SAS電商數(shù)據(jù)挖掘?qū)崙?zhàn)案例

是 否 +2 論壇幣

k人 參與回答

經(jīng)管之家送您一份

應(yīng)屆畢業(yè)生專屬福利!

求職就業(yè)群

趙安豆老師微信：zhaoandou666

經(jīng)管之家聯(lián)合CDA

送您一個(gè)全額獎(jiǎng)學(xué)金名額~ !

立即領(lǐng)取

感謝您參與論壇問題回答

經(jīng)管之家送您兩個(gè)論壇幣！

+2 論壇幣

SAS電商數(shù)據(jù)挖掘?qū)崙?zhàn)案例

數(shù)據(jù)挖掘(Data Mining)是一項(xiàng)知識(shí)發(fā)現(xiàn)、商業(yè)智能、預(yù)測(cè)模型的集合體，目的可以表示為探索數(shù)據(jù)以發(fā)現(xiàn)有意義的規(guī)則模式過程。數(shù)據(jù)挖掘技術(shù)最顯著的特征如下：

海量數(shù)據(jù)：隨現(xiàn)代企業(yè)級(jí)數(shù)據(jù)的膨脹，相信“TB 級(jí)別”的數(shù)據(jù)庫存儲(chǔ)已并不罕見，諸如銀行、醫(yī)療、零售、電信、保險(xiǎn)等行業(yè)，由此帶來的問題是傳統(tǒng)統(tǒng)計(jì)算法的效率太低，無法滿足時(shí)間上的需求， 顯然數(shù)據(jù)挖掘算法解決了很大一部分的時(shí)間效率問題， 但也由于分析工具或計(jì)算機(jī)本身的局限， 因此數(shù)據(jù)挖掘也在兩大技術(shù)方向上展開——分析算法和分布式技術(shù)。

有意義的規(guī)則模式：業(yè)務(wù)產(chǎn)生數(shù)據(jù)，也必然產(chǎn)生規(guī)則模式，數(shù)據(jù)庫知識(shí)發(fā)現(xiàn)也許并不困難， 不過具有核心指導(dǎo)意義的是——是否能帶來利潤；在成本和收益最大化的基礎(chǔ)上，提高客戶響應(yīng)， 發(fā)現(xiàn)客戶拒退率因素、 洞察市場(chǎng)， 提出運(yùn)營和客戶策略， 作為決策的有用支撐，這也許就決定了數(shù)據(jù)挖掘算法與業(yè)務(wù)的緊密性。

消費(fèi)者行為偏好：服務(wù)或產(chǎn)品最終要回歸到消費(fèi)者，消費(fèi)者信息的獲取，如人口信息、行為偏好、關(guān)系渠道是預(yù)測(cè)消費(fèi)行為，尤其是選擇性偏好的核心因素；數(shù)據(jù)挖掘技術(shù)在消費(fèi)者的信息管理與消費(fèi)行為取向間起到連接作用， 最終預(yù)測(cè)的好壞或結(jié)果， 需反饋到算法中驗(yàn)證。

主講：丁亞軍老師                 價(jià)格999元
視頻課程，下載到自己的電腦，無限次觀看學(xué)習(xí)！免費(fèi)答疑！

       本次課程主要在數(shù)據(jù)挖掘算法這一分支上，使用 sas9.3 系統(tǒng)演示實(shí)例數(shù)據(jù)的處理。主要從數(shù)據(jù)訪問、 業(yè)務(wù)問題的量化、 數(shù)據(jù)分析模型及結(jié)果輸出幾個(gè)方面來介紹 SAS軟件在數(shù)據(jù)挖掘中的使用。

【課程目錄】
1．?dāng)?shù)據(jù)挖掘與統(tǒng)計(jì)分析：
1.1 驗(yàn)證性還是探索性
1.2 問題如何量化
1.3 數(shù)據(jù)量（行、質(zhì)量、列、重復(fù)利用） ；
1.4 時(shí)間、精確度與商業(yè)價(jià)值的折中
1.5 模型的相關(guān)性側(cè)重
1.6 分析流程中側(cè)重點(diǎn)的轉(zhuǎn)移
1.7 圖表與報(bào)告展示
1.8 SEMMA 分析流程——sample、explore、modify、model、assess

2.數(shù)據(jù)挖掘軟件簡(jiǎn)介
2.1 sas（em） 、spss（modeler）
2.2 python、weka、intelligent miner
2.3 r、sqlserver、hadoop

3. 數(shù)據(jù)源：訪問數(shù)據(jù)庫及其不同文件格式
3.1 訪問文本、Excel 文件
3.2 訪問常用統(tǒng)計(jì)軟件的文件格式
3.3 訪問數(shù)據(jù)庫（Oracle、mysql 等）
3.4SAS 數(shù)據(jù)源 DMDB；

4. RFM 價(jià)值模型；
4.1 直方圖或散點(diǎn)圖描述數(shù)據(jù)；
4.2 抽樣：限制樣本量；
4.3 分箱：數(shù)據(jù)離散化；
4.4 圖形（熱圖）與制表：對(duì) RFM 結(jié)果進(jìn)行評(píng)價(jià)。

5. 預(yù)測(cè)分析：DM 回歸與 logistic、神經(jīng)網(wǎng)絡(luò)、決策樹；
5.1 案例 1：庫存的優(yōu)化方案（DM 回歸和神經(jīng)網(wǎng)絡(luò)）
5.2 案例 2：客戶流失模型（神經(jīng)網(wǎng)絡(luò)）
5.3 案例 3：客戶重構(gòu)分析（logistic）
5.4 案例 4：基于訂購行為的營銷分析（決策樹）

6. 關(guān)聯(lián)分析：購物籃分析
6.1 案例 1：購物籃分析及商品最優(yōu)結(jié)構(gòu)特征優(yōu)化；
6.2 案例 2：購物序列分析及購買推斷；

7. 市場(chǎng)細(xì)分：聚類分析
7.1 案例 1：細(xì)分客戶特征及異常檢測(cè)
7.2 案例 2：大樣本之兩步聚類

8. 組合模型：評(píng)價(jià)及整合分析
8.1 案例 1：用戶行為偏好的組合預(yù)測(cè)；
8.2 案例 2：用戶行為偏好的模型整合分析；

（現(xiàn)場(chǎng)班報(bào)名）

（購買視頻課程）

【咨詢聯(lián)系】

曹老師

電話: (010)53605625

手機(jī): 18810531180（微信）

Q Q：2881989706
郵箱：caolibo@pinggu.org

CDA數(shù)據(jù)分析師就業(yè)班第八期3月5日開課！
http://xalimeijing.com/thread-4761649-1-1.html
CDA大數(shù)據(jù)分析師就業(yè)班第五期3月5日開課！
http://xalimeijing.com/thread-3935508-1-1.html

掃碼加我 拉你入群

請(qǐng)注明：姓名-公司-職位

以便審核進(jìn)群資格，未注明則拒絕

分享0 收藏2 回帖

關(guān)鍵詞：電商數(shù)據(jù) 數(shù)據(jù)挖掘 Data Mining Intelligent CDA數(shù)據(jù)分析師就業(yè)班 計(jì)算機(jī) 消費(fèi)者 數(shù)據(jù)庫 集合體 電商

thanks.

丁老師的課程  真的是太贊了

thanks