完成此門課程，學員將具備以下能力：

• 了解互聯網行業數據挖掘的特點
• 掌握互聯網行業數據分析與挖掘中的基本概念和指標
• 掌握數據挖掘的應用范圍及技術發展方向 了解數據挖掘在互聯網行業的應用
• 掌握關聯分析、分類、聚類算法及應用場景
• 掌握主流數據挖掘工具在互聯網行業業務分析中的應用
• 能夠靈活運用本課所學知識，進行互聯網業務的輔助業務分析
• ?

• 互聯網數據挖掘概覽	互聯網的數據挖掘典型需求 互聯網數據采集的典型渠道 互聯網數據存儲特征 數據挖掘技術與工具 數據分析的工作模式 示例：數據挖掘在互聯網行業中的應用
  互聯網相關的數據挖掘典型應用場景	數據流挖掘分析 文本挖掘分析 示例：文本數據流分析 位置分析 社交關系分析 互聯網應用識別 個性化推薦介紹
  數據分析與挖掘的流程	確定數據需求 設計數據挖掘模型 確定數據來源 收集并整理數據 選擇數據挖掘算法 執行數據挖掘算法 數據分析結果評估與算法+數據優化 報告數據分析結果
  數據需求分析	確定數據分析目標 圍繞目標分解指標 把指標映射到已有的數據 確定對數據的要求
  設計數據挖掘模型	確定數據源模型 確定數據挖掘結果模型 確定數據分析算法容器模型 建立從數據源到數據分析結果映射圖
  確定數據源	數據源存儲空間標定 數據源邏輯模型分析 數據源抽取方法列表 數據源備份機制選擇 數據源質量分析
  收集并整理數據	數據整理需求明確 采用自動化方法整理數據 對不合規數據的特殊處理 間隙數據的補充
  選擇數據挖掘算法	典型數據挖掘算法列表 關聯和相關分析 相關分析 關聯規則分析 實例：使用相關及關聯進行分析 聚類分析算法及應用 實例：聚類分析實例，客戶聚類 分類算法 用決策樹進行分類 神經網絡 實例：使用分類方法進行客戶流失分析 回歸分析與預測 回歸分析概述 時間序列分析 示例：使用時間序列分析進行網絡流量預測
  數據挖掘工具原理與實踐	典型數據挖掘工具列表 統計分析工具SPSS介紹（簡要） 數據挖掘專用工具SPSS Clementine介紹 建模及模型評價過程 應用SPSS Clementine工具進行數據挖掘與分析
  數據挖掘效果評估與優化	數據挖掘結果差異分析 差異原因定位 優化數據與算法 重新處理數據、算法分析 結果比對與確認 數據分析結果報告?

  ?