質量管理數據的分析與挖掘培訓

1、了解大數據的概念，大數據方法對企業管理有何幫助？
2、了解數據分析和挖掘方法對質量管理的作用
3、大數據的工具和分析方法實踐

一、大數據技術概述
為什么中國政府發布大數據戰略，扶植大數據企業?什么是大數據？
1.大企業的大數據應用案例
2.大數據相關解決方案
3.大數據分析和挖掘方法論
4.質量管理部門應該掌握哪些大數據技能？
5.分析人員的常用工具
案例演練：案例學習數據建模方法論。

二、質量指標分析
–本節介紹指標分析的相關概念。
1.指標提高能否等同于質量提升？
2.現有的指標體系和思路可能存在的問題
3.質量管理的目標指標和過程指標
4.質量數據的定義與監測
5.幾種異常集中指標定義
a)固定區間
b)動態標準差
c)四分位outlier
6.圖形化的數據分布形態分析
a)Boxplot
b)柏拉圖
?案例演練：質量分析和評估
三、基于數據挖掘算法的異常值（需要SPSS）
1.復合異常的定義
2.多維度分析的難點
3.基于挖掘的異常值分析
a)原理
b)聚類概念
4.基于數據挖掘算法的異常值發現演練

四、時間序列分析
服務部門要想從事后監控向事前參與轉變，就必須掌握相關的規律，具有前瞻性。預測技術可以使工作更具有前瞻性，本節介紹預測的概念和工具。
1.周期分析，如何識別數據的周期
2.趨勢分析和風險評估
3.生命周期和擬合曲線
4.一元回歸分析
5.季節性數據的預測

五、常用的挖掘算法簡介
數據挖掘算法用于挖掘質量問題發生的原因和規律，本節對常用挖掘算法做簡要介紹。。
1.描述類分析算法
a)關聯規則
b)聚類分析
c)可視化分析
2.分類和預測算法
a)類神經網絡
b)決策樹
c)邏輯斯蒂回歸
d)貝葉斯網絡

六、基于挖掘算法的質量問題分析實踐
1.如何定義問題
2.如何收集數據并定義模型
3.決策樹的應用案例
4.科學的挖掘流程與風險
七、圖表分析和數據可視化
圖表和可視化技術可以使數據的展示更為直觀，使數據的規律更容易被發現。同時，圖表使信息的傳遞更為快速。
1.Excel常規圖表類型及其適用場合
2.幾種加強版分析圖表