25000/天
講師課程更多
-
2015-10-14...查看詳情>> 第一部分：Hadoop的基本框架 1、大數據時代面臨的問題 2、當前解決大數據的技術方案 3、Hadoop和云計算 4、Hadoop和大數據存儲 5、Hadoop和商業智能系統 第二部分：Hadoop的基本框架 1、Hadoop的環境準備 2、Hadoop的設計理念 3、Hadoop的架構介紹 4、Hadoop的基石：HDFS介紹 HDSF基本組成 HDFS工作原理 HDFS的容錯 HDFS的文件系統操作 HDFS基本編程接口 案例演練：HDFS編程示例 5、分布治之的智慧：MapReduce MapReduce的并行計算思想 MapReduce的基本成功 MapReduce的工作機制 MapReduce的編程接口 案例演練：MapReduce編程示例 6、分布式數據庫：HBase HBase基本功能特點 HBase的組成結構 HBase數據模型 HBase讀寫操作特性 案例演練：HBase編程示例 7、分布式數據倉庫：Hive Hive架構 Hive數據類型和存儲格式 HQL數據表命令 HQL數據操作 HQL數據查詢 案例演練：Hive編程示例 8、數據雙向交換：Sqoop Sqoop功能 Sqoop的使用 第三部分：Hadoop的性能優化 1、性能優化內容 2、硬件優化 3、操作系統優化 4、JVM調優 5、Hadoop參數優化 6、海量數據處理的經驗和技巧 第四部分：商業智能系統項目開發實踐 1、項目功能需求 2、系統結構設計 數據存儲 數據獲取 數據服務層 3、數據倉庫結構 4、數據導入、導出模型設計 5、數據分析工具模塊 6、數據清洗模型 7、購買轉化率模型與實現 8、用戶聚類模型與實現 結束：課程總結與問題答疑。
-
2015-10-14...查看詳情>> 第一部分：數據統計基礎知識（基礎，決定你的高度） 1、三大統計軟件工具介紹 SAS統計分析系統 SPSS統計產品與服務解決方案 BMDP生物醫學數據處理軟件 2、數據統計基礎知識 集中程度：均值、中位數、眾數 離開程度：方差、標準差、極差 分布趨勢：偏度、峰度 3、概率統計基礎知識 概率基本概念 條件概率 4、數據挖掘概述 5、數據挖掘標準流程（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 案例演練：客戶流失挖掘過程展示 第二部分：SPSS操作入門 1、數據挖掘基礎操作 SPSS功能介紹 數據錄入 數據外部數據導入（文本、Excel表格、數據庫、其它） 2、數據預處理 數據排序（排序個案） 重復數據處理（標識重復個案） 缺失值處理（替換缺失值） 生成新變量（計算變量、重新編碼） 數據分組（分類匯總） 數據合并（合并文件） 3、描述性統計 連續變量統計描述 分類變量統計描述 第三部分：統計圖表分析（看圖說話） 1、柱狀圖 2、線圖 3、餅圖 4、高低圖 5、箱圖 6、散點圖 7、直方圖 8、莖葉圖 案例演練：圖形繪制 第四部分：基于統計方法論的數據分析 1、參數檢驗分析（樣本均值檢驗） 假設檢驗概述 參數檢驗適用場景 案例演練：信用卡消費評估分析 案例演練：吸煙對膽固醇指標影響的評估 案例演練：促銷效果評估 2、非參數檢驗（樣本分布檢驗） 非參數檢驗概述 非參數檢驗適用場景 案例演練：產品合格率檢驗 案例演練：兒童身高差異檢驗 案例演練：制造工藝差異檢驗 案例演練：訓練新方法有效性檢驗 案例演練：促銷方式效果檢驗 案例演練：客戶滿意度差異檢驗 3、相關分析（相關程度計算） 相關分析概述 案例演練：腰圍與體重的相關分析 案例演練：家庭生活開支的相關分析 4、方差分析（影響因素分析） 方差分析概述 偏方差分析 案例演練：廣告形式、地區對銷量的影響因素分析 案例演練：飼料與生豬體重的影響分析 5、時間序列分析（預測分析） 時序分析概述 案例演練：電視機銷量預測分析 案例演練：上海證券交易所綜合指數收益率序列分析 案例演練：汽車銷量預測分析 6、回歸分析（預測分析） 回歸分析概述 線性回歸分析 案例演練：工資與工齡的關系分析 邏輯回歸分析 案例演練：客戶購買預測分析 案例演練：品牌選擇預測分析 第五部分：SPSS高級數據挖掘分析 7、聚類分析（Clustering） 聚類方法原理介紹 系統聚類 案例演練：小康指數劃分 案例演練：裁判標準一致性分析 K均值聚類 案例演練：商場服務獎項獎選擇 8、分類分析（Classification） 決策樹原理介紹 案例演練：銀行低信用客戶特征分析 案例演練：電信行業客戶流失預警與客戶挽留 9、關聯分析（Association） 關聯規則原理介紹 案例演練：產品交叉銷售與布局優化分析 10、客戶價值評估RFM模型 RFM模型介紹 案例演練：客戶價值評估分析 案例演練：重購用戶特征分析 第六部分：電信客戶流失之真實數據分析實踐 結束：課程總結與問題答疑。
-
2015-10-14...查看詳情>> 第一部分：認識大數據 1、 大數據時代已經來臨 2、 大數據戰略 3、 大數據的4V特征 大規模（Volume） 多樣性（Variety） 高速度（Velocity） 價值性（Value） 4、 大數據的應用領域 生活領域 金融領域 行政執法 商業領域 5、 數據分析與經營決策 第二部分：認識數據分析 1、 認識數據分析 什么是數據分析 數據分析的三大作用 數據分析的三大類型 2、 數據分析與挖掘在行業的應用 客戶市場細分與精準營銷 客戶流失預警與客戶挽留 產品交叉銷售與套餐捆綁 營銷效果評估與廣告投放 客戶價值評估與忠誠度 銷售趨勢分析與銷售預測 客戶滿意度分析與影響因素 3、 數據分析的六步曲 步驟1：需求明確--理清思路 步驟2：數據收集—理清思路 步驟3：數據預處理--尋找答案 步驟4：數據分析--尋找答案 步驟5：數據展示--觀點表達 步驟6：報表撰寫--觀點表達 案例演練：Excel數據導入練習 案例演練：Excel數據預處理練習 第三部分：數據分析方法篇 1、 基本數據分析方法 對比分析、分組分析、結構分析、平均分析、交叉分析 案例演練：數據統計應用（二維交叉表-透視表） 2、 綜合數據分析方法 多維數據分析（綜合評價法） 財務數據分析（杜邦分析法） 流失率與轉化率分析（漏斗分析法） 產品策略分析（象限圖分析法） 案例演練：品牌認知度分析 第四部分：數據分析方法論篇 1、 數據分析的思想與框架 2、 企業外部環境分析（PEST分析法） 案例演練：電信行業情況分析 3、 用戶消費行為分析（5W2H分析法） 案例演練：用戶消費行為分析（5W2H） 4、 公司整體經營情況分析（4P營銷理論） 5、 業務問題專題分析（邏輯樹分析法） 6、 用戶使用行為研究（用戶使用行為分析法） 第五部分：數據挖掘篇 1、 什么是數據挖掘 2、 數據挖掘的發展歷程 3、 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 4、 數據挖掘技術實踐 SPSS基本操作：數據導入、計算變量、描述性統計 參數檢驗分析（樣本均值檢驗） 案例演練：信用卡消費評估分析 案例演練：吸煙對膽固醇指標影響的評估 案例演練：促銷效果評估 非參數檢驗分析（樣本分布檢驗） 案例演練：產品合格率檢驗 案例演練：兒童身高差異檢驗 案例演練：制造工藝差異檢驗 案例演練：訓練新方法有效性檢驗 案例演練：促銷方式效果檢驗 案例演練：客戶滿意度差異檢驗 方差分析（影響因素分析） 案例演練：廣告形式、地區對銷量的影響因素分析 案例演練：飼料與生豬體重的影響分析 相關分析（相關程度計算） 案例演練：腰圍與體重的相關分析 案例演練：家庭生活開支的相關分析 回歸分析（預測分析） 案例演練：工資與工齡的關系分析 案例演練：客戶購買預測分析 案例演練：品牌選擇預測分析 時間序列分析（預測分析） 案例演練：電視機銷量預測分析 案例演練：上海證券交易所綜合指數收益率序列分析 案例演練：汽車銷量預測分析 聚類分析（Clustering） 案例演練：小康指數劃分 案例演練：裁判標準一致性分析 案例演練：商場服務獎項獎選擇 分類分析（Classification） 案例演練：銀行低信用客戶特征分析 案例演練：電信行業客戶流失預警與客戶挽留 關聯分析（Association） 案例演練：超市商品交叉銷售與布局優化 RFM模型 案例演練：用戶價值評估與促銷名單 案例演練：重購用戶特征分析 預測分析（回歸分析） 案例演練：產品銷量預測分析 第六部分：圖表呈現篇 1、 圖表類型與作用 2、 常用圖形 柱狀圖（對比分析） 條形圖（對比分析） 折線圖（數據趨勢分析） 餅圖（產品組成分析） 雷達圖（多重數據比較） 案例演練：圖形繪制 3、 復雜圖形 平均線圖（對比分析） 雙坐標圖（不同量綱呈現） 對稱條形圖（對比） 瀑布圖（成本、收益構成分析） 漏斗圖（用戶轉化率分析） 散點圖/氣泡圖（用戶、產品分類分析） 帕累托圖/柏拉圖(主要根因分析） 案例演練：圖形繪制 4、 圖表美化原則 簡約 整潔 對比/突出 5、 表格呈現 6、 優秀圖表示例解析 第七部分：分析報告撰寫 1、 分析報告的種類與作用 2、 報告的結構 3、 報告命名的要求 4、 報告的目錄結構 5、 前言 6、 正文 7、 結論與建議 8、 優秀報告展現與解析 結束：課程總結與問題答疑。
請輸入正確的用戶名
