?

• 了解數據倉庫、數據挖掘基本概念及方法論
• 了解數據挖掘商業價值
• 掌握數據挖掘建模的主要方法
• 學習數據挖掘的實際應用方法
• 了解企業級數據分析與挖掘能力體系建設

• 數據挖據的基礎—— 數據倉庫概述	介紹數據倉庫概念 介紹數據倉庫發展過程 介紹行業數據倉庫及BI的解決方案 介紹數據倉庫中數據分析的工作模式及數據管控原則
  數據挖掘概述	介紹數據挖掘流程 介紹數據挖掘與數據倉庫的關系 介紹數據挖掘和報表/OLAP的不同 介紹適用數據挖掘的業務問題及數據挖掘的商業價值 辨析對數據挖掘的誤解 介紹數據挖掘的成功因素
  數據挖掘方法論	介紹數據挖掘方法論的初衷 介紹數據挖掘方法論CRISP-DM的歷史 介紹CRISP-DM的步驟、每一步的相關任務及需要關注的問題
  數據理解與數據準備	介紹探索性數據分析 介紹數據預處理技術 ?
  預測性數據挖掘算法原理——決策樹	介紹決策樹的應用場景和主要應用 介紹決策樹的基本原理 如何評估、提高決策樹模型的穩定性 案例分析
  預測性數據挖掘算法原理——回歸分析	介紹線性回歸模型及其適用場景 介紹Logistic回歸及其適用場景 介紹Logistic回歸的數據預處理 介紹回歸中重要的問題，包括多重共線 介紹逐步回歸的方法 案例分析
  預測性數據挖掘算法原理——神經網絡	介紹神經網絡與一般回歸模型的關系 介紹神經網絡的基本原理 介紹數據預處理 案例分析
  描述性數據挖掘算法原理——聚類	介紹聚類與預測的區別 介紹聚類分析的適用場景和主要應用 介紹聚類的基本原理 介紹影響聚類結果的因素 案例分析
  描述性數據挖掘算法原理——關聯規則	介紹關聯規則的應用場景和主要應用 介紹關聯規則的基本原理 介紹關聯規則的重要度量 案例分析
  總結——企業級數據分析與挖掘能力體系建設	分析與挖掘的業務價值框架 分析與挖掘的管理框架 組織架構與部門職能 人才培養和能力提升體系 客戶360信息管理 分析挖掘流程管理?