大數據挖掘工具: SPSS Statistics入門與提高

【課程目標】

本課程為數據分析和挖掘的工具篇，本課程面向數據分析部等專門負責數據分析與挖掘的人士，專注大數據挖掘工具SPSS Statistics的培訓。

IBM SPSS工具是面向非專業人士的高級的分析工具（挖掘工具），它提供大量的分析方法和分析模型，能夠解決更復雜的業務問題，比如影響因素分析、客戶行為預測/精準營銷、客戶群劃分、產品交叉銷售、產品銷量預測等等。工具它封裝了復雜難懂的算法實現，即使你沒有深厚的技能能力，也能夠勝任復雜的數據分析和挖掘。

本課程從實際的業務需求出發，對數據分析及數據挖掘技術進行了全面的介紹，將數據挖掘標準流程、分析思路、分析方法、分析模型，全部落地在SPSS工具中，通過大量的工具操作和演練，幫助學員熟練掌握SPSS工具的使用，并能夠將SPSS工具在實際的業務數據分析中滿地，實現“知行合一”。

通過本課程的學習，達到如下目的：

1、 了解大數據挖掘的標準過程和挖掘步驟

2、 掌握常用的統計分析方法，以及可視化

3、 掌握常用的影響因素分析方法，學會根因分析

4、 理解數據挖掘的常見模型，原理及適用場景。

5、 熟練掌握SPSS基本操作，能利用SPSS解決實際的商業問題。

【授課時間】

2~4天時間，或根據客戶需求選擇（每天6個小時）

【授課對象】

市場部、業務支撐部、數據分析部、運營分析部等對業務數據分析有較高要求的相關人員。

【學員要求】

1、 每個學員自備一臺便攜機(必須)。

2、 便攜機中事先安裝好Microsoft Office Excel 2013版本及以上。

3、 便攜機中事先安裝好SPSS Statistics v24版本及以上。

注：講師可以提供試用版本軟件及分析數據源。

【授課方式】

基礎知識精講 + 案例演練 + 實際業務問題分析 + 工具實際操作

本課程突出數據挖掘的實際應用，結合行業的典型應用特點，從實際問題入手，引出相關知識，進行大數據的收集與處理；引導學員思考，構建分析模型，進行數據分析與挖掘，以及數據呈現與解讀，全過程演練操作，以達到提升學員的數據綜合分析能力，支撐運營決策的目的。

【課程大綱】

第一部分： 數據挖掘標準流程

1、 數據挖掘概述

2、 數據挖掘的標準流程（CRISP-DM）

? 商業理解

? 數據準備

? 數據理解

? 模型建立

? 模型評估

? 模型應用

案例：客戶流失預測及客戶挽留

3、 數據集概述

4、 SPSS工具介紹

5、 數據挖掘常用模型

第二部分： 數據預處理

如何整理數據，了解數據，對數據進行預處理？

1、 數據預處理的四大任務

? 數據集成：多個數據集合并

? 數據清洗：異常值的處理

? 樣本處理：樣本篩選、樣本抽樣、樣本平衡

? 變量處理：變量變換、變量派生、變量精簡

2、 數據集成（數據集合并）

? 樣本追加（添加數據行）：橫向合并

? 變量合并（添加變量列）：縱向合并

3、 數據清洗（異常數據處理）

? 取值范圍限定

? 重復值處理

? 無效值/錯誤值處理

? 缺失值處理

? 離群值/極端值處理

? 數據質量評估

4、 樣本處理：行處理

? 樣本篩選：指定條件篩選指定樣本集（減少樣本數量）

? 樣本抽樣：隨機抽取部分樣本集（減少樣本數量）

? 樣本平衡：正反樣本比例均衡

5、 變量處理：列處理

? 變量變換：原變量取值更新，比如標準化

? 變量派生：根據舊變量生成新的變量

? 變量精簡：變量刪除/降維，減少變量個數

? 類型轉換：數據類型的相互轉換

6、 變量精簡/變量降維常用方法

? 常用降維方法

? 如何確定降維后變量個數

? 特征選擇：選擇重要變量，剔除不重要變量

2 基于變量本身特征來選擇屬性

2 基于數據間的相關性來選擇屬性

2 利用IV值篩選

2 基于信息增益來選擇屬性

? 因子合并：將多個變量進行合并

2 PCA主成分分析

2 判別分析

7、 類型轉換

8、 因子合并/主成分分析

? 因子分析的原因

? 因子個數選擇原則

? 如何解讀因子含義

案例：提取影響電信客戶流失的主成分分析

9、 數據探索性分析

? 常用統計指標分析

? 單變量：數值變量/分類變量

? 雙變量：交叉分析/相關性分析

? 多變量：特征選擇、因子分析

演練：描述性分析（頻數、描述、探索、分類匯總）

第三部分： 數據可視化

1、 數據可視化的原則

2、 常用可視化工具

3、 常用可視化圖形

? 柱狀圖、條形圖、餅圖、折線圖、箱圖、散點圖等

4、 圖形的表達及適用場景

演練：各種圖形繪制

第四部分： 影響因素分析篇

營銷問題：哪些因素是影響業務目標的關鍵要素？比如，產品在貨架上的位置是否對銷量有影響？價格和廣告開銷是如何影響銷量的？影響風控的關鍵因素有哪些？如何判斷？

1、 影響因素分析的常見方法

2、 相關分析（衡量兩數據型變量的線性相關性）

? 相關分析簡介

? 相關分析的應用場景

? 相關分析的種類

2 簡單相關分析

2 偏相關分析

2 距離相關分析

? 相關系數的三種計算公式

2 Pearson相關系數

2 Spearman相關系數

2 Kendall相關系數

? 相關分析的假設檢驗

? 相關分析的四個基本步驟

演練：營銷費用會影響銷售額嗎？影響程度如何量化？

演練：哪些因素與汽車銷量有相關性

演練：影響用戶消費水平的因素會有哪些

? 偏相關分析

2 偏相關原理：排除不可控因素后的兩變量的相關性

2 偏相關系數的計算公式

2 偏相關分析的適用場景

? 距離相關分析

3、 方差分析（衡量類別變量與數值變量間的相關性）

? 方差分析的應用場景

? 方差分析的三個種類

2 單因素方差分析

2 多因素方差分析

2 協方差分析

? 單因素方差分析的原理

? 方差分析的四個步驟

? 解讀方差分析結果的兩個要點

演練：擺放位置與銷量有關嗎

演練：客戶學歷對消費水平的影響分析

演練：廣告和價格是影響終端銷量的關鍵因素嗎

演練：營業員的性別、技能級別對產品銷量有影響嗎

演練：尋找影響產品銷量的關鍵因素

? 多因素方差分析原理

? 多因素方差分析的作用

? 多因素方差結果的解讀

演練：廣告形式、地區對銷量的影響因素分析

? 協方差分析原理

? 協方差分析的適用場景

演練：排除產品價格，收入對銷量有影響嗎？

4、 列聯分析/卡方檢驗（兩類別變量的相關性分析）

? 交叉表與列聯表：計數值與期望值

? 卡方檢驗的原理

? 卡方檢驗的幾個計算公式

? 列聯表分析的適用場景

案例：套餐類型對客戶流失的影響分析

案例：學歷對業務套餐偏好的影響分析

案例：行業/規模對風控的影響分析

5、 相關性分析方法總結

第五部分： 回歸預測模型

營銷問題：如何預測未來的產品銷量/銷售額？如果產品跟隨季節性變動，該如何預測？

1、 回歸分析簡介和原理

2、 回歸分析的種類

? 一元回歸/多元回歸

? 線性回歸/非線性回歸

3、 常用回歸分析方法

? 散點圖+趨勢線（一元）

? 線性回歸工具（多元線性）

? 規劃求解工具（非線性回歸）

演練：散點圖找營銷費用與銷售額的關系

4、 線性回歸分析的五個步驟

演練：營銷費用、辦公費用與銷售額的關系（線性回歸）

5、 線性回歸方程的解讀技巧

? 定性描述：正相關/負相關

? 定量描述：自變量變化導致因變量的變化程度

6、 回歸預測模型評估

? 質量評估指標：判定系數R^2

? 如何選擇最佳回歸模型

演練：如何選擇最佳的回歸預測模型（一元曲線回歸）

7、 帶分類自變量的回歸預測

演練：汽車季度銷量預測

演練：工齡、性別與終端銷量的關系

演練：如何評估銷售目標與資源最佳配置

第六部分： 回歸模型優化

1、 回歸分析的基本原理

? 三個基本概念：總變差、回歸變差、剩余變差

? 方程的顯著性檢驗：方程可用性

? 因素的顯著性檢驗：因素可用性

? 方程擬合優度檢驗：質量好壞程度

? 理解標準誤差含義：預測準確性？

2、 回歸模型優化措施：尋找最佳回歸擬合線

? 如何處理預測離群值（剔除離群值）

? 如何剔除不顯著因素（剔除不顯著因素）

? 如何進行非線性關系檢驗（增加非線性自變量）

? 如何進行相互作用檢驗（增加相互作用自變量）

? 如何進行多重共線性檢驗（剔除共線性自變量）

演練：模型優化演示

3、 好模型都是優化出來的

第七部分： 自定義回歸模型

1、 回歸建模的本質

2、 規劃求解工具簡介

3、 自定義回歸模型

案例：如何對客流量進行建模預測及模型優化

4、 回歸季節預測模型模型

? 回歸季節模型的原理及應用場景

? 加法季節模型

? 乘法季節模型

? 模型解讀

案例：美國航空旅客里程的季節性趨勢分析

5、 新產品累計銷量的S曲線

? S曲線模型的應用場景（最大累計銷量及銷量增長的拐點）

? 珀爾曲線

? 龔鉑茲曲線

案例：如何預測產品的銷售增長拐點，以及銷量上限

演練：預測IPad產品的銷量

第八部分： 回歸模型質量評估

1、 定量預測模型的評估

? 方程顯著性評估

? 因素顯著性評估

? 擬合優度的評估

? 估計標準誤差評估

? 預測值準確度評估

2、 模型擬合度評估

? 判定系數：

? 調整判定系數：

3、 預測值準確度評估

? 平均絕對誤差：MAE

? 根均方差：RMSE

? 平均誤差率：MAPE

4、 其它評估：殘差檢驗、過擬合檢驗

第九部分： 時序預測模型

營銷問題：像利率/CPI/GDP等按時序變化的指標如何預測？當銷量隨季節周期變動時該如何預測？

1、 回歸預測vs時序預測

2、 因素分解思想

3、 時序預測常用模型

? 趨勢擬合

? 季節擬合

? 平均序列擬合

4、 評估預測值的準確度指標：MAD、RMSE、MAPE

5、 移動平均（MA）

? 應用場景及原理

? 移動平均種類

2 一次移動平均

2 二次移動平均

2 加權移動平均

2 移動平均比率法

? 移動平均關鍵問題

2 如何選取最優參數N

2 如何確定最優權重系數

演練：平板電腦銷量預測及評估

演練：快銷產品季節銷量預測及評估

6、 指數平滑（ES）

? 應用場景及原理

? 最優平滑系數的選取原則

? 指數平滑種類

2 一次指數平滑

2 二次指數平滑（Brown線性、Holt線性、Holt指數、阻尼線性、阻尼指數）

2 三次指數平滑

演練：煤炭產量預測

演練：航空旅客量預測及評估

7、 溫特斯季節預測模型

? 適用場景及原理

? Holt-Winters加法模型

? Holt-Winters乘法模型

演練：汽車銷量預測及評估

8、 平穩序列模型（ARIMA）

? 序列的平穩性檢驗

? 平穩序列的擬合模型

2 AR(p)自回歸模型

2 MA(q)移動模型

2 ARMA(p,q)自回歸移動模型

? 模型的識別與定階

2 ACF圖/PACF圖

2 最小信息準則

? 序列平穩化處理

2 變量變換

2 k次差分

2 d階差分

? ARIMA(p,d,q)模型

演練：上海證券交易所綜合指數收益率序列分析

演練：服裝銷售數據季節性趨勢預測分析

? 平穩序列的建模流程

第十部分： 分類預測模型篇

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？

1、 分類模型概述及其應用場景

2、 常見分類預測模型

3、 邏輯回歸（LR）

? 邏輯回歸的適用場景

? 邏輯回歸的模型原理

? 邏輯回歸分類的幾何意義

? 邏輯回歸的種類

2 二項邏輯回歸

2 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

? 多項邏輯回歸/多分類邏輯回歸

案例：如何評估用戶是否會購買某產品（二項邏輯回歸）

案例：多品牌選擇模型分析（多項邏輯回歸）

4、 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

? 決策樹分類的幾何意義

? 構建決策樹的三個關鍵問題

2 如何選擇最佳屬性來構建節點

2 如何分裂變量

2 修剪決策樹

? 選擇最優屬性生長

2 熵、基尼索引、分類錯誤

2 屬性劃分增益

? 如何分裂變量

2 多元劃分與二元劃分

2 連續變量離散化（最優分割點）

? 修剪決策樹

2 剪枝原則

2 預剪枝與后剪枝

? 構建決策樹的四個算法

2 C5.0、CHAID、CART、QUEST

2 各種算法的比較

? 如何選擇最優分類模型？

案例：商場用戶的典型特征提取

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

? 多分類決策樹

案例：不同套餐用戶的典型特征

? 決策樹模型的保存與應用

5、 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

? 神經網絡分類的幾何意義

? 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

6、 判別分析（DA）

? 判別分析原理

? 判別分析種類

? Fisher線性判別分析

案例：MBA學生錄取判別分析

案例：上市公司類別評估

7、 最近鄰分類（KNN）

? KNN模型的基本原理

? KNN分類的幾何意義

? K近鄰的關鍵問題

第十一部分： 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？

1、 市場細分的常用方法

? 有指導細分

? 無指導細分

2、 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

2 K均值聚類

2 層次聚類

2 兩步聚類

? 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：如何自動評選優秀員工？

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

3、 客戶細分與PCA分析法

? PCA主成分分析的原理

? PCA分析法的適用場景

演練：利用PCA對汽車客戶群進行細分

演練：如何針對汽車客戶群設計汽車

第十二部分： 客戶價值評估

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？

1、 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

2、 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

演練：“雙11”淘寶商家如何選擇價值客戶進行促銷

演練：結合響應模型，宜家IKE實現最大化營銷利潤

案例：重購用戶特征分析

第十三部分： 假設檢驗

1、 參數檢驗分析（樣本均值檢驗）

問題：如何驗證營銷效果的有效性？

? 假設檢驗概述

2 單樣本T檢驗

2 兩獨立樣本T檢驗

2 兩配對樣本T檢驗

? 假設檢驗適用場景

電信行業

案例：電信運營商ARPU值評估分析（單樣本）

案例：營銷活動前后分析（兩配對樣本）

金融行業

案例：信用卡消費金額評估分析（單樣本）

醫療行業

案例：吸煙與膽固醇升高的分析（兩獨立樣本）

案例：減肥效果評估（兩配對樣本）

2、 非參數檢驗分析（樣本分布檢驗）

問題：這些屬性數據的分布情況如何？如何從數據分布中看出問題？

? 非參數檢驗概述

2 單樣本檢驗

2 兩獨立樣本檢驗

2 兩相關樣本檢驗

2 兩配對樣本檢驗

? 非參數檢驗適用場景

案例：產品合格率檢驗（單樣本-二項分布）

案例：訓練新方法有效性檢驗（兩配對樣本-符號/秩檢驗）

案例：促銷方式效果檢驗(多相關樣本-Friedman檢驗)

案例：客戶滿意度差異檢驗(多相關樣本-Cochran Q檢驗)

結束：課程總結與問題答疑。