(MLP)
徑向基網絡(RBF)
案例:評估銀行用戶拖欠貨款的概率
判別分析(DA)
判別分析原理
距離判別法
典型判別法
貝葉斯判別法
案例:MBA學生錄取判別分析
案例:上市公司類別評估
最近鄰分類(KNN)
基本原理
關鍵問題
貝葉斯分類(NBN)
貝葉斯分類原理
計算類別屬性的條件概率
估計連續屬性的條件概率
貝葉斯網絡種類:TAN/馬爾科夫毯
預測分類概率(計算概率)
案例:評估銀行用戶拖欠貨款的概率
支持向量機(SVM)
SVM基本原理
線性可分問題:最大邊界超平面
線性不可分問題:特征空間的轉換
維空難與核函數
分類模型優化
集成方法的基本原理:利用弱分類器構建強分類模型
選取多個數據集,構建多個弱分類器
多個弱分類器投票決定
集成方法/元算法的種類
Bagging算法
Boosting算法
Bagging原理
如何選擇數據集
如何進行投票
隨機森林
Boosting的原理
AdaBoost算法流程
樣本選擇權重計算公式
分類器投票權重計算公式
市場細分模型
問題:我們的客戶有幾類?各類特征是什么?如何實現客戶細分,開發符合細分市場的新產品?如何提取客戶特征,從而對產品進行市場定位?
市場細分的常用方法
有指導細分
無指導細分
聚類分析
如何更好的了解客戶群體和市場細分?
如何識別客戶群體特征?
如何確定客戶要分成多少適當的類別?
聚類方法原理介紹
聚類方法作用及其適用場景
聚類分析的種類
K均值聚類(快速聚類)
案例:移動三大品牌細分市場合適嗎?
演練:寶潔公司如何選擇新產品試銷區域?
演練:如何評選優秀員工?
演練:中國各省份發達程度分析,讓數據自動聚類
層次聚類(系統聚類):發現多個類別
R型聚類與Q型聚類的區別
案例:中移動如何實現客戶細分及營銷策略
演練:中國省市經濟發展情況分析(Q型聚類)
演練:裁判評分的標準衡量,避免“黑哨”(R型聚類)
兩步聚類
主成分分析
主成分分析方法介紹
主成分分析基本思想
主成分分析步驟
案例:如何評估汽車購買者的客戶細分市場
客戶價值分析
營銷問題:如何評估客戶的價值?不同的價值客戶有何區別對待?
如何評價客戶生命周期的價值
貼現率與留存率
評估客戶的真實價值
使用雙向表衡量屬性敏感度
變化的邊際利潤
案例:評估營銷行為的合理性
RFM模型(客戶價值評估)
RFM模型,更深入了解你的客戶價值
RFM模型與市場策略
RFM模型與活躍度分析
案例:淘寶客戶價值評估與促銷名單
案例:重購用戶特征分析
產品推薦模型
問題:購買A產品的顧客還常常要購買其他什么產品?應該給客戶推薦什么產品最有可能被接受?
從搜索引擎到推薦引擎
常用產品援藏模型及算法
基于流行度的推薦
基于排行榜的推薦,適用于剛注冊的用戶
優化思路:分群推薦
基于內容的推薦CBR
關鍵問題:如何計算物品的相似度
優缺點
優化:Rocchio算法、基于標簽的推薦、基于興趣度的推薦
基于用戶的推薦
關鍵問題:如何對用戶分類/計算用戶的相似度
算法:按屬性分類、RFM模型、PCA、聚類、按偏好分類、按地理位置
協同過濾的推薦
基于用戶的協同過濾
基于物品的協同過濾
冷啟動的問題
案例:計算用戶相似度、計算物品相似度
基于關聯分析的推薦
如何制定套餐,實現交叉/捆綁銷售
案例:啤酒與尿布、颶風與蛋撻
關聯分析模型原理(Association)
關聯規則的兩個關鍵參數
支持度
置信度
關聯分析的適用場景
案例:購物籃分析與產品捆綁銷售/布局優化
案例:通信產品的交叉銷售與產品推薦
基于分類模型的推薦
其它推薦算法
LFM基于隱語義模型
按社交關系
基于時間上下文
多推薦引擎的協同工作
產品設計優化
聯合分析法
離散選擇模型
如何評估客戶購買產品的概率
如何指導產品開發?如何確定產品的重要特性
競爭下的產品動態調價
如何評估產品的價格彈性
案例:產品開發與設計分析
案例:品牌價值與價格敏感度分析
案例:納什均衡價格
品牌價值評估
新產品市場占有率評估
產品定價策略及產品最優定價
營銷問題:產品如何實現最優定價?套餐價格如何確定?采用哪些定價策略可達到利潤最大化?
常見的定價方法
產品定價的理論依據
需求曲線與利潤最大化
如何求解最優定價
案例:產品最優定價求解
如何評估需求曲線
價格彈性
曲線方程(線性、乘冪)
如何做產品組合定價
如何做產品捆綁/套餐定價
最大收益定價(演進規劃求解)
避免價格反轉的套餐定價
案例:電信公司的寬帶、IPTV、移動電話套餐定價
非線性定價原理
要理解支付意愿曲線
支付意愿曲線與需求曲線的異同
案例:雙重收費如何定價(如會費+按次計費)
階梯定價策略
案例:電力公司如何做階梯定價
數量折扣定價策略
案例:如何通過折扣來實現薄利多銷
定價策略的評估與選擇
案例:零售公司如何選擇最優定價策略
航空公司的收益管理
收益管理介紹
如何確定機票預訂限制
如何確定機票超售數量
如何評估模型的收益
案例:FBN航空公司如何實現收益管理(預訂/超售)
信用評分卡模型
信用評分卡模型簡介
評分卡的關鍵問題
信用評分卡建立過程
篩選重要屬性
數據集轉化
建立分類模型
計算屬性分值
確定審批閾值
篩選重要屬性
屬性分段
基本概念:WOE、IV
屬性重要性評估
數據集轉化
連續屬性最優分段
計算屬性取值的WOE
建立分類模型
訓練邏輯回歸模型
評估模型
得到字段系數
計算屬性分值
計算補償與刻度值
計算各字段得分
生成評分卡
確定審批閾值
畫K-S曲線
計算K-S值
獲取最優閾值
實戰篇
電信業客戶流失預警和客戶挽留模型實戰
銀行欠貸風險預測模型實戰
銀行信用卡評分模型實戰
結束:課程總結與問題答疑。
聯系電話:4006-900-901
微信咨詢:威才客服
企業郵箱:shwczx@www.zrhfdc888.com
深耕中國制造業
助力企業轉型
2021年度咨詢客戶數
資深實戰導師
客戶滿意度
續單和轉介紹