大数据解决方案：着眼数据仓库，着手SPSS数据分析与挖掘

理论+实操，案例教学，演示整个项目建库-分析-挖掘全过程

数据仓库：为分析和挖掘提供数据支持，储备各种与业务相关的数据。

数据分析：使用现有的模型，对已有数据仓库的数据进行业务预测。

数据挖掘：使用数据仓库的数据进行建模，构建特殊业务精准模型。

        数据仓库、数据分析与数据挖掘三者是密不可分的。如今很多人都在分别的从事这三方面的工作，相互之间的沟通往往存在一定的问题。例如：需要处理数据，技术部分无法提供需要的数据；数据分析挖掘无法与业务部门密切相关；这些问题普遍存在于进行数据分析挖掘的各行各业企业中。

       人大经济论坛邀请到了数据仓库名师王飞老师和数据分析挖掘名师丁亚军老师，联合研发了一套整体的数据仓库到数据分析再到数据挖掘的课程，全程理论加演示的呈现大数据“寻宝”的微观细节。

       无论你是企业的领导、还是企业的分析人员、还是企业的数据库人员以及学生、老师。一整套的大数据思维和大数据分析挖掘套路都会增加你对大数据的深刻理解，并且构建一个清晰完整的大数据分析挖掘思路。

       在此基础上，所有数据仓库、数据分析、数据挖掘细节层面的问题，你都能清晰的认识到解决问题的方向。

       数据仓库可以解决大数据的存取，SPSS可以解决数据分析与挖掘，两者的结合就是大数据时代最有价值的工具。

◆授课安排：

(1) 授课方式：使用COGNOS10.1和SPSS21.0系统，多媒体互动。
(2) 授课时间：9:00am-12:00pm，1:30pm-4:30pm
(3) 答疑时间：4:30pm-5:00pm
(4) 课间餐饮：提供午餐一份，咖啡饮料水果常备。

◆在线报名     

讲师介绍   

       数据仓库培训讲师：王飞，首席数据架构师，原中国电力科学研究院 高级BI分析师，曾经参与国家电网SG186数据仓库项目的建设， 东北电力公司信息化的建设，中国电科院审计项目的建设，宁夏 电力营销系统的建设。 先任职于izp(亿赞普)资深BI架构师，主要参与互联网分析广告精准投放业务。著作《商业智能深入浅出》，该书包括：理论篇、项目篇、工具篇和实践篇。其中，理论篇涵盖了商业智能的大部分理论知识，包括进入商业智能领域之前所 需要的基础准备知识；项目篇根据实际项目和例子讲解各个知识点，包括如何进行商业智能项目需求的定义，如何开发数据仓库系统，如何实现ETL数据抽取和OLAP多维分析等方面的内容；工具篇介绍了商业智能开发中最常见的ETL工具Informatica和报 表展示工具Cognos；实践篇是提供给项目设计人员和开发人员的练习资料。读者完全可以按照书中的内容一步步进行操作，这也是作者和读者进行互动的一种方式。

       SPSS培训讲师：丁亚军，首席数据分析师，现任职于人大经济论坛评谷数据处理与分析研究中心，兼职中国学习路径图国际培训中心技术顾问，SAS、SPSS高级统计学讲师。曾参与2012国家宏观经济预测、中国城镇居民家庭投资调查、泸州老窖目标管理与绩效考核等大型数据处理项目，具有丰富的数据处理经验。

课程大纲

第一天上午（重点在原理和实践）
数据仓库概要
数据仓库和数据挖掘分析之间的关系
为什么使用数据仓库技术
与数据仓库相关的技术包括哪些内容
学习数据仓库的方法
学习数据仓库之前应该掌握哪些知识（数据架构和数据治理的基础知识）
数据仓库基础知识
数据仓库的基本知识和定义
数据仓库的基本特征
数据仓库的优势和挑战
数据仓库架构与相关的名词解释
数据仓库建设的主要环节
数据仓库规划与开发过程
数据仓库设计实验和应用实例
数据仓库建模方法
数据仓库概念模型（实践）
数据仓库逻辑模型（实践）
数据仓库的物理模型（实践）
数据仓库的数据加载与钻取（实践）
数据仓库如何为数据挖掘分析提供数据源
数据仓库的实施
数据仓库的应用、支持和增强
总结
数据挖掘和数据仓库未来的发展
数据挖掘人员应该具备哪些条件
数据仓库和数据挖掘的结合

第一天下午

如果使用SPSS来分析与挖掘 数据仓库的数据

客户欺诈行为案例分析与市场细分

分析方法1：广义线性：logistic模型

1. logistic模型原理

2. 变量间的数量关系

3. 模型优化技巧

4. 分析报告的可视化

分析方法2：智能判别：神经网络模型

1. 神经网络模型原理

2. 模型优化技巧

3. 预防过度拟合

4. 分析报告的可视化

第二天上午（重点讲解案例）
如何设计，分析，和管理数据仓库项目
数据仓库的运行技术管理
数据仓库的元数据管理
OLAP 技术
OLAP 技术概念
OLAP 与多维分析
OLAP与挖掘分析
OLAP 的实施
多维分析报表演示（cognos）
构建数据仓库: 抽取数据简介（ETL）
ETL工具演示
如何为数据挖掘分析准备数据
关于数据仓库的数据架构（金融行业案例）
关于数据仓库的治理架构（金融行业案例）
大数据环境下的数据仓库建设（金融行业）
商业银行数据仓库建设规划（案例）
电力行业数据仓库的建设规划（案例）
总结数据仓库和数据挖掘结合的实施策略

第二天下午

电量销售服务案例分析与市场细分

分析方法1：聚类分析：K-means、层次聚类与两步聚类

1. 聚类分析一般性原理

2. 类特征：形状、密度、分布

3. 聚类算法的选择

4. 类特征的市场细分

分析方法2：多变量过程：主成分回归

1. 主成分回归的一般性原理

2. 模型预分析：数据模式与异常信息

3. 模型构建：两步建模思想

4. 分析报告：图表绘制

◆培训配套资料
    课程配套资料：
     (1) 本课程中使用的word文档，对讲课过程中提到的相关名词解释。
     (2) 课件PPT文件，便于学员在学习时进行同步操作练习。
     (3) 数据文件包括10多个范例数据，其中有金融和商业范例数据、调查数据等。

◆培训优惠及注意事项（后三项优惠不叠加）
     (1)赠送现场录制的大数据思维课程视频。
     (2)现场班老学员可以享受9折优惠。
     (3)同一机构3人以上报名，9折优惠。     (4)同一机构6人以上报名，8折优惠。

◆在线报名
◆联系方式
樊老师
电话：010+68472707
手机：18611083334
QQ：2881989705
邮 箱：fanyuliang@pinggu.org