商业数据分析与算法应用

商业数据分析与算法应用(Eddie hou)课程介绍：

课程背景：
    数据和算法在支持企业精细化运营、生产制造、营销、用户体验、供应链、物流等场景得到广泛的应用。
    本课程将为学员梳理数据算法在不同领域的实际案例，帮助学员掌握常用的数据模型原理和应用方法。
    对高价值用户筛选、反作弊、供需预估和物流配送、成本优化等方向的案例进行现场解析。
    对于计划转行数据算法方向的学员，提供理论和实践的综合课程。

培训收益：
 ◇ 帮助非数据算法专业的团队leader快速理解数据算法的应用场景与脉络。
 ◇ 为计划转行数据算法的同学提供实际项目建模经验和解析。
 ◇ 了解常用的数据分析模型和经典算法原理与应用落地的流程。
 ◇ 学习如何构造营销用户、流失用户、高价值用户的筛选模型。
 ◇ 学习如何利用规则和模型构建 反作弊、异常值监控系统。
 ◇ 了解如何构建需求预估模型。针对周、天、小时等粒度的未来需求进行预测。
 ◇ 了解如何利用运筹优化算法支持相关项目落地。优化项目的建模思想与实际案例。

课程大纲:

第一部分、数据分析探索与应用流程
 ◇ 商业数据分析
数据挖掘Road Maps
R、python简单介绍
 ◇ 数据探索
数据预处理
构建新的变量
异常值处理
数据可视化
 ◇ 数据分析应用流程

第二部分、经典预测和分类方法
 ◇ 回归分析
相关性
线性回归与拟合
最小二乘法的几何解释
线性回归中的变量选择
回归算法的评估与选择
 ◇ KNN 分类器
确定相邻的样本数据
分类规则
参数K的选择
算法优缺点
案例分析：如何选择相似用户？
 ◇ 逻辑回归
逻辑回归模型
分类算法的评估
案例分析：用户借贷能力判定
 ◇ 决策树
迭代分割
纯度的计算
决策树的使用效果
如何避免过拟合
剪枝与终止条件
案例分析：如何利用决策树的提取出业务规则？
 ◇ （补充）树模型应用——随机森林
案例分析：如何帮助业务方筛选出重要的业务变量？

第三部分、经典聚类算法
 ◇ 聚类问题介绍
 ◇ 两条数据之间的距离
欧式距离
数值型数据处理与距离函数
类别型数据的距离计算
混合类型数据的距离计算
两个类别之间的距离
最大距离、最小聚类、中心距离
 ◇ K-means
如何选择参数K
 ◇ 层次聚类
案例分析：如何选择相似用户？

第四部分、异常检测与反欺诈
 ◇ 异常值检测
异常团体识别
案例分析：无监督反欺诈方案应用
业务思考：如何构建一个反欺诈系统？

第五部分、时间序列预测
 ◇ 时间序列回归模型
预测变量筛选
回归预测
非线性回归
相关、因果和预测
 ◇ 时间序列分解
时间序列成分
移动平均
经典时间序列分解
STL分解法
趋势性、季节性判定
业务思考：如何对时间序列进行聚类？
分解法预测
时间序列类异常值检测
业务思考：如何评估促销活动效果？
 ◇ ARIMA模型
平稳性和差分
延迟算子
自回归与移动平均
非季节性arima
参数估计与选择
季节性arima
 ◇ 高级预测方法
复杂的季节性
向量自回归
神经网络
 ◇ 实际预测问题
周数据、天粒度数据以及小时数据预测
预测组合
长序列与短序列预测
训练集与测试集
缺失值与异常值
案例分享：共享单车Daily天粒度需求预测

第六部分、决策优化
 ◇ 开源决策优化工具介绍 google or-tools
运筹优化方法介绍
优化算法应用流程
 ◇ 案例分享(可选)
电商促销优惠券发放优化：给定用户补贴的预算，如何选择合适的补贴用户。
工厂布局优化:考虑如何减少物料搬运成本(运量和距离)。
仓库选址问题：如何选择服务点，满足服务能力和降低运输成本。
物流配送、车辆路径调度：配送问题综合建模与分析。

讲师介绍：Eddie hou
工作经历
同济工业工程背景，数据算法专家，
具有需求预测、收益管理、反作弊、物流配送路径优化系统等丰富的数据算法实战经验。
在外资企业中享有很高的知名度。 接受咨询或培训的单位包括上海大众汽车、长春西门子汽车电子、联合汽车电子、三维制药等等有限公司以及其他来自全国各地的合资企业。

更多商业数据分析与算法应用相关课程：