国产精品变态重口在线,国产一级毛片久久久久久久女18,优配网,亚洲欧美日韩成人综合一区 中文字幕久久人妻被中出一区精品_在线人成免费视频69国产_亚洲簧片在线播放_每天av专区无码

大數(shù)據(jù)人才培養(yǎng)專項培訓

【課程對象】各部門數(shù)據(jù)分析及運用人才
【課程內(nèi)容】數(shù)據(jù)分析方法，數(shù)據(jù)挖掘流程、算法、工具、與案例，大數(shù)據(jù)系統(tǒng)、工具、與案例
【課程時長】2-3天

【課程大綱】
項目一：技能學習
1.開場
1.1朝陽大媽的秘密
1.2課程收益
1.3學習團隊建設

2.數(shù)據(jù)分析思維
2.1為什么要分析數(shù)據(jù)？
2.1.1看懂數(shù)字，看懂真相
2.1.2市場營銷中的數(shù)量決策問題
2.1.3視角一：市場營銷學的理論框架
2.1.4視角二：電信業(yè)業(yè)務流程視圖（eTOM）
2.1.5示例：營銷案預演中的數(shù)據(jù)分析
2.2數(shù)據(jù)分析方法論
2.2.1什么是數(shù)據(jù)分析？
2.2.2數(shù)據(jù)分析的類型
2.2.3數(shù)據(jù)分析論、方法、與工具
2.2.4數(shù)據(jù)化運營
2.2.5數(shù)據(jù)分析中的模型化方法
2.2.6分析方法論
2.2.7分析的范圍與緯度
2.2.8兩種分析思路
2.2.9兩種分析套路
2.2.10數(shù)據(jù)分析模型
2.2.11統(tǒng)計分析流程
2.2.12運用統(tǒng)計方法應遵循的原則

3.營銷數(shù)據(jù)分析
3.1數(shù)據(jù)與測量尺度
3.1.1數(shù)據(jù)的定義及分類
3.1.1.1數(shù)據(jù)表現(xiàn)形式一
3.1.1.2數(shù)據(jù)表現(xiàn)形式二
3.1.2Excel中的數(shù)據(jù)類型
3.1.3SPSS Modeler中的數(shù)據(jù)類型
3.1.4統(tǒng)計測量尺度的種類

3.2數(shù)據(jù)統(tǒng)計分析
3.2.1對比分析法
3.2.2平均分析法
3.2.2.1計算極差、方差、標準差
3.2.3分組分析法
3.2.4結構分析法
3.2.5*分析法
3.2.6漏斗分析法
3.2.7矩陣關聯(lián)分析法
3.2.8綜合分析法

3.3時間序列分析
3.3.1時間序列的分類
3.3.1.1趨勢、季節(jié)、周期、隨機性
3.3.2時間序列的構成模型
3.3.3環(huán)比增長率與同比增長率
3.3.4平穩(wěn)序列的預測
3.3.4.1簡單平均法 (simple average)
3.3.4.2簡單移動平均法(simple moving average)
3.3.4.3指數(shù)平滑法(exponential smoothing)
3.3.4.4一次指數(shù)平滑(single exponential smoothing)
3.3.5非平衡序列(linear trend)
3.3.5.1線性模型法(線性趨勢方程)
3.3.5.2季節(jié)性變動預測
3.3.5.3分離季節(jié)因素
3.3.5.4周期性變動預測 (剩余法)
3.3.6回歸分析
3.3.6.1一元線性回歸模型
3.3.6.2多元回歸模型

4.數(shù)據(jù)挖掘
4.1數(shù)據(jù)挖掘概論
4.1.1數(shù)據(jù)挖掘的技術上的定義
4.1.2數(shù)據(jù)挖掘的商業(yè)角度的定義
4.1.3數(shù)據(jù)挖掘得到的知識類型

4.2數(shù)據(jù)挖掘技術
4.2.1算法（系統(tǒng)）是數(shù)據(jù)挖掘的核心
4.2.2數(shù)據(jù)挖掘系統(tǒng)結構
4.2.3數(shù)據(jù)挖掘的廣泛應用

4.3數(shù)據(jù)挖掘流程
4.3.1數(shù)據(jù)發(fā)掘方法論——CRISP-DM
4.3.2數(shù)據(jù)挖掘過程
4.3.2.1第一步：定義商業(yè)問題 
4.3.2.2第二步：建立數(shù)據(jù)挖掘庫 
4.3.2.3第三步：分析數(shù)據(jù) 
4.3.2.4第四步：準備數(shù)據(jù) 
4.3.2.5第五步：建立模型 
4.3.2.6第六步：評價和解釋 
4.3.2.7第七步：實施 

4.4數(shù)據(jù)挖掘算法與工具
4.4.1基本的挖掘算法
4.4.1.1關聯(lián)規(guī)則（模式、描述型）
4.4.1.1.1模式
4.4.1.1.2常用算法
4.4.1.2分類與預測（模型、預測型）
4.4.1.2.1模式
4.4.1.2.2常用算法
4.4.1.3聚類（模型、描述型）
4.4.1.3.1模式
4.4.1.3.2常用算法
4.4.1.4孤立點探測（Outlier Detection）（模式、預測型）
4.4.1.4.1模式
4.4.1.4.2常用算法
4.4.2數(shù)據(jù)挖掘工具：SPSS Modeler
4.4.2.1界面
4.4.2.2操作
4.4.2.3案例實操
4.4.3數(shù)據(jù)挖掘應用
4.4.3.1案例：4G潛在客戶模型

5.大數(shù)據(jù)分析
5.1大數(shù)據(jù)概述
5.1.1如何定義大數(shù)據(jù)？
5.1.2大數(shù)據(jù)產(chǎn)生原因：互聯(lián)網(wǎng)+移動互聯(lián)網(wǎng)+物聯(lián)網(wǎng)
5.1.3大數(shù)據(jù)主要來源
5.1.4大數(shù)據(jù)的特征——4V
5.1.5大數(shù)據(jù)分析與傳統(tǒng)數(shù)據(jù)分析的差異
5.1.6大數(shù)據(jù)帶來了思維的變革
5.1.7大數(shù)據(jù)的威力在于對客戶的深刻洞察
5.1.8大數(shù)據(jù)在企業(yè)管理中的應用
5.1.8.1預測
5.1.8.2更有效地組織企業(yè)以節(jié)省資金
5.1.8.3真正實時的了解客戶
5.1.8.4企業(yè)共同創(chuàng)建、實時改進和創(chuàng)新產(chǎn)品
5.1.8.5利用大數(shù)據(jù)找到新的商業(yè)機會
5.1.8.6給用戶產(chǎn)生行為指紋
5.1.8.7大數(shù)據(jù)案例：電商推薦系統(tǒng)

5.2大數(shù)據(jù)分析技術
5.2.1大數(shù)據(jù)技術要解決的問題
5.2.2大數(shù)據(jù)的相關技術
5.2.2.1Hadoop生態(tài)系統(tǒng)和Google架構比較
5.2.2.2分布式文件系統(tǒng)
5.2.2.3非關系型數(shù)據(jù)庫NoSQL——Hbase
5.2.2.4實時流處理
5.2.2.5MapReduce的思想

5.3企業(yè)大數(shù)據(jù)建設方法
5.3.1中國移動的大數(shù)據(jù)平臺

5.4大數(shù)據(jù)營銷應用
5.4.1大數(shù)據(jù)1.0——應用大數(shù)據(jù)做流量精準營銷
5.4.2大數(shù)據(jù)2.0——向企業(yè)用戶提供大數(shù)據(jù)服務
5.4.2.1流量大數(shù)據(jù)應用案例
5.4.2.2電信運營商大數(shù)據(jù)用途
5.4.2.3電信運營商的大數(shù)據(jù)資產(chǎn)優(yōu)勢
5.4.2.4案例：基于大數(shù)據(jù)的套餐包營銷

5.5基于大數(shù)據(jù)的用戶畫像
5.5.1用戶畫像
5.5.2用戶畫像的方法
5.5.3利用大數(shù)據(jù)生成用戶畫像

5.6大數(shù)據(jù)實時事件驅動精準營銷
5.6.1實時營銷的思路
5.6.2大數(shù)據(jù)實時事件驅動精準營銷流程
5.6.3事件驅動的精準營銷
5.6.4業(yè)務場景應用案例

項目二：基于重點業(yè)務績效提升的課題研究與學習實踐
（需要客戶方提供具體項目）

大數(shù)據(jù)人才培養(yǎng)專項培訓