課程大綱： SAS電商數據挖掘培訓
1．數據挖掘與統計分析：
1.1 驗證性還是探索性
1.2 問題如何量化
1.3 數據量（行、質量、列、重復利用） ；
1.4 時間、精確度與商業價值的折中
1.5 模型的相關性側重
1.6 分析流程中側重點的轉移
1.7 圖表與報告展示
1.8 SEMMA 分析流程——sample、explore、modify、model、assess
2.數據挖掘軟件簡介
2.1 sas（em） 、spss（modeler）
2.2 python、weka、intelligent miner
2.3 r、sqlserver、hadoop
3. 數據源：訪問數據庫及其不同文件格式
3.1 訪問文本、Excel 文件
3.2 訪問常用統計軟件的文件格式
3.3 訪問數據庫（Oracle、mysql 等）
3.4SAS 數據源 DMDB；
4. RFM 價值模型；
4.1 直方圖或散點圖描述數據；
4.2 抽樣：限制樣本量；
4.3 分箱：數據離散化；
4.4 圖形（熱圖）與制表：對 RFM 結果進行評價。
5. 預測分析：DM 回歸與 logistic、神經網絡、決策樹；
5.1 案例 1：庫存的優化方案（DM 回歸和神經網絡）
5.2 案例 2：客戶流失模型（神經網絡）
5.3 案例 3：客戶重構分析（logistic）
5.4 案例 4：基于訂購行為的營銷分析（決策樹）
6. 關聯分析：購物籃分析
6.1 案例 1：購物籃分析及商品優結構特征優化；
6.2 案例 2：購物序列分析及購買推斷；
7. 市場細分：聚類分析
7.1 案例 1：細分客戶特征及異常檢測
7.2 案例 2：大樣本之兩步聚類
8. 組合模型：評價及整合分析
8.1 案例 1：用戶行為偏好的組合預測；
8.2 案例 2：用戶行為偏好的模型整合分析；
加入高級會員獲得助教答疑
