大数据挖掘工具: SPSS Statistics入门与提高

【课程目标】

本课程为数据分析和挖掘的工具篇，本课程面向数据分析部等专门负责数据分析与挖掘的人士，专注大数据挖掘工具SPSS Statistics的培训。

IBM SPSS工具是面向非专业人士的高级的分析工具（挖掘工具），它提供大量的分析方法和分析模型，能够解决更复杂的业务问题，比如影响因素分析、客户行为预测/精准营销、客户群划分、产品交叉销售、产品销量预测等等。工具它封装了复杂难懂的算法实现，即使你没有深厚的技能能力，也能够胜任复杂的数据分析和挖掘。

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，将数据挖掘标准流程、分析思路、分析方法、分析模型，全部落地在SPSS工具中，**大量的工具操作和演练，帮助学员熟练掌握SPSS工具的使用，并能够将SPSS工具在实际的业务数据分析中满地，实现“知行合一”。

**本课程的学习，达到如下目的：

1、 了解大数据挖掘的标准过程和挖掘步骤

2、 掌握常用的统计分析方法，以及可视化

3、 掌握常用的影响因素分析方法，学会根因分析

4、 理解数据挖掘的常见模型，原理及适用场景。

5、 熟练掌握SPSS基本操作，能利用SPSS解决实际的商业问题。

【授课时间】

2~4天时间，或根据客户需求选择（每天6个小时）

知识点

2天

4天

数据挖掘标准流程

√

√

数据流预处理

√

√

数据可视化

√

√

影响因素分析

√

√

回归预测模型

√

√

时序预测模型

√（部分）

√

回归模型优化

√

分类预测模型

√

市场客户划分

√

客户价值评估

√

假设检验

√

【授课对象】

市场部、业务支撑部、数据分析部、运营分析部等对业务数据分析有较高要求的相关人员。

【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Microsoft Office Excel 2013版本及以上。

3、 便携机中事先安装好SPSS Statistics v24版本及以上。

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 工具实际操作

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；引导学员思考，构建分析模型，进行数据分析与挖掘，以及数据呈现与解读，全过程演练操作，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。

【课程大纲】

**部分： 数据挖掘标准流程

1、 数据挖掘概述

2、 数据挖掘的标准流程（CRISP-DM）

Ø 商业理解

Ø 数据准备

Ø 数据理解

Ø 模型建立

Ø 模型评估

Ø 模型应用

案例：客户流失预测及客户挽留

3、 数据集概述

4、 SPSS工具介绍

5、 数据挖掘常用模型

第二部分： 数据预处理

如何整理数据，了解数据，对数据进行预处理？

1、 数据预处理的四大任务

Ø 数据集成：多个数据集合并

Ø 数据清洗：异常值的处理

Ø 样本处理：样本筛选、样本抽样、样本平衡

Ø 变量处理：变量变换、变量派生、变量精简

2、 数据集成（数据集合并）

Ø 样本追加（添加数据行）：横向合并

Ø 变量合并（添加变量列）：纵向合并

3、 数据清洗（异常数据处理）

Ø 取值范围限定

Ø 重复值处理

Ø 无效值/错误值处理

Ø 缺失值处理

Ø 离群值/极端值处理

Ø 数据质量评估

4、 样本处理：行处理

Ø 样本筛选：指定条件筛选指定样本集（减少样本数量）

Ø 样本抽样：随机抽取部分样本集（减少样本数量）

Ø 样本平衡：正反样本比例均衡

5、 变量处理：列处理

Ø 变量变换：原变量取值更新，比如标准化

Ø 变量派生：根据旧变量生成新的变量

Ø 变量精简：变量删除/降维，减少变量个数

Ø 类型转换：数据类型的相互转换

6、 变量精简/变量降维常用方法

Ø 常用降维方法

Ø 如何确定降维后变量个数

Ø 特征选择：选择重要变量，剔除不重要变量

² 基于变量本身特征来选择属性

² 基于数据间的相关性来选择属性

² 利用IV值筛选

² 基于信息增益来选择属性

Ø 因子合并：将多个变量进行合并

² PCA主成分分析

² 判别分析

7、 类型转换

8、 因子合并/主成分分析

Ø 因子分析的原因

Ø 因子个数选择原则

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

9、 数据探索性分析

Ø 常用统计指标分析

Ø 单变量：数值变量/分类变量

Ø 双变量：交叉分析/相关性分析

Ø 多变量：特征选择、因子分析

演练：描述性分析（频数、描述、探索、分类汇总）

第三部分： 数据可视化

1、 数据可视化的原则

2、 常用可视化工具

3、 常用可视化图形

Ø 柱状图、条形图、饼图、折线图、箱图、散点图等

4、 图形的表达及适用场景

演练：各种图形绘制

第四部分： 影响因素分析篇

营销问题：哪些因素是影响业务目标的关键要素？比如，产品在货架上的位置是否对销量有影响？价格和广告开销是如何影响销量的？影响风控的关键因素有哪些？如何判断？

1、 影响因素分析的常见方法

2、 相关分析（衡量两数据型变量的线性相关性）

Ø 相关分析简介

Ø 相关分析的应用场景

Ø 相关分析的种类

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：营销费用会影响销售额吗？影响程度如何量化？

演练：哪些因素与汽车销量有相关性

演练：影响用户消费水平的因素会有哪些

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（衡量类别变量与数值变量间的相关性）

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 单因素方差分析的原理

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：摆放位置与销量有关吗

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

Ø 协方差分析原理

Ø 协方差分析的适用场景

演练：排除产品价格，收入对销量有影响吗？

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：计数值与期望值

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、 相关性分析方法总结

第五部分： 回归预测模型

营销问题：如何预测未来的产品销量/销售额？如果产品跟随季节性变动，该如何预测？

1、 回归分析简介和原理

2、 回归分析的种类

Ø 一元回归/多元回归

Ø 线性回归/非线性回归

3、 常用回归分析方法

Ø 散点图 趋势线（一元）

Ø 线性回归工具（多元线性）

Ø 规划求解工具（非线性回归）

演练：散点图找营销费用与销售额的关系

4、 线性回归分析的五个步骤

演练：营销费用、办公费用与销售额的关系（线性回归）

5、 线性回归方程的解读技巧

Ø 定性描述：正相关/负相关

Ø 定量描述：自变量变化导致因变量的变化程度

6、 回归预测模型评估

Ø 质量评估指标：判定系数R^2

Ø 如何选择**回归模型

演练：如何选择**的回归预测模型（一元曲线回归）

7、 带分类自变量的回归预测

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

第六部分： 回归模型优化

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：方程可用性

Ø 因素的显著性检验：因素可用性

Ø 方程拟合优度检验：质量好坏程度

Ø 理解标准误差含义：预测准确性？

2、 回归模型优化措施：寻找**回归拟合线

Ø 如何处理预测离群值（剔除离群值）

Ø 如何剔除不显著因素（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）

演练：模型优化演示

3、 好模型都是优化出来的

第七部分： 自定义回归模型

1、 回归建模的本质

2、 规划求解工具简介

3、 自定义回归模型

案例：如何对客流量进行建模预测及模型优化

4、 回归季节预测模型模型

Ø 回归季节模型的原理及应用场景

Ø 加法季节模型

Ø 乘法季节模型

Ø 模型解读

案例：美国航空旅客里程的季节性趋势分析

5、 新产品累计销量的S曲线

Ø S曲线模型的应用场景（**大累计销量及销量增长的拐点）

Ø 珀尔曲线

Ø 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

演练：预测IPad产品的销量

第八部分： 回归模型质量评估

1、 定量预测模型的评估

Ø 方程显著性评估

Ø 因素显著性评估

Ø 拟合优度的评估

Ø 估计标准误差评估

Ø 预测值准确度评估

2、 模型拟合度评估

Ø 判定系数：

Ø 调整判定系数：

3、 预测值准确度评估

Ø 平均绝对误差：MAE

Ø 根均方差：RMSE

Ø 平均误差率：MAPE

4、 其它评估：残差检验、过拟合检验

第九部分： 时序预测模型

营销问题：像利率/CPI/GDP等按时序变化的指标如何预测？当销量随季节周期变动时该如何预测？

1、 回归预测vs时序预测

2、 因素分解思想

3、 时序预测常用模型

Ø 趋势拟合

Ø 季节拟合

Ø 平均序列拟合

4、 评估预测值的准确度指标：MAD、RMSE、MAPE

5、 移动平均（MA）

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 如何选取**优参数N

² 如何确定**优权重系数

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

6、 指数平滑（ES）

Ø 应用场景及原理

Ø **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

7、 温特斯季节预测模型

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

8、 平稳序列模型（ARIMA）

Ø 序列的平稳性检验

Ø 平稳序列的拟合模型

² AR(p)自回归模型

² MA(q)移动模型

² ARMA(p,q)自回归移动模型

Ø 模型的识别与定阶

² ACF图/PACF图

² **小信息准则

Ø 序列平稳化处理

² 变量变换

² k次差分

² d阶差分

Ø ARIMA(p,d,q)模型

演练：上海证券交易所综合指数收益率序列分析

演练：服装销售数据季节性趋势预测分析

Ø 平稳序列的建模流程

第十部分： 分类预测模型篇

问题：如何评估客户购买产品的可能性？如何预测客户的购买行为？如何提取某类客户的典型特征？如何向客户精准推荐产品或业务？

1、 分类模型概述及其应用场景

2、 常见分类预测模型

3、 逻辑回归（LR）

Ø 逻辑回归的适用场景

Ø 逻辑回归的模型原理

Ø 逻辑回归分类的几何意义

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/多分类逻辑回归

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）

4、 分类决策树（DT）

问题：如何预测客户行为？如何识别潜在客户？

风控：如何识别欠贷者的特征，以及预测欠贷概率？

客户保有：如何识别流失客户特征，以及预测客户流失概率？

Ø 决策树分类简介

案例：美国零售商（Target）如何预测少女怀孕

演练：识别银行欠货风险，提取欠贷者的特征

Ø 决策树分类的几何意义

Ø 构建决策树的三个关键问题

² 如何选择**属性来构建节点

² 如何分裂变量

² 修剪决策树

Ø 选择**优属性生长

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（**优分割点）

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**优分类模型？

案例：商场用户的典型特征提取

案例：客户流失预警与客户挽留

案例：识别拖欠银行货款者的特征，避免不良货款

案例：识别电信诈骗者嘴脸，让通信更安全

Ø 多分类决策树

案例：不同套餐用户的典型特征

Ø 决策树模型的保存与应用

5、 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 神经网络分类的几何意义

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

6、 判别分析（DA）

Ø 判别分析原理

Ø 判别分析种类

Ø Fisher线性判别分析

案例：MBA学生录取判别分析

案例：上市公司类别评估

7、 **近邻分类（KNN）

Ø KNN模型的基本原理

Ø KNN分类的几何意义

Ø K近邻的关键问题

第十一部分： 市场细分模型

问题：我们的客户有几类？各类特征是什么？如何实现客户细分，开发符合细分市场的新产品？如何提取客户特征，从而对产品进行市场定位？

1、 市场细分的常用方法

Ø 有指导细分

Ø 无指导细分

2、 聚类分析

Ø 如何更好的了解客户群体和市场细分？

Ø 如何识别客户群体特征？

Ø 如何确定客户要分成多少适当的类别？

Ø 聚类方法原理介绍

Ø 聚类方法作用及其适用场景

Ø 聚类分析的种类

² K均值聚类

² 层次聚类

² 两步聚类

Ø K均值聚类（快速聚类）

案例：移动三大品牌细分市场合适吗？

演练：宝洁公司如何选择新产品试销区域？

演练：如何自动评选优秀员工？

演练：中国各省份发达程度分析，让数据自动聚类

Ø 层次聚类（系统聚类）：发现多个类别

Ø R型聚类与Q型聚类的区别

案例：中移动如何实现客户细分及营销策略

演练：中国省市经济发展情况分析（Q型聚类）

演练：裁判评分的标准衡量，避免“黑哨”（R型聚类）

Ø 两步聚类

3、 客户细分与PCA分析法

Ø PCA主成分分析的原理

Ø PCA分析法的适用场景

演练：利用PCA对汽车客户群进行细分

演练：如何针对汽车客户群设计汽车

第十二部分： 客户价值评估

营销问题：如何评估客户的价值？不同的价值客户有何区别对待？

1、 如何评价客户生命周期的价值

Ø 贴现率与留存率

Ø 评估客户的真实价值

Ø 使用双向表衡量属性敏感度

Ø 变化的边际利润

案例：评估营销行为的合理性

2、 RFM模型（客户价值评估）

Ø RFM模型，更深入了解你的客户价值

Ø RFM模型与市场策略

Ø RFM模型与活跃度分析

演练：“双11”淘宝商家如何选择价值客户进行促销

演练：结合响应模型，宜家IKE实现**大化营销利润

案例：重购用户特征分析

第十三部分： 假设检验

1、 参数检验分析（样本均值检验）

问题：如何验证营销效果的有效性？

Ø 假设检验概述

² 单样本T检验

² 两独立样本T检验

² 两配对样本T检验

Ø 假设检验适用场景

电信行业

案例：电信运营商ARPU值评估分析（单样本）

案例：营销活动前后分析（两配对样本）

金融行业

案例：信用卡消费金额评估分析（单样本）

医疗行业

案例：吸烟与胆固醇升高的分析（两独立样本）

案例：减肥效果评估（两配对样本）

2、 非参数检验分析（样本分布检验）

问题：这些属性数据的分布情况如何？如何从数据分布中看出问题？

Ø 非参数检验概述

² 单样本检验

² 两独立样本检验

² 两相关样本检验

² 两配对样本检验

Ø 非参数检验适用场景

案例：产品合格率检验（单样本-二项分布）

案例：训练新方法有效性检验（两配对样本-符号/秩检验）

案例：促销方式效果检验(多相关样本-Friedman检验)

案例：客户满意度差异检验(多相关样本-Cochran Q检验)

结束：课程总结与问题答疑。