数据挖据的基础——
数据仓库概述 |
- 介绍数据仓库概念
- 介绍数据仓库发展过程
- 介绍行业数据仓库及BI的解决方案
- 介绍数据仓库中数据分析的工作模式及数据管控原则
|
| 数据挖掘概述 |
- 介绍数据挖掘流程
- 介绍数据挖掘与数据仓库的关系
- 介绍数据挖掘和报表/OLAP的不同
- 介绍适用数据挖掘的业务问题及数据挖掘的商业价值
- 辨析对数据挖掘的误解
- 介绍数据挖掘的成功因素
|
| 数据挖掘方法论 |
- 介绍数据挖掘方法论的初衷
- 介绍数据挖掘方法论CRISP-DM的历史
- 介绍CRISP-DM的步骤、每一步的相关任务及需要关注的问题
|
| 数据理解与数据准备 |
|
| 预测性数据挖掘算法原理——决策树 |
- 介绍决策树的应用场景和主要应用
- 介绍决策树的基本原理
- 如何评估、提高决策树模型的稳定性
- 案例分析
|
| 预测性数据挖掘算法原理——回归分析 |
- 介绍线性回归模型及其适用场景
- 介绍Logistic回归及其适用场景
- 介绍Logistic回归的数据预处理
- 介绍回归中重要的问题，包括多重共线
- 介绍逐步回归的方法
- 案例分析
|
预测性数据挖掘算法原理——神经网络
|
- 介绍神经网络与一般回归模型的关系
- 介绍神经网络的基本原理
- 介绍数据预处理 案例分析
|
| 描述性数据挖掘算法原理——聚类 |
- 介绍聚类与预测的区别
- 介绍聚类分析的适用场景和主要应用
- 介绍聚类的基本原理
- 介绍影响聚类结果的因素
- 案例分析
|
| 描述性数据挖掘算法原理——关联规则 |
- 介绍关联规则的应用场景和主要应用
- 介绍关联规则的基本原理
- 介绍关联规则的重要度量
- 案例分析
|
| 总结——企业级数据分析与挖掘能力体系建设 |
- 分析与挖掘的业务价值框架
- 分析与挖掘的管理框架
- 组织架构与部门职能
- 人才培养和能力提升体系
- 客户360信息管理
- 分析挖掘流程管理
|
