EXCEL數據挖掘培訓

EXCEL數據挖掘培訓課程/講師盡在EXCEL數據挖掘培訓專題,百度搜索“交廣國際管理咨詢”EXCEL數據挖掘培訓公開課（免費試聽）北上廣深等地開課！專家微信18749492090，講師手機13810048130。

課程大綱
第1章　Excel如何用于數據挖掘
1.1　保證數據正確性
1.2　數據的導入
1.3　基礎函數的掌握
1.4　數據透視表的掌握
1.5　分析工具庫的加載
1.6　基礎的統計概念和知識

第2章　數據挖掘概述
2.1　數據挖掘的發展歷史
2.2　統計分析與數據挖掘的主要區別
2.3　數據挖掘的主要成熟技術以及在數據化運營中的主要應用
決策樹 神經網絡　回歸　關聯規則　聚類　分類分析　主成分分析　假設檢驗 等介紹
2.4 分析師常見的錯誤觀念和對治的管理策略

第3章　數據化運營中常見的數據分析項目類型
3.1　目標客戶的特征分析
3.2　目標客戶的預測（響應、分類）模型
3.3　運營群體的活躍度定義
3.4　用戶路徑分析
3.5　交叉銷售模型
3.6　信息質量模型
3.7　服務保障模型
3.8　用戶（買家、賣家）分層模型
3.9　賣家（買家）交易模型
3.10　信用風險模型
3.11　商品推薦模型
3.12　數據產品
3.13　決策支持

第4章　數據挖掘項目完整應用案例演示
4.1　項目背景和業務分析需求的提出
4.2　數據分析師參與需求討論
4.3　制定需求分析框架和分析計劃
4.4　抽取樣本數據、熟悉數據、數據清洗和摸底
4.5　按計劃初步搭建挖掘模型
4.6　與業務方討論模型的初步結論，提出新的思路和模型優化方案
4.7　按優化方案重新抽取樣本并建模，提煉結論并驗證模型
4.8　完成分析報告和落地應用建議
4.9　制定具體的落地應用方案和評估方案
4.10　業務方實施落地應用方案并跟蹤、評估效果
4.11　落地應用方案在實際效果評估后，不斷修正完善
4.12　不同運營方案的評估、總結和反饋
4.13　項目應用后的總結和反思

第5章　常見的數據處理技巧
5.1　數據的抽取要正確反映業務需求
5.2　數據抽樣
5.3　分析數據的規模有哪些具體的要求
5.4　如何處理缺失值和異常值
5.5　數據轉換
5.6　篩選有效的輸入變量
5.7　共線性問題

第6章　各種分析的典型應用和技術小竅門
6.1 聚類分析
6.1.1　聚類分析的典型應用場景
6.1.2　主要聚類算法的分類
6.1.3　聚類分析在實踐應用中的重點注意事項
6.1.4　聚類分析的擴展應用
6.1.5　聚類分析在實際應用中的優勢和缺點
6.1.6　聚類分析結果的評價體系和評價指標
6.1.7　一個典型的聚類分析課題的案例分享
6.2 關聯分析
6.1.1　關聯分析的典型應用場景
6.1.2　主要關聯算法的分類
6.1.3　關聯分析在實踐應用中的重點注意事項
6.1.4　關聯分析的擴展應用
6.1.5　關聯分析在實際應用中的優勢和缺點
6.1.6　關聯分析結果的評價體系和評價指標
6.1.7　一個典型的關聯分析課題的案例分享
6.3 回歸分析
6.4 檢驗假設
6.5 分類分析