《SPSS Modeler大數(shù)據(jù)挖掘方法與應用實戰(zhàn)操作》（實操）培訓大綱

《SPSS Modeler大數(shù)據(jù)挖掘方法與應用實戰(zhàn)操作》培訓大綱
1. 課程內(nèi)容與安排：
模塊一：概念篇—數(shù)據(jù)挖掘的概念與流程及方法
模塊二：操作篇—SPSS Modeler數(shù)據(jù)挖掘工具操作方法及運用
模塊三：算法與建模篇—SPSS Modeler數(shù)據(jù)挖掘算法及數(shù)學建模方法
模塊四：實戰(zhàn)演練篇—SPSS Modeler算法及建模實戰(zhàn)演練與操作
模塊五：高級進階篇—運用SPSS Modeler關(guān)聯(lián)分析法提升4G網(wǎng)絡滿意度
模塊六：撰寫分析報告篇—如何撰寫漂亮的數(shù)據(jù)分析報告
2. 課程時間：3天，6小時/天
3.
授課對象：經(jīng)分分析相關(guān)人員、客戶響應業(yè)務支撐人員、數(shù)據(jù)和IT等部門的管理人員
及技術(shù)人員等。
4. 授課方式：
理論講授，案例分析，方法傳授、動畫演示、互動討論，講師點評、實戰(zhàn)演練。
5. 課程綱要：
模塊一：概念篇—數(shù)據(jù)挖掘的概念與流程及方法
1. 數(shù)據(jù)挖掘的概念及目標
1. 數(shù)據(jù)挖掘的定義及功能
2. 數(shù)據(jù)挖掘的基本特征
3. 數(shù)據(jù)挖掘的知識表示
4. 數(shù)據(jù)挖掘的目標
5. 數(shù)據(jù)挖掘的主要任務
6. 數(shù)據(jù)挖掘與大數(shù)據(jù)關(guān)系
7. 數(shù)據(jù)挖掘在電信行業(yè)的應用內(nèi)容
2. 數(shù)據(jù)挖掘與相關(guān)領域之間的關(guān)系
1. 數(shù)據(jù)挖掘與專家系統(tǒng)的關(guān)系
2. 數(shù)據(jù)挖掘與統(tǒng)計分析的關(guān)系
3. 數(shù)據(jù)挖掘與人工智能的關(guān)系
4. 數(shù)據(jù)挖掘與機器學習
5. 數(shù)據(jù)挖掘與數(shù)據(jù)倉庫
6. 數(shù)據(jù)挖掘與OLAP
7. 數(shù)據(jù)挖掘與統(tǒng)計學
8. 數(shù)據(jù)挖掘與智能決策
9. 數(shù)據(jù)挖掘與云計算
3. 數(shù)據(jù)挖掘的對象-在何種數(shù)據(jù)上進行數(shù)據(jù)挖掘
1. 關(guān)系數(shù)據(jù)庫
2. 數(shù)據(jù)倉庫
3. 事務數(shù)據(jù)庫
4. 高級數(shù)據(jù)庫系統(tǒng)
5. 展開文件和WWW
4. 數(shù)據(jù)挖掘的分類
1. 根據(jù)挖掘的數(shù)據(jù)庫類型分類(不同標準如數(shù)據(jù)模型、涉及應用類型)
2. 根據(jù)挖掘的知識類型分類（不同功能如特征化、區(qū)分、關(guān)聯(lián)等）
3. 根據(jù)所用的技術(shù)分類（如機器學習、統(tǒng)計學、可視化、模式識別）
4. 根據(jù)應用分類（如金融、電信、股票市場、DNA、e-mail等）
5. 數(shù)據(jù)挖掘功能-可以挖掘什么類型的模式
1. 概念/類描述：特征化和區(qū)分（Characterization and Discrimination）
2. 關(guān)聯(lián)分析（Association Analysis）
3. 分類和預測（Classification and Predict）
4. 聚類分析（Clustering Analysis）
5. 孤立點分析（Outlier Analysis）
6. 演變分析（Evolution Analysis）
6. 數(shù)據(jù)挖掘問題的描述
1. 描述需要解決的關(guān)鍵問題
2. 描述如何轉(zhuǎn)換成為數(shù)據(jù)挖掘
3. 描述數(shù)據(jù)挖掘算法的選擇依據(jù)
4. 描述預測類還是描述類
5. 描述與各種算法的使用特點結(jié)合
7. CRISP-DM數(shù)據(jù)分析挖掘方法論介紹
1. 描述商業(yè)理解——要實現(xiàn)什么“目的”？
2. 描述數(shù)據(jù)的理解以及收集——手里有哪些數(shù)據(jù)？
3. 描述數(shù)據(jù)的準備——數(shù)據(jù)的清洗及轉(zhuǎn)換
4. 描述應用數(shù)據(jù)挖掘工具建立模型——使用哪種數(shù)據(jù)挖掘算法和工具？
5. 描述模型評估——算法評估
6. 描述部署（并形成數(shù)據(jù)挖掘報告）——實際使用及形成報告
8. 數(shù)據(jù)挖掘常用算法及案例分析
1. 分類算法及案例分析
2. 預測型方法及案例分析
3. 關(guān)聯(lián)分析法及案例分析
4. 聚類分析法及案例分析
5. 回歸分析法及案例分析
6. 時序分析法及案例分析
7. 智能推薦分析法及案例分析
8. 神經(jīng)網(wǎng)絡分析法及案例分析
9. 數(shù)據(jù)挖掘建模過程
1. 數(shù)據(jù)探索
2. 數(shù)據(jù)預處理
3. 挖掘建模
4. 模型評估
10. 數(shù)據(jù)挖掘流程
1. 數(shù)據(jù)挖掘思路
2. 數(shù)據(jù)挖掘項目立項
3. 數(shù)據(jù)挖掘項目實施
1. 業(yè)務理解階段（BUSINESS UNDERSTANDING）
2. 數(shù)據(jù)理解階段（DATA UNDERSTANDING）
3. 數(shù)據(jù)準備階段（DATA PREPARATION）
4. 建模階段（MODELING）
5. 模型評估階段（EVALUATION）
6. 部署階段（DEPLOYMENT）
11. 數(shù)據(jù)分析：由上至下梳理數(shù)據(jù)分析體系
1. 明確目標
2. 分解指標
3. 細化字段
4. 非功能要求
5. 系統(tǒng)實施
12. 成果輸出：由下至上實施落地到應用系統(tǒng)
1. 連接數(shù)據(jù)
2. 數(shù)據(jù)處理
3. 數(shù)據(jù)建模
4. 制作數(shù)據(jù)報告
5. 非功能需求實現(xiàn)
13. 數(shù)據(jù)挖掘的應用領域及案例
1. “電信運營業(yè)”數(shù)據(jù)挖掘應用
2. “互聯(lián)網(wǎng)與電子商務行業(yè)”數(shù)據(jù)挖掘應用
3. “政府”數(shù)據(jù)挖掘應用
4. “金融業(yè)”數(shù)據(jù)挖掘應用
5. “零售業(yè)”數(shù)據(jù)挖掘應用
6. “教育業(yè)”數(shù)據(jù)挖掘應用
7. “醫(yī)療業(yè)”數(shù)據(jù)挖掘應用
8. “能源業(yè)”數(shù)據(jù)挖掘應用
9. “制造業(yè)”數(shù)據(jù)挖掘應用
10. “交通物流業(yè)”數(shù)據(jù)挖掘應用

模塊二：操作篇—SPSS Modeler數(shù)據(jù)挖掘工具操作方法及運用
1. 從一個完整案例操作入手：4G目標客戶分析
1. 需求分析（需求動機調(diào)查、購買行為調(diào)查）
2. 研究方法（根據(jù)客戶信息、選擇數(shù)據(jù)挖掘算法、建立數(shù)學模型）
3. 數(shù)據(jù)分析
1. 錄入數(shù)據(jù)
2. 定義數(shù)據(jù)源（數(shù)據(jù)源設置、數(shù)據(jù)類型設置）
3. 數(shù)據(jù)理解（字段的理解及使用、對數(shù)據(jù)進行探索分析）
4.
數(shù)據(jù)準備（字段過濾、數(shù)據(jù)抽樣設置、模型數(shù)據(jù)分流、預測字段設置、“特征
選擇”模型設置、模型預覽等）
5. 建立模型（選擇算法模型、添加算法組件、生成模型）
6.
模型評估（模型評估設置、模型分析和評估、模型增益評估、模型預測準確率
及數(shù)值修正）
7. 研究結(jié)論（給出分析結(jié)果、進行目標分析）
2. SPSS Modeler軟件介紹
1. SPSS Modeler的功能及特點
2. SPSS Modeler的版本
3. SPSS Modeler支持的算法
4. SPSS Modeler的行業(yè)應用
1. 通信行業(yè)
2. 政府行業(yè)
3. 金融行業(yè)
4. 制造行業(yè)
5. 醫(yī)藥衛(wèi)生
6. 教育科研
7. 市場調(diào)研
8. 應用模型
9. 連鎖零售
3. SPSS Modeler的安裝與基礎操作
1. SPSS Modeler軟件的安裝
2. 數(shù)據(jù)流基本操作
1. 生成數(shù)據(jù)流
2. 添加和刪除節(jié)點
3. 連接數(shù)據(jù)流
4. 修改連接節(jié)點
5. 執(zhí)行數(shù)據(jù)流
4. SPSS Modeler數(shù)據(jù)挖掘方法及高級操作
1. SPSS Modeler數(shù)據(jù)挖掘一般流程
1. 數(shù)據(jù)錄入
2. 定義數(shù)據(jù)源
3. 數(shù)據(jù)理解
4. 數(shù)據(jù)準備
5. 探索分析
6. 數(shù)據(jù)建模
7. 模型評估
8. 研究結(jié)論
2. 數(shù)據(jù)錄入方法及錄入
1. 方法一：錄入文本文件（可變文件、固定文件）
2. 方法二：錄入Excel電子表格文件
3. 方法三：錄入SPSS格式文件
4. 方法四：錄入數(shù)據(jù)庫數(shù)據(jù)（Oracle、MySQL、Sybased等）
5. 方法五：錄入大數(shù)據(jù)庫數(shù)據(jù)（HBase、Hive等）
3. 數(shù)據(jù)集成
1. 變量合并（增加變量）
2. 數(shù)據(jù)追加（添加記錄）
4. 數(shù)據(jù)理解
1. 取值范圍限定
2. 重復數(shù)據(jù)處理
3. 缺失值處理
4. 無效值處理
5. 離群點和極端值的修正
6. 數(shù)據(jù)質(zhì)量評估
5. 數(shù)據(jù)準備1：數(shù)據(jù)處理
1. 數(shù)據(jù)篩選：數(shù)據(jù)抽樣/選擇（減少樣本數(shù)量）
2. 數(shù)據(jù)精簡：數(shù)據(jù)分段/離散化（減少變量的取值）
3. 數(shù)據(jù)平衡：正反樣本比例均衡
4. 其它：排序、分類匯總
6. 數(shù)據(jù)準備2：變量處理
1. 變量變換：原變量值更新
2. 變量派生：生成新的變量
3. 變量精簡：降維，減少變量個數(shù)
7. 基本數(shù)據(jù)分析
1. 單變量：數(shù)據(jù)基本描述分析
2. 雙變量：相關(guān)性分析
3. 變量精簡：特征選擇、因子分析
8. 數(shù)據(jù)特征選擇
1. 特征選擇方法：選擇重要變量，剔除不重要的變量
2. 從變量本身考慮
3. 從輸入變量與目標變量的相關(guān)性考慮
9. 建立模型
1. 選擇算法模型
2. 添加算法組件
3. 生成模型
10. 圖形生成與制作
1. 散點圖
2. 直方圖
3. 網(wǎng)絡圖
4. 評估圖
11. 模型評估
1. 模型評估設置
2. 模型分析和評估
3. 模型增益評估
4. 模型預測準確率
5. 數(shù)值修正
12. 研究結(jié)論
1. 給出分析結(jié)果
2. 進行目標分析
13. 案例分析：4G網(wǎng)絡KPI指標分析
1. 研究方法
2. 數(shù)據(jù)分析
3. 研究結(jié)論

模塊三：算法與建模篇—SPSS Modeler數(shù)據(jù)挖掘算法及數(shù)學建模方法
1. SPSS Modeler數(shù)據(jù)挖掘算法及數(shù)學建模方法介紹
1. 分類分析
2. 聚類分析
3. 關(guān)聯(lián)分析
4. 線性回歸分析
5. 時間序列分析
6. 因子分析
7. 決策樹分析
8. 判別分析
9. 人工神經(jīng)分析
10. 貝葉斯網(wǎng)絡分析
11. 社交網(wǎng)絡分析
2. 案例一：時間序列分析—PON網(wǎng)絡帶寬利用率預測
1. 目標與要求
1. 理解時間序列分析法的基本理論
2. 掌握時間序列分析法的建模步驟
3. 掌握使用SPSS Modeler進行時間序列分析的基本方法
4. 學會使用時間序列模型節(jié)點進行相應分析
2.
研究方法：根據(jù)時間序列模型分析某地區(qū)未來三個月電信市場PON網(wǎng)絡帶寬利用率的
預測值
3. 定義數(shù)據(jù)源
4. 數(shù)據(jù)理解
5. 數(shù)據(jù)準備
6. 建立模型
1. 模型定義
2. 模型應用
7. 建模步驟
1. 搜集歷史資料并加以整理，編程時間序列，根據(jù)時間序列繪成統(tǒng)計圖
2. 分析時間序列
3.
求時間序列的長期趨勢、季節(jié)變動和不規(guī)則變動的值，并選定近似的數(shù)學模型
來代表它們
4. 利用時間序列資料求出長期趨勢、季節(jié)變動和不規(guī)則變動的數(shù)學模型
5. 根據(jù)模型進行預測、評估和分析
8. 數(shù)據(jù)分析與模型評估
1. 模型殘差
2. 添加散點圖
3. 實際值與預測值比較
4. 模型預測值比較
9. 研究結(jié)論
3. 案例二：決策樹分析—電信客戶流失分析
1. 目標與要求
1. 理解決策樹分析法的基本理論
2. 掌握決策樹分析法的建模步驟
3. 掌握使用SPSS Modeler進行決策樹分析的基本方法
4. 學會使用C5.0節(jié)點進行決策樹分析
2.
研究方法：運用決策樹算法中的C5.0算法得到電信客戶流失預測模型，根據(jù)電信客戶
資料，對數(shù)據(jù)進行挖掘，得出客戶流失的原因和流失原因的大體分布。
3. 定義數(shù)據(jù)源
4. 數(shù)據(jù)理解
5. 數(shù)據(jù)準備
6. 建立模型
1. 模型定義
2. 模型應用
7. 建模步驟
1. 繪制樹狀圖
2. 將各狀態(tài)概率及損益值標于概率枝上
3. 計算各個方案期望值
4. 進行剪枝，比較各個方案的期望值
5. 根據(jù)模型進行預測、評估和分析
8. 數(shù)據(jù)分析與模型評估
1. 編譯模型“分析”節(jié)點
2. 執(zhí)行“分析”節(jié)點
9. 研究結(jié)論
4. 案例三：回歸分析—電信客戶流失因素分析
1. 目標與要求
1. 理解回歸分析法的基本理論
2. 掌握回歸分析法的建模步驟
3. 掌握使用SPSS Modeler進行回歸分析的基本方法
4. 學會使用Logistic節(jié)點進行回歸分析
2.
研究方法：根據(jù)電信客戶流失的歷史數(shù)據(jù)建立客戶屬性、服務屬性、客戶消費數(shù)據(jù)與
客戶流失可能性關(guān)聯(lián)的數(shù)學模型，找出客戶屬性、服務屬性、客戶消費數(shù)據(jù)與客戶
流失最終狀態(tài)的關(guān)系。
3. 定義數(shù)據(jù)源
4. 數(shù)據(jù)理解
5. 數(shù)據(jù)準備
6. 建立模型
1. 模型定義
2. 模型應用
7. 建模步驟
1. 確定變量
2. 建立預測模型
3. 進行相關(guān)分析
4. 計算預測誤差
5. 確定預測值
6. 根據(jù)模型進行預測、評估和分析
8. 數(shù)據(jù)分析與模型評估
9. 研究結(jié)論

模塊四：實戰(zhàn)演練篇—SPSS Modeler算法及建模實戰(zhàn)演練與操作
1. 實戰(zhàn)演練項目
1. 實戰(zhàn)項目一：分類分析—4G套餐類型與客戶細分
2. 實戰(zhàn)項目二：聚類分析—4G客戶行為分析
3. 實戰(zhàn)項目三：關(guān)聯(lián)分析—4G產(chǎn)品關(guān)聯(lián)分析
4. 實戰(zhàn)項目四：因子分析—提取影響電信客戶流失的主成分分析
5. 實戰(zhàn)項目五：判別分析—電信客戶群判別分析
6. 實戰(zhàn)項目六：貝葉斯網(wǎng)絡分析—4G手機主動營銷分析
7. 實戰(zhàn)項目七：人工神經(jīng)網(wǎng)絡—電信客戶流失預測分析
8. 實戰(zhàn)項目八：社交網(wǎng)絡分析—客戶流失預警分析
2. 要求與方法
1. 分組交流與討論，每組自選一個項目進行演練；
2. 可以結(jié)合工作實際，自定實戰(zhàn)項目；
3. 研究內(nèi)容及練習數(shù)據(jù)材料各小組自行準備；
4.
按照數(shù)據(jù)錄入、定義數(shù)據(jù)源、數(shù)據(jù)理解、數(shù)據(jù)準備、探索分析、數(shù)據(jù)建模、模型評估
、研究結(jié)論八大步驟，運用SPSS Modeler 14.1版本軟件進行實戰(zhàn)演練。

模塊五：高級進階篇—運用SPSS Modeler關(guān)聯(lián)分析法提升4G網(wǎng)絡滿意度
1. 運用SPSS Modeler數(shù)據(jù)挖掘方法提升4G網(wǎng)絡滿意度的總體思路
2. 目標與要求
1. 理解關(guān)聯(lián)分析法的基本理論
2. 掌握關(guān)聯(lián)分析法的建模步驟
3. 掌握使用SPSS Modeler進行關(guān)聯(lián)分析的基本方法
4. 學會使用Apriori算法進行關(guān)聯(lián)分析
3. 研究方法：運用關(guān)聯(lián)分析方法分析4G網(wǎng)絡故障的產(chǎn)生與KPI指標之間的關(guān)聯(lián)性
4. 數(shù)據(jù)采集方法與平臺搭建
1. 4G網(wǎng)絡數(shù)據(jù)輸入-數(shù)據(jù)采集方法
1. 硬采集方式
2. 軟采集方式
3. 硬采集與軟采集方式對比
2. TD-LTE網(wǎng)絡數(shù)據(jù)采集系統(tǒng)架構(gòu)
1. 數(shù)據(jù)接入采集層
2. 協(xié)議處理層
3. xDR數(shù)據(jù)處理層
4. 呈現(xiàn)層
3. TD-LTE數(shù)據(jù)采集系統(tǒng)存儲應用設備
1. 存儲設備
2. 接口服務器
3. 應用服務器
4. 網(wǎng)管服務器
5. 數(shù)據(jù)庫服務器
4. TD-LTE網(wǎng)絡主要采集接口與協(xié)議
1. S1-C接口：S1AP、NAS協(xié)議
2. S1-U接口：GTPv1-U、SIP、HTTP等
3. S5/S8接口：GTPv2-C、GTPv1-U、PMIP
4. S6a接口：Diameter
5. S3接口：GTPv2-C
6. S4接口：GPTv2-C、GTPv1-U
7. S10接口：GTPv2-C
8. S11接口：GTPv2-C
9. SGi接口：DHCP、SIP、HTTP、Diameter等
10. Gx接口：Diameter
11. Rx接口：IP、Diameter
12. X2接口：X2AP、GTPv1-U
5. 數(shù)據(jù)智能化預處理及關(guān)聯(lián)分析
1. 容量管理算法及流程
2. 質(zhì)量分析及流程
1. 柵格分析
2. 與DT&CQT關(guān)聯(lián)分析
3. 與容量的關(guān)聯(lián)分析
4. 異常事件分析流程
5. 用戶感知評估流程
6. 數(shù)據(jù)理解
7. 數(shù)據(jù)準備
8. 建立模型
1. 模型定義
2. 模型應用
9. 數(shù)據(jù)挖掘輸出-網(wǎng)絡方面
1. 網(wǎng)絡質(zhì)量/容量評估
2. 異常事件
10. 數(shù)據(jù)挖掘輸出-用戶與網(wǎng)絡方面
1. 用戶行為刻畫
2. 網(wǎng)絡感知評估
3. 建立網(wǎng)絡健康檔案庫
11. 應用數(shù)據(jù)挖掘輸出結(jié)果進行網(wǎng)絡質(zhì)量提升
1. 網(wǎng)絡質(zhì)量評估
2. 網(wǎng)絡質(zhì)量、容量預警
3. 網(wǎng)絡問題精準定位
1. PDN連接（時延/成功率/失敗原因）
2. 附著（時延/成功率/失敗原因）
3. 服務請求（時延/成功率/失敗原因）
4. 尋呼用戶（時延/成功率/失敗原因）
5. 缺省/專用承載建立（時延/成功率/失敗原因）
6. SIP連接建立（時延/成功率/失敗原因）
7. 專用承載建立
8. VoIP通過建立
12. 應用數(shù)據(jù)挖掘輸出結(jié)果進行網(wǎng)絡滿意度提升
1. 決策依據(jù)
2. 用戶感知評估
3. 投訴預處理
4. 客戶關(guān)懷
5. 用戶行為分析
13. 網(wǎng)絡滿意度評估-網(wǎng)絡評估
1. 質(zhì)量評估
2. 容量評估
3. 異常事件原因分析
4. 區(qū)域性/系統(tǒng)性問題精確定位
14. 網(wǎng)絡滿意度評估-感知評估
1. 感知評價體系建立
2. 用戶行為刻畫
3. 健康檔案庫建立
15. 網(wǎng)絡滿意度評估-網(wǎng)絡預警
1. 話務、業(yè)務、流量模型建立
2. 質(zhì)量預警：質(zhì)量突變、呼吸效應
3. 容量預警：板件、無線資源
4. 網(wǎng)絡規(guī)劃建議
16. 網(wǎng)絡滿意度評估-服務支撐
1. 決策依據(jù)
2. 投訴處理分析
3. 客戶關(guān)懷
4. 行為分析、市場支撐
17. 研究結(jié)論
18. 形成分析報告

模塊六：撰寫分析報告篇—如何撰寫漂亮的數(shù)據(jù)分析報告
1. 數(shù)據(jù)分析思路與方法及案例分析
1. PEST分析法與案例分析
2. 5W2H分析法與案例分析
3. 邏輯樹分析法與案例分析
4. 4P營銷理論與案例分析
5. 用戶使用行為理論與案例分析
2. 數(shù)據(jù)分析的基本方法
1. 定量分析
2. 定性分析
3. 戰(zhàn)略分析
4. 競爭和客戶分析
5. 環(huán)境分析
6. 評估分析
7. 財務分析
8. 宏觀環(huán)境分析
9. 競爭定位分析
10. 競標比超模式
11. 情景分析
12. 內(nèi)容分析
13. 競爭預警
3. 數(shù)據(jù)分析報告的撰寫
1. 撰寫數(shù)據(jù)分析報告總體概述
1. 從公開資料及互聯(lián)網(wǎng)中搜集信息的方法
2. 撰寫數(shù)據(jù)分析報告的工作流程
2. 數(shù)據(jù)分析報告的撰寫
1. 分析報告的結(jié)構(gòu)和要求
2. 分析報告任務的組織實施：實施流程
3. 分析報告的編寫：內(nèi)容結(jié)構(gòu)
3. 態(tài)勢分析報告的撰寫
4. 評價分析報告的撰寫
5. 預測分析報告的撰寫
6. 撰寫報告對人員基本素質(zhì)的要求
4. 演示部分優(yōu)秀的分析報告

6. 課程總結(jié)：
一、重點知識回顧與總結(jié)
二、互動與討論：問與答
就學員提出的問題進行分析、討論、模擬演練和點評。
7. 講師介紹：

李文耀老師的其它課程