一. 数据挖掘概述

1. 数据挖掘的应用场景

a) 啤酒尿布案例、预测普通酒品质， 帮助投资案例、亚马逊图书购买推荐系统案例、eHarmony男女相亲速配案例等

2. 什么是数据挖掘 

a) 数据挖掘定义

b) 数据挖掘项目开展流程

c) 数据挖掘在数据仓库系统（BI系统）中的角色

d) 个人对数据挖掘的定位

e) 如何进行成功数据挖掘的理解

3. 数据挖掘的发展简史 

数据挖掘发展的驱动力

4. 常用挖掘软件IBM modeler、SAS、IMiner、XKEN

二. 数据挖掘主要算法介绍

1. 数据挖掘问题类型（预测、描述）

2. 数据挖掘方法使用调查 

3. 描述 

a) 数据描述总结 

描述统计、olap等

b) 概念描述 

主成分、因子分析

c) 细分

聚类（k-means 两步聚类 ） 

使用高中知识实现算法过程推导

d) 依赖性分析

Apriori经典算法 

使用高中数学知识实现算法过程推导

4. 预测类

a) 决策树（C5.0为例，使用高中数学知识实现算法过程推导）

b) svm算法

三. 数据挖掘实施流程

1. 什么是数据化管理体系

2. 企业分析能力体系建设框架

3. 什么是数据仓库

4. 数据仓库典型架构

5. 什么是企业经营数据分析

6. 典型经营分析实施体系介绍

四. IBM modeler应用培训

1. 商业问题定义，Issue-Based问题定义方法介绍，构建解决问题的逻辑

2. 数据理解，如何基于数据分析思路评估数据需求

3. 数据采集与数据准备，讲述数据采集方法，如何结合分析需求定义采集数据的来源。

4. 分析论证，讲述分析论证主要工作，如何提升分析人员的业务理解能力

5. 分析汇报，分析报告撰写方法、分析报告组织技巧等

五. 精细化营销数据分析

6. 精细化营销管理流程

7. 市场细分方法及市场策略建议

8. 目标客户群筛选方法 

9. 营销执行监控数据分析（外呼、电商等）

10. 营销效果评估体系介绍

六. 案例分享

1. 某证券市场细分案例

2. 中国移动流失目标用户筛选案例