SPSS Statistics數據分析培訓

1.學會應用統計學工具提升日常分析的效率
2.學會數據描繪的專業技巧，提升數據特征的發現能力
3.學習各種算法的原理和應用場景，提升數據分析的科學性

一、概述

1.數據挖掘研究方向
a)超大數據分析
b)文本/web數據挖掘
c)客戶行為模式分析
d)常用分析工具
2.CRISP方法論
案例演練：一個案例學會數據分析方法論。

二、數據審核和數據清洗
有問題的數據將帶來有問題的結果，因此在分析之前應該對數據進行質量的審核。

1.數據審核的目的
2.定性變量和定量變量的不同審核方法
3.數據審核的步驟
a)極端值和缺失值的發現
b)數據分布特征
4.數據清洗
a)缺失值處理策略
b)極端值處理策略
c)保持數據的一致性
實戰案例
三、數據特征描繪
業務分析之時，發現數據的特征或者規律，是一個分析人員必備的技能，本節用圖形化的方式，描繪數據中的特征和規律。

1.分布規律描述
a)直方圖
b)箱體圖
c)二維點圖
d)QQ圖
2.相關關系描述
a)散點圖
b)矩陣圖
3.對比分析
a)星狀圖
b)條形圖
4.趨勢分析
a)折線圖
b)季節分解

四、異常值分析
發現數據當中的異常數據的方法。
1.SPSS異常值分析法

五、統計學基礎概念

1.假設檢驗原理與應用
a)F檢驗
b)T檢驗
c)方差分析
2.回歸分析原理與應用

六、時間序列分析入門
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
2.新產品和老產品在時序上的不同
3.曲線估計和風險評估
4.ARIMA模型

七、聚類分析
客戶細分是大數據時代精確營銷的先決條件，聚類分析算法有助于快速對數據進行聚類，找到最佳的客戶分類方式。
1.聚類分析的用途
2.快速聚類
3.系統聚類
4.兩步聚類
5.案例