大數據的介紹

1.1 什么是大數據：海量非結構化數據本身+處理方法
1.2 大數據為什么重要及大數據帶來的機遇：決定公司是否有未來和業務可延伸范圍
1.3 對大數據的深層理解：組成、特點介紹
1.4 大數據的相關技術與應用案例
數據采集：ETL工具
數據存?。宏P系數據庫；NoSQL、SQL等
基礎架構支持：云存儲；分布式文件系統等
計算結果展現：云計算；標簽云；關系圖等
1.5 大數據專題可能的演進路徑

數據分析基礎

2.1 數據分析的含義、主要做什么？
2.2 為什么要學習做好數據分析
2.2.1從數據分析的描述問題、對比問題、分析問題 到最后解決問題說明為什么要做好
2.2.2通過案例說明一般人員與數據分析師的區別
2.3 數據分析的誤區和分析的關鍵
2.4 數據分析的6個步驟，3大方向（理清思路，尋找答案，觀點表達）案例形式詳細說明
步驟1：需求明確--理清思路
步驟2：數據收集--理清思路
步驟3：數據處理--尋找答案
步驟4：數據分析--尋找答案
步驟5：數據展示--觀點表達?
步驟6：報表撰寫--觀點表達
分別對以上6個步驟以案例的方式詳細說明。
2.5 實踐：以數據分析項目為引，將數據分析的技能與業務結合，并應用于實際的工作之中?

數據挖掘基礎

3.1 數據挖掘概述、基本理念、歷史發展進程、主要功能、發展趨勢
3.2 數據挖掘方法論：CRISP-DM、SEMMA
3.3 數據處理過程：變量的分類及類型，數據的質量、理解過程、準備過程

數據挖掘及數據分析技術

4.1.數據挖掘主要分析方法：
4.1.1 聚類分析（Clustering）
4.1.2 分類分析（Classification）
4.1.3 關聯分析（Association）
4.1.4 預測分析（Prediction）
4.1.5 回歸分析
4.1.6 相關分析
4.1.7數據比較分析?
4.1.8 數據挖掘的可視化?
4.2 數據挖掘的實施
4.3 分析圖形：正態性檢驗 描述性統計 箱型圖、區間圖、時序圖介紹
4.4 數據挖掘的關鍵技術:數據預處理
4.5 數據挖掘效果的評估
4.6 實踐：SPSS結合相應的分析算法及展示圖形

構建**數據挖掘分析體系

5.1 分析團隊建設
5.2 分析工作管理
5.3 數據分析核心能力建設
5.4 分析工作與業務協同

數據挖掘應用

6.1 數據挖掘及管理經驗
6.2 數據挖掘在***行業領域的應用舉例
6.2.1 客戶行為與潛在客戶分析
6.2.2 用戶信用度分析
6.2.3 趨勢預測
6.2.4 新產品交叉營銷分析 等
6.3 數據挖掘實踐舉例:客戶流失、趨勢發展分析等（結合SPSS軟件）
6.4 實踐：內容包括（從設計－>形成模型->應用）.

數據挖掘工具及未來研究的方向和熱點

7.1 幾種數據挖掘工具比較
7.2 典型工具介紹及使用范圍
7.3 如何選擇數據挖掘工具
7.4 數據挖掘的方向和熱點