查看详情>> 第一部分：Hadoop的基本框架 1、大数据时代面临的问题 2、当前解决大数据的技术方案 3、Hadoop和云计算 4、Hadoop和大数据存储 5、Hadoop和商业智能系统 第二部分：Hadoop的基本框架 1、Hadoop的环境准备 2、Hadoop的设计理念 3、Hadoop的架构介绍 4、Hadoop的基石：HDFS介绍 HDSF基本组成 HDFS工作原理 HDFS的容错 HDFS的文件系统操作 HDFS基本编程接口 案例演练：HDFS编程示例 5、分布治之的智慧：MapReduce MapReduce的并行计算思想 MapReduce的基本成功 MapReduce的工作机制 MapReduce的编程接口 案例演练：MapReduce编程示例 6、分布式数据库：HBase HBase基本功能特点 HBase的组成结构 HBase数据模型 HBase读写操作特性 案例演练：HBase编程示例 7、分布式数据仓库：Hive Hive架构 Hive数据类型和存储格式 HQL数据表命令 HQL数据操作 HQL数据查询 案例演练：Hive编程示例 8、数据双向交换：Sqoop Sqoop功能 Sqoop的使用 第三部分：Hadoop的性能优化 1、性能优化内容 2、硬件优化 3、操作系统优化 4、JVM调优 5、Hadoop参数优化 6、海量数据处理的经验和技巧 第四部分：商业智能系统项目开发实践 1、项目功能需求 2、系统结构设计 数据存储 数据获取 数据服务层 3、数据仓库结构 4、数据导入、导出模型设计 5、数据分析工具模块 6、数据清洗模型 7、购买转化率模型与实现 8、用户聚类模型与实现 结束：课程总结与问题答疑。

查看详情>> 第一部分：数据统计基础知识（基础，决定你的高度） 1、三大统计软件工具介绍 SAS统计分析系统 SPSS统计产品与服务解决方案 BMDP生物医学数据处理软件 2、数据统计基础知识 集中程度：均值、中位数、众数 离开程度：方差、标准差、极差 分布趋势：偏度、峰度 3、概率统计基础知识 概率基本概念 条件概率 4、数据挖掘概述 5、数据挖掘标准流程（CRISP-DM） 商业理解 数据准备 数据理解 模型建立 模型评估 模型应用 案例演练：客户流失挖掘过程展示 第二部分：SPSS操作入门 1、数据挖掘基础操作 SPSS功能介绍 数据录入 数据外部数据导入（文本、Excel表格、数据库、其它） 2、数据预处理 数据排序（排序个案） 重复数据处理（标识重复个案） 缺失值处理（替换缺失值） 生成新变量（计算变量、重新编码） 数据分组（分类汇总） 数据合并（合并文件） 3、描述性统计 连续变量统计描述 分类变量统计描述 第三部分：统计图表分析（看图说话） 1、柱状图 2、线图 3、饼图 4、高低图 5、箱图 6、散点图 7、直方图 8、茎叶图 案例演练：图形绘制 第四部分：基于统计方法论的数据分析 1、参数检验分析（样本均值检验） 假设检验概述 参数检验适用场景 案例演练：信用卡消费评估分析 案例演练：吸烟对胆固醇指标影响的评估 案例演练：促销效果评估 2、非参数检验（样本分布检验） 非参数检验概述 非参数检验适用场景 案例演练：产品合格率检验 案例演练：儿童身高差异检验 案例演练：制造工艺差异检验 案例演练：训练新方法有效性检验 案例演练：促销方式效果检验 案例演练：客户满意度差异检验 3、相关分析（相关程度计算） 相关分析概述 案例演练：腰围与体重的相关分析 案例演练：家庭生活开支的相关分析 4、方差分析（影响因素分析） 方差分析概述 偏方差分析 案例演练：广告形式、地区对销量的影响因素分析 案例演练：饲料与生猪体重的影响分析 5、时间序列分析（预测分析） 时序分析概述 案例演练：电视机销量预测分析 案例演练：上海证券交易所综合指数收益率序列分析 案例演练：汽车销量预测分析 6、回归分析（预测分析） 回归分析概述 线性回归分析 案例演练：工资与工龄的关系分析 逻辑回归分析 案例演练：客户购买预测分析 案例演练：品牌选择预测分析 第五部分：SPSS高级数据挖掘分析 7、聚类分析（Clustering） 聚类方法原理介绍 系统聚类 案例演练：小康指数划分 案例演练：裁判标准一致性分析 K均值聚类 案例演练：商场服务奖项奖选择 8、分类分析（Classification） 决策树原理介绍 案例演练：银行低信用客户特征分析 案例演练：电信行业客户流失预警与客户挽留 9、关联分析（Association） 关联规则原理介绍 案例演练：产品交叉销售与布局优化分析 10、客户价值评估RFM模型 RFM模型介绍 案例演练：客户价值评估分析 案例演练：重购用户特征分析 第六部分：电信客户流失之真实数据分析实践 结束：课程总结与问题答疑。

查看详情>> 第一部分：认识大数据 1、 大数据时代已经来临 2、 大数据战略 3、 大数据的4V特征  大规模（Volume）  多样性（Variety）  高速度（Velocity）  价值性（Value） 4、 大数据的应用领域  生活领域  金融领域  行政执法  商业领域 5、 数据分析与经营决策 第二部分：认识数据分析 1、 认识数据分析  什么是数据分析  数据分析的三大作用  数据分析的三大类型 2、 数据分析与挖掘在行业的应用  客户市场细分与精准营销  客户流失预警与客户挽留  产品交叉销售与套餐捆绑  营销效果评估与广告投放  客户价值评估与忠诚度  销售趋势分析与销售预测  客户满意度分析与影响因素 3、 数据分析的六步曲  步骤1：需求明确--理清思路  步骤2：数据收集—理清思路  步骤3：数据预处理--寻找答案  步骤4：数据分析--寻找答案  步骤5：数据展示--观点表达  步骤6：报表撰写--观点表达 案例演练：Excel数据导入练习 案例演练：Excel数据预处理练习 第三部分：数据分析方法篇 1、 基本数据分析方法  对比分析、分组分析、结构分析、平均分析、交叉分析 案例演练：数据统计应用（二维交叉表-透视表） 2、 综合数据分析方法  多维数据分析（综合评价法）  财务数据分析（杜邦分析法）  流失率与转化率分析（漏斗分析法）  产品策略分析（象限图分析法） 案例演练：品牌认知度分析 第四部分：数据分析方法论篇 1、 数据分析的思想与框架 2、 企业外部环境分析（PEST分析法） 案例演练：电信行业情况分析 3、 用户消费行为分析（5W2H分析法） 案例演练：用户消费行为分析（5W2H） 4、 公司整体经营情况分析（4P营销理论） 5、 业务问题专题分析（逻辑树分析法） 6、 用户使用行为研究（用户使用行为分析法） 第五部分：数据挖掘篇 1、 什么是数据挖掘 2、 数据挖掘的发展历程 3、 数据挖掘的标准流程（CRISP-DM）  商业理解  数据准备  数据理解  模型建立  模型评估  模型应用 4、 数据挖掘技术实践  SPSS基本操作：数据导入、计算变量、描述性统计  参数检验分析（样本均值检验） 案例演练：信用卡消费评估分析 案例演练：吸烟对胆固醇指标影响的评估 案例演练：促销效果评估  非参数检验分析（样本分布检验） 案例演练：产品合格率检验 案例演练：儿童身高差异检验 案例演练：制造工艺差异检验 案例演练：训练新方法有效性检验 案例演练：促销方式效果检验 案例演练：客户满意度差异检验  方差分析（影响因素分析） 案例演练：广告形式、地区对销量的影响因素分析 案例演练：饲料与生猪体重的影响分析  相关分析（相关程度计算） 案例演练：腰围与体重的相关分析 案例演练：家庭生活开支的相关分析  回归分析（预测分析） 案例演练：工资与工龄的关系分析 案例演练：客户购买预测分析 案例演练：品牌选择预测分析  时间序列分析（预测分析） 案例演练：电视机销量预测分析 案例演练：上海证券交易所综合指数收益率序列分析 案例演练：汽车销量预测分析  聚类分析（Clustering） 案例演练：小康指数划分 案例演练：裁判标准一致性分析 案例演练：商场服务奖项奖选择  分类分析（Classification） 案例演练：银行低信用客户特征分析 案例演练：电信行业客户流失预警与客户挽留  关联分析（Association） 案例演练：超市商品交叉销售与布局优化  RFM模型 案例演练：用户价值评估与促销名单 案例演练：重购用户特征分析  预测分析（回归分析） 案例演练：产品销量预测分析 第六部分：图表呈现篇 1、 图表类型与作用 2、 常用图形  柱状图（对比分析）  条形图（对比分析）  折线图（数据趋势分析）  饼图（产品组成分析）  雷达图（多重数据比较） 案例演练：图形绘制 3、 复杂图形  平均线图（对比分析）  双坐标图（不同量纲呈现）  对称条形图（对比）  瀑布图（成本、收益构成分析）  漏斗图（用户转化率分析）  散点图/气泡图（用户、产品分类分析）  帕累托图/柏拉图(主要根因分析） 案例演练：图形绘制 4、 图表美化原则  简约  整洁  对比/突出 5、 表格呈现 6、 优秀图表示例解析 第七部分：分析报告撰写 1、 分析报告的种类与作用 2、 报告的结构 3、 报告命名的要求 4、 报告的目录结构 5、 前言 6、 正文 7、 结论与建议 8、 优秀报告展现与解析 结束：课程总结与问题答疑。