      SAS电商数据挖掘培训

1．数据挖掘与统计分析：
1.1 验证性还是探索性

1.2 问题如何量化

1.3 数据量（行、质量、列、重复利用） ；

1.4 时间、精确度与商业价值的折中

1.5 模型的相关性侧重

1.6 分析流程中侧重点的转移

1.7 图表与报告展示

1.8 SEMMA 分析流程——sample、explore、modify、model、assess

2.数据挖掘软件简介
2.1 sas（em） 、spss（modeler）

2.2 python、weka、intelligent miner

2.3 r、sqlserver、hadoop

3. 数据源：访问数据库及其不同文件格式
3.1 访问文本、Excel 文件

3.2 访问常用统计软件的文件格式

3.3 访问数据库（Oracle、mysql 等）

3.4SAS 数据源 DMDB；

4. RFM 价值模型；
4.1 直方图或散点图描述数据；

4.2 抽样：限制样本量；

4.3 分箱：数据离散化；

4.4 图形（热图）与制表：对 RFM 结果进行评价。

5. 预测分析：DM 回归与 logistic、神经网络、决策树；
5.1 案例 1：库存的优化方案（DM 回归和神经网络）

5.2 案例 2：客户流失模型（神经网络）

5.3 案例 3：客户重构分析（logistic）

5.4 案例 4：基于订购行为的营销分析（决策树）

6. 关联分析：购物篮分析
6.1 案例 1：购物篮分析及商品优结构特征优化；

6.2 案例 2：购物序列分析及购买推断；

7. 市场细分：聚类分析
7.1 案例 1：细分客户特征及异常检测

7.2 案例 2：大样本之两步聚类

8. 组合模型：评价及整合分析
8.1 案例 1：用户行为偏好的组合预测；

8.2 案例 2：用户行为偏好的模型整合分析；