01章數據分析之統(tǒng)計學基礎
01-01數據分析及其職業(yè)介紹
01-02數據分析工具與數據分析方法論
01-03數理統(tǒng)計基礎知識：隨機事件與隨機變量
01-04統(tǒng)計學的四大分布
01-05特殊的概率分布 - 正態(tài)分布與中心極限定理
01-06描述性分析：集中趨勢、離中趨勢、數據的分布
01-07不同的數據類型使用的統(tǒng)計圖形概述
01-08抽樣估計：點估計與區(qū)間估計方法
01-09T檢驗方法：單樣本、兩獨立樣本、配對樣本
01-10方差分析概述與操作
02章Mysql數據庫管理
01-01關系型數據庫管理系統(tǒng)與結構化查詢語言SQL概述
01-02數據庫操作
01-03數據表操作
01-04數據類型和約束條件
01-05數據填充與數據導入
01-06SQL單表查詢與多表查詢
01-07查詢操作符與子查詢
01-08SQL查詢函數介紹
01-09SQL查詢綜合案例：電商數據查詢練習
03章SPSS進行數據分析Part1
01-01數據分析全過程 - 綜合績效案例講解
01-02SPSS軟件綜合特征 - 與同類軟件對比
01-03SPSS數據視圖與變量視圖
01-04SPSS訪問數據源 - 本地和數據庫文件訪問
01-05如何理解描述數據— 統(tǒng)計量
01-06如何理解描述數據— 可視化圖形探探索
01-07相關性分析
01-08線性回歸分析
01-09線性回歸分析診斷與殘差分析
01-10實戰(zhàn)項目：企業(yè)員工綜合績效
04章SPSS進行數據分析Part2
01-01Logistic回歸的相關關系分析
01-02Loigistic回歸模型及實現
01-03極大似然法估計
01-04Logistic回歸模型評估方法
01-05連續(xù)變量的維度規(guī)約：主成分分析
01-06聚類分析方法：層次聚類與Kmeans聚類
01-07客戶價值評分模型：RFM分析
01-08使用SPSS進行聯合分析
01-09實戰(zhàn)項目1：銀行信用行為特征分類
01-10實戰(zhàn)項目2：電商用戶行為畫像
01-11實戰(zhàn)項目3：購買行為組合與預測
05章SPSS時間序列與綜合案例
01-01認識時間序列分析方法
01-02簡單時間序列分析
01-03平穩(wěn)時間序列分析ARMA模型
01-04非平穩(wěn)時間序列分析ARIMA模型
01-05綜合實戰(zhàn)項目1：銷量預測-某品牌汽車年銷量預測
01-06綜合實戰(zhàn)項目2：客戶關系-消費者信心指數影響因素分析
01-07綜合實戰(zhàn)項目3：市場調研-新產品市場測試研究案例
01-08綜合實戰(zhàn)項目4：營銷分析-某購物網站營銷數據分析
06章Tableau數據可視化
01-01Tableau公司和產品介紹
01-02使用Tableau連接多源數據
01-03Tableau可視化界面介紹
01-04Tabelau數據分析P1：排序、篩選、計算字段、分層結構
01-05Tableau數據分析P2：集和參數、趨勢線、預測區(qū)間
01-06初級圖表：條形圖、折線圖、餅圖、文字云、散點圖、地圖、樹形圖、氣泡圖、圖表組合
01-07高級圖表：子彈圖、環(huán)形圖、瀑布圖、Bump Chart、Table Formatting
01-08使用Tableau制作儀表板與故事
01-09實戰(zhàn)項目1：某公司銷售數據可視化
01-10實戰(zhàn)項目2：航班運營狀況分析
07章期中項目作業(yè)
01-01實戰(zhàn)演練1：電商客戶價值預測
01-02實戰(zhàn)演練2：網站流量數據分析
01-03實戰(zhàn)演練3：信用卡客戶流失預警與監(jiān)控
01-04實戰(zhàn)演練4：銀行電話營銷響應分析
01-05以上課題僅供參考
08章SPSS Modeler&Weka數據挖掘技術Part1
01-01數據挖掘在政府及各行業(yè)的應用
01-02數據挖掘的工具比較和選擇
01-03數據挖掘的定義及目標和發(fā)展歷程
01-04使用SPSS Modeler&Weka 體驗決策樹案例
01-05數據庫中的知識發(fā)掘步驟—CRISP DM（跨產業(yè)的數據挖掘標準流程）
01-06基本數據挖掘技術：統(tǒng)計技術、可視化技術、KNN
01-07初級分類器-KNN算法介紹與SPSS Modeler&Weka實操
01-08實戰(zhàn)案例：電信公司電銷案例、零售商雜志數據集、疾病診斷數據集、保險數據集
01-09進階數據挖掘技術概述
01-10數據挖掘模型之績效增益和顧客數優(yōu)化
01-11數據挖掘的定位與未來展望
01-12銀行業(yè)之進件評分卡數據集介紹
01-13數據前處理技術概述
01-14數據質量報告制作方法
01-15數據清洗工作：噪聲消除和空值填補
09章SPSS Modeler&Weka數據挖掘技術Part2
01-01字段擴充方法：內外部數據整合
01-02數據轉換方法P1：數據正規(guī)化和數據一般化
01-03數據轉換方法P2：數據形態(tài)的轉換與分箱方法
01-04數據精簡：記錄精簡、值域精簡、字段精簡
01-05統(tǒng)計方法中的抽樣：隨機抽樣、分層抽樣、聚類抽樣、系統(tǒng)抽樣、兩階段式抽樣
01-06如何將數據切分為訓練數據和測試數據集
01-07十則交叉驗證方法
01-08關鍵變量發(fā)掘技術
01-09簡單貝葉斯分類技術
01-10貝斯網絡方法
01-11混淆矩陣與分類模型評估方法
01-12線性回歸分析：簡單線性回歸、多元線性回歸
01-13數據預測模型評估方法
01-14實戰(zhàn)案例：房價預測案例、商場來店顧客人數預測、銷售收入影響因素案例
10章SPSS Modeler&Weka數據挖掘技術Part3
01-01決策樹方法與流程介紹
01-02分類樹、回歸樹、分類回歸樹介紹
01-03決策樹算法原理與實操：ID3、C4.5、C5.0、CART、CHAID
01-04神經網絡算法與流程
01-05BP神經網絡、倒傳遞神經網絡、類神經網絡
01-06神經網絡優(yōu)缺點介紹
01-07羅吉斯回歸分析方法
01-08高級分類器-支持向量機
01-09集成學習方法：BAGGING和BOOSTING
01-10預測模型的建構方式
01-11分類模型的盲點解析
01-12實戰(zhàn)案例探討：Bank & Credit公司客戶獲取案例、Flower Company客戶增長案例、Internet Service Provider客戶挽留案例
01-13時間序列分析方法與ARIMA模型
01-14聚類分析方法與客戶分群
01-15關聯規(guī)則Apriori算法與購物籃分析
01-16序列型樣與AprioriAll算法
01-17Map Reduce大數據分析方法簡述
01-18實戰(zhàn)案例1：銀行業(yè)數據挖掘應用之小額信貸響應模型
01-19實戰(zhàn)案例2：電信業(yè)數據挖掘應用之產品交叉銷售模型
01-20實戰(zhàn)案例3：零售業(yè)數據挖掘應用之銷售數量預測模型