傅一航
课程
大数据分析与挖掘综合能力提升实战
2019-06-05 更新 330次浏览
数据建模过程
预测建模六步法
选择模型：基于业务选择恰当的数据模型
属性筛选：选择对目标变量有显著影响的属性来建模
训练模型：采用合适的算法对模型进行训练，寻找到最合适的模型参数
评估模型：进行评估模型的质量，判断模型是否可用
优化模型：如果评估结果不理想，则需要对模型进行优化
应用模型：如果评估结果满足要求，则可应用模型于业务场景
数据挖掘常用的模型
数值预测模型：回归预测、时序预测等
分类预测模型：逻辑回归、决策树、神经网络、支持向量机等
市场细分：聚类、RFM、PCA等
产品推荐：关联分析、协同过滤等
产品优化：回归、随机效用等
产品定价：定价策略/最优定价等
属性筛选/特征选择/变量降维
基于变量本身特征
基于相关性判断
因子合并（PCA等）
IV值筛选（评分卡使用）
基于信息增益判断（决策树使用）
模型评估
模型质量评估指标：R^2、正确率/查全率/查准率/特异性等
预测值评估指标：MAD、MSE/RMSE、MAPE、概率等
模型评估方法：留出法、K拆交叉验证、自助法等
其它评估：过拟合评估
模型优化
优化模型：选择新模型/修改模型
优化数据：新增显著自变量
优化公式：采用新的计算公式
模型实现算法（暂略）
好模型是优化出来的
案例：通信客户流失分析及预警模型
分类预测模型
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？
分类模型概述
常见分类预测模型
逻辑回归模型
逻辑回归模型原理及适用场景
逻辑回归的种类
二项逻辑回归
多项逻辑回归
如何解读逻辑回归方程
带分类自变量的逻辑回归分析
多元逻辑回归
案例：如何评估用户是否会购买某产品（二元逻辑回归）
案例：多品牌选择模型分析（多元逻辑回归）
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？
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
构建决策树的三个关键问题
如何选择最佳属性来构建节点
如何分裂变量
修剪决策树
选择最优属性
熵、基尼索引、分类错误
属性划分增益
如何分裂变量
多元划分与二元划分
连续变量离散化（最优划分点）
修剪决策树
剪枝原则
预剪枝与后剪枝
构建决策树的四个算法
C5.0、CHAID、CART、QUEST
各种算法的比较
如何选择最优分类模型？
案例：商场酸奶购买用户特征提取
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
人工神经网络（ANN）
神经网络概述
神经网络基本原理
神经网络的结构
神经网络的建立步骤
神经网络的关键问题
BP反向传播网络（MLP）
径向基网络（RBF）
案例：评估银行用户拖欠货款的概率
判别分析（DA）
判别分析原理
距离判别法
典型判别法
贝叶斯判别法
案例：MBA学生录取判别分析
案例：上市公司类别评估
最近邻分类（KNN）
基本原理
关键问题
贝叶斯分类（NBN）
贝叶斯分类原理
计算类别属性的条件概率
估计连续属性的条件概率
贝叶斯网络种类：TAN/马尔科夫毯
预测分类概率（计算概率）
案例：评估银行用户拖欠货款的概率
支持向量机（SVM）
SVM基本原理
线性可分问题：最大边界超平面
线性不可分问题：特征空间的转换
维空难与核函数
分类模型优化
集成方法的基本原理：利用弱分类器构建强分类模型
选取多个数据集，构建多个弱分类器
多个弱分类器投票决定
集成方法/元算法的种类
Bagging算法
Boosting算法
Bagging原理
如何选择数据集
如何进行投票
随机森林
Boosting的原理
AdaBoost算法流程
样本选择权重计算公式
分类器投票权重计算公式
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？
市场细分的常用方法
有指导细分
无指导细分
聚类分析
如何更好的了解客户群体和市场细分？
如何识别客户群体特征？
如何确定客户要分成多少适当的类别？
聚类方法原理介绍
聚类方法作用及其适用场景
聚类分析的种类
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
层次聚类（系统聚类）：发现多个类别
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）
两步聚类
主成分分析
主成分分析方法介绍
主成分分析基本思想
主成分分析步骤
案例：如何评估汽车购买者的客户细分市场
客户价值分析
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？
如何评价客户生命周期的价值
贴现率与留存率
评估客户的真实价值
使用双向表衡量属性敏感度
变化的边际利润
案例：评估营销行为的合理性
RFM模型（客户价值评估）
RFM模型，更深入了解你的客户价值
RFM模型与市场策略
RFM模型与活跃度分析
案例：淘宝客户价值评估与促销名单
案例：重购用户特征分析
产品推荐模型
问题：购买A产品的顾客还常常要购买其他什么产品？应该给客户推荐什么产品最有可能被接受？
常用产品推荐模型
关联分析
如何制定套餐，实现交叉/捆绑销售
案例：啤酒与尿布、飓风与蛋挞
关联分析模型原理（Association）
关联规则的两个关键参数
支持度
置信度
关联分析的适用场景
案例：购物篮分析与产品捆绑销售/布局优化
案例：通信产品的交叉销售与产品推荐
协同过滤
产品设计优化
联合分析法
离散选择模型
如何评估客户购买产品的概率
如何指导产品开发？如何确定产品的重要特性
竞争下的产品动态调价
如何评估产品的价格弹性
案例：产品开发与设计分析
案例：品牌价值与价格敏感度分析
案例：纳什均衡价格
品牌价值评估
新产品市场占有率评估
产品定价策略及产品最优定价
营销问题：产品如何实现最估定价？套餐价格如何确定？采用哪些定价策略可达到利润最大化？
常见的定价方法
产品定价的理论依据
需求曲线与利润最大化
如何求解最优定价
案例：产品最优定价求解
如何评估需求曲线
价格弹性
曲线方程（线性、乘幂）
如何做产品组合定价
如何做产品捆绑/套餐定价
最大收益定价（演进规划求解）
避免价格反转的套餐定价
案例：电信公司的宽带、IPTV、移动电话套餐定价
非线性定价原理
要理解支付意愿曲线
支付意愿曲线与需求曲线的异同
案例：双重收费如何定价（如会费+按次计费）
阶梯定价策略
案例：电力公司如何做阶梯定价
数量折扣定价策略
案例：如何通过折扣来实现薄利多销
定价策略的评估与选择
案例：零售公司如何选择最优定价策略
航空公司的收益管理
收益管理介绍
如何确定机票预订限制
如何确定机票超售数量
如何评估模型的收益
案例：FBN航空公司如何实现收益管理（预订/超售）
信用评分卡模型
信用评分卡模型简介
评分卡的关键问题
信用评分卡建立过程
筛选重要属性
数据集转化
建立分类模型
计算属性分值
确定审批阈值
筛选重要属性
属性分段
基本概念：WOE、IV
属性重要性评估
数据集转化
连续属性最优分段
计算属性取值的WOE
建立分类模型
训练逻辑回归模型
评估模型
得到字段系数
计算属性分值
计算补偿与刻度值
计算各字段得分
生成评分卡
确定审批阈值
画K-S曲线
计算K-S值
获取最优阈值
实战篇
电信业客户流失预警和客户挽留模型实战
银行欠贷风险预测模型实战
银行信用卡评分模型实战
结束：课程总结与问题答疑。
课程标签：市场营销、大数据营销
