SPSS-数据挖掘基础.pptx

SPSS 数据挖掘培训培训内容 第一章 SPSS 数据挖掘简介第二章 数据获取第三章 数据质量第四章 数据处理第五章 寻找数据之间的关系第六章 复杂数据处理第七章 建模前数据准备第一章 SPSS Modeler数据挖掘简介内容：数据挖掘概念和技术简介介绍CRISP-DM (跨行业数据挖掘标准流程)介绍数据挖掘环境介绍基本操作数据挖掘数据挖掘定义：用已验证的方法从大量数据中发掘出可采取行动的内在知识，从而改善企业运营。已验证的方法数据知识改善运营数据挖掘技术：预测与分类聚类关联性分析序列分析异常监测时间序列分析运营教育程度非大学毕业大学毕业收入低收入高收入预测与分类对将来发生的事情进行预测聚类分析基于事物的属性进行自动归类1 3 2 关联分析关联可能一起发生的事件1 2 3 主页电子商店结帐序列相关分析确定事件发生的序列异常分析从正常群体中筛选出行为异常的个体时间序列分析基于事物发展的延续性和随机性预测事物未来的发展1.2 数据挖掘应用应用领域数据挖掘越来越多的应用到了各个领域中，主要包括与客户关系管理相关的模型、与风险控制相关的模型、与生产销售预测相关的模型等。顾客细分扼要描述流失顾客 Scoring模型CRM 模型市场活动反应模型商品推荐模型产品生产需要预测模型收入推算模型预测模型销售预测模型网络浏览量预测模型贷款拖欠管理模型新加入/流失顾客Scoring模型揭发保险欺诈模型信用评价模型数据挖掘金融模型Risk 管理模型早期预警模型揭发欺诈模型质量保证(Warranty) 分析模型Risk 管理模型商圈分析统计质量管理模型生物学相关模型LTV (Life Time Value)其它统计模型 1.2 数据挖掘应用制造业制造业数据挖掘应用主题电子产品Cross-selling, Up-selling关于轿车产品的需求预测不良钢铁制造工艺的预测轮胎质量管理库存最优化分析轿车质量保证（Warranty）分析产品收益性分析轿车顾客的细分扼要描述……1.2 数据挖掘应用金融业金融业数据挖掘应用主题各保险种类 死亡率差异损失早期预警系统银行顾客收益性终生价值管理金融商品的 Cross-selling, Up-selling银行贷款信用评价放款限额揭发保费申请欺诈 (FDS)保险新顾客的吸引 维护管理银行顾客细分 扼要描述 保险Underwriting List管理……1.2 数据挖掘应用零售业零售业数据挖掘应用主题化妆品二次销售分析 (Re-selling)大型超市二次销售分析(Cross/Up-selling)网络Shopping Mall库存最优化分析会员顾客细分扼要描述大型超市产品的需求预测连锁卖场相关分析百货店商品相关性分析网店活动反应预测分析……1.2 数据挖掘应用通信业通信行业数据挖掘应用主题使用手机的顾客细分特征描述现存顾客收益性终生管理以手机顾客的倾向为基础，进行内容推荐分析服务质量商品生命周期分析防止移动通信公司顾客流失无线网络上网流量分析手机上商品的Up-selling移动通信新顾客的维护……1.2 数据挖掘应用政府/公共领域政府/公共领域数据挖掘应用主题各种犯罪事件相关的安全性分析探查个人/企业的偷税漏税情况通过预测交通量来设置停车场交通事故原因分析收集统计信息，预防各种灾难高速公路交通量预测经济指标的预测旅游景点人数预测……1.2 数据挖掘应用其他领域其它领域(医院, 航空公司, 广告公司, 学校等)数据挖掘应用主题审查医疗保险申请航空公司销售需求预测疾病关联分析广告收视率预测顾客收益性终生价值管理旅行商品的Up-selling医院医疗事故原因分析医院顾客的维护预防流失……CRISP-DM 过程模型跨行业数据挖掘标准过程（CRISP－DM）定位是面向行业、工具导向、面向应用适用于大型工业和商业实践的一般标准六个阶段：商业理解数据理解数据准备建模模型评估结果发布CRISP-DM——商业理解商业理解 数据 理解数据准备建立模型模型评估结果发布确定商业目标背景商业目标成功标准形势评估拥有资源需求、假定和限制风险和偶然性专业术语成本和收益确定数据挖掘目标数据挖掘目标数据挖掘成功标准制定项目计划项目计划工具和方法评估CRISP-DM——数据理解商业理解 数据 理解数据准备建立模型模型评估结果发布收集原始数据数据收集报告数据描述数据描述报告数据探索性分析探索性数据分析报告数据质量描述数据质量报告数据挖掘项目实施过程——数据理解举例数据字典描述业务假设验证——主要业务假设参考因素和分析目标的关联程度如何？ 业务假设不成立 业务假设成立数据质量分析——关注的因素数据质量如何？缺失率是否严重？√CRISP-DM——数据准备商业理解 数据 理解数据准