● 熟悉并掌握企業數字化轉型的關鍵并搭建(jian)數字化平臺的方法；

● 掌握統(tong)計方法進(jin)行數(shu)據分析(xi)和(he)業務決策；

● 掌握大數據理念的(de)管(guan)理和(he)運(yun)營關鍵(jian)；

● 掌握大數據進(jin)行精準分析的方法—聚類、決策樹和邏輯回歸；

● 掌握大(da)數(shu)據分析工具RapidMiner的使用(yong)方法，能(neng)根(gen)據(ju)場景選(xuan)用(yong)相應算法進(jin)行大數據(ju)分析。

第一(yi)講：企(qi)業所面臨的數(shu)字化轉型

一、企業數(shu)字化轉(zhuan)型(xing)原因(yin)

1. 數字化改變(bian)商業模式(shi)

1）數(shu)據(ju)變機會(hui)

2）機會變服(fu)務

3）服務變收(shou)入

2. 數字化建立企業優(you)勢

3. 數(shu)字(zi)化提升使用(yong)體驗(yan)

二、數(shu)字(zi)化轉型核心要素

1. 以數據為(wei)中心的智能化發展目標

2. 數字(zi)化平臺的構建

三(san)、員工在企業數字轉型中應該作(zuo)出的應對(dui)

1. IT思維(wei)和(he)業務(wu)思維(wei)相(xiang)融(rong)合

2. 培養開放共享(xiang)的心(xin)態(tai)

3. 圍繞以用戶為中心

4. 提升數據分(fen)析處理能力

第二講(jiang)：利用統計方法實現數據分析

一(yi)、標度的選擇使用

量化感覺、態度、喜好等的方法

二、頻數的(de)選擇使用（衡量對總體(ti)水平的(de)作用程(cheng)度）

1. 餅圖

2. 條形圖(tu)

3. 直方圖

三(san)、基(ji)于統計方(fang)法的分析

1. 分析(xi)異常值與偏斜數據

2. 均值VS中位數VS眾數

3. 全距(ju)/四分位(wei)數的使用

4. 百分位數(shu)與箱(xiang)線圖的使用

5. 方差(cha)VS標準(zhun)差分析變異性VS分散(san)性

6. 利用概率(lv)進行分析

案例1：用戶購(gou)買公司產品概(gai)率的分析

案例2：某(mou)某(mou)企(qi)業員(yuan)工加薪方案的選擇(ze)

四、基(ji)于統計方法的決策

1. 比(bi)較法進行決策

2. 組合(he)法(fa)進(jin)行(xing)決策

3. 貝(bei)葉斯方法進(jin)行(xing)決策

4. 快(kuai)省樹方法進行決(jue)策(ce)

思考：優(you)秀員工如何選(xuan)用統計指標進行(xing)評價

案例(li)：假設檢驗與數(shu)據(ju)證偽保證決策結果的正確

綜合(he)示例：運(yun)用統計指標分析銷售數據尋找方法提(ti)升某產品的銷量(liang)

第(di)三講：利用大數據進(jin)行管理與運營

一、大數據現(xian)狀(zhuang)

1. 大數據時代的標志

2. 六(liu)大(da)趨勢推動大(da)數據發展

3. Hype Cycle技術趨勢(shi)對大數據的判斷(duan)

4. 新基(ji)建戰略(lve)對大數據(ju)的定(ding)位

5. 數字(zi)中國的(de)內容

案例：阿里(li)雙11

二(er)、大數據(ju)4V特征

1. 數量大

2. 多樣性

3. 速度快(kuai)

4. 價值性(xing)

案例：大數據(ju)4V特征在數字化(hua)全量全連接中的應(ying)用

三、把握大數據的三個(ge)關鍵

1. 更多——全(quan)樣本(ben)透視本(ben)質(zhi)

2. 更雜——透過混雜性適(shi)配場景應用

3. 更(geng)(geng)好——把握相關性，提供更(geng)(geng)好服務

案例：三個關(guan)鍵對數(shu)字化實時反饋的影響

案例(li)：大數(shu)據商(shang)業(ye)畫像(xiang)示例——千(qian)人千(qian)面

練習：猜(cai)猜(cai)他是誰(shui)？

四、大數據分(fen)析(xi)

1. 大數據分(fen)析(xi)的困(kun)難

2. 數據即服務(wu)DaaS

討(tao)論：數字化轉型中我們(men)應該關注工作中的哪些管理數據(ju)和(he)業務數據(ju)，它(ta)們(men)的價值和(he)應用難點有哪些？

五、大數據應用

1. 被動式演變成預判式

2. 大數據商業價值(zhi)

3. 大數據在行業的(de)應用

案(an)例：智(zhi)慧(hui)城市(shi)建設

案例：企(qi)業數據地圖實踐

討(tao)論：企業(ye)數(shu)據治理——如何管好用好數(shu)字化平(ping)臺的數(shu)據？

第(di)四講：利用大(da)數據(ju)技術進行(xing)營銷數據(ju)分析

一(yi)、K均值聚(ju)類算法應(ying)用——客戶價(jia)值分析

1. 客戶價值分析有利于(yu)減少(shao)營銷成本

1）理(li)解價值型(xing)客戶

2）差(cha)異化服務(wu)應對不(bu)同(tong)價(jia)值客(ke)戶(hu)

2. 客(ke)戶價值分析方法

1）客戶(hu)價值識別流(liu)程

2）K均(jun)值聚(ju)類(lei)識別客戶價值

a確定(ding)中心

b計(ji)算距離

c確定新中心

d迭代得到最(zui)終分類(lei)

3）針對不(bu)同客(ke)戶價值采用(yong)不(bu)同營(ying)銷策略(lve)

視頻：根(gen)據對象不(bu)同采用不(bu)同策略(lve)的銷(xiao)售視頻

案例：根據客戶(hu)的消(xiao)費(fei)額和交互(hu)屬性進行聚類分析

二、決策樹算(suan)法應用——風(feng)險客(ke)戶分析

1. 傳統風險分析識(shi)別(bie)方法的劣勢

2. 大數據方式下分析識別方法(fa)的(de)改進——決(jue)策(ce)樹算法(fa)應(ying)用(yong)

1）預先建立if-then的(de)判斷規則(ze)

2）數據分析建立的規則——信(xin)息(xi)熵

3）決策樹算法操作思路

4）建立(li)決(jue)策(ce)樹模型進(jin)行(xing)分析

a劃分屬性值

b計算劃分組(zu)的(de)概率

c計算每個劃(hua)分規則下的信息(xi)熵

d選(xuan)擇最小信息熵的規(gui)則(ze)為第一規(gui)則(ze)

e迭代到(dao)樣本分類

案(an)例(li)：警察(cha)是(shi)如何發現罪犯的？

案例(li)：如何分(fen)析是(shi)否適(shi)合作為另一(yi)半

三、邏輯回歸算法應(ying)用——敏(min)感客戶分析

1. 厘清(qing)不同場景下(xia)的敏感客戶(hu)特點

2. 分析敏感(gan)客(ke)戶的關注點

3. 邏輯(ji)回歸(gui)算法的應用(yong)

1）二分類問題

2）個人采用二分法預判的局限性

3）預判二分類問題的優(you)化(hua)

4）二分類結(jie)果預判的(de)本質

5）大(da)數據回歸方法進行二分類預(yu)判

a線性回歸(gui)大數(shu)據方(fang)法

b邏輯回歸大數據(ju)方法(fa)

案例(li)：如(ru)何判斷(duan)對方(fang)是否真心(xin)喜歡(huan)我

案例：回歸方法預(yu)判職業發(fa)展(zhan)

案例：營銷場景中敏感客戶分(fen)析降低投訴率

第五(wu)講(jiang)：Rapid Miner數據分析

1. 分析(xi)接口

2. 導(dao)入數(shu)據

3. 加載數據

4. 進行數據可視(shi)化

5. 進行建模

6. 進行模(mo)型應用

7. 測試模型

8. 進行模型評估

9. 使用擴展

聚類算法練習：客戶價值分析

決(jue)策(ce)樹(shu)算法練習：信用風險評分分析(xi)

邏輯回歸算(suan)法練習：敏(min)感客戶分(fen)析