01章数据分析之统计学基础
01-01数据分析及其职业介绍
01-02数据分析工具与数据分析方法论
01-03数理统计基础知识：随机事件与随机变量
01-04统计学的四大分布
01-05特殊的概率分布 - 正态分布与中心极限定理
01-06描述性分析：集中趋势、离中趋势、数据的分布
01-07不同的数据类型使用的统计图形概述
01-08抽样估计：点估计与区间估计方法
01-09T检验方法：单样本、两独立样本、配对样本
01-10方差分析概述与操作
02章Mysql数据库管理
01-01关系型数据库管理系统与结构化查询语言SQL概述
01-02数据库操作
01-03数据表操作
01-04数据类型和约束条件
01-05数据填充与数据导入
01-06SQL单表查询与多表查询
01-07查询操作符与子查询
01-08SQL查询函数介绍
01-09SQL查询综合案例：电商数据查询练习
03章SPSS进行数据分析Part1
01-01数据分析全过程 - 综合绩效案例讲解
01-02SPSS软件综合特征 - 与同类软件对比
01-03SPSS数据视图与变量视图
01-04SPSS访问数据源 - 本地和数据库文件访问
01-05如何理解描述数据— 统计量
01-06如何理解描述数据— 可视化图形探探索
01-07相关性分析
01-08线性回归分析
01-09线性回归分析诊断与残差分析
01-10实战项目：企业员工综合绩效
04章SPSS进行数据分析Part2
01-01Logistic回归的相关关系分析
01-02Loigistic回归模型及实现
01-03极大似然法估计
01-04Logistic回归模型评估方法
01-05连续变量的维度规约：主成分分析
01-06聚类分析方法：层次聚类与Kmeans聚类
01-07客户价值评分模型：RFM分析
01-08使用SPSS进行联合分析
01-09实战项目1：银行信用行为特征分类
01-10实战项目2：电商用户行为画像
01-11实战项目3：购买行为组合与预测
05章SPSS时间序列与综合案例
01-01认识时间序列分析方法
01-02简单时间序列分析
01-03平稳时间序列分析ARMA模型
01-04非平稳时间序列分析ARIMA模型
01-05综合实战项目1：销量预测-某品牌汽车年销量预测
01-06综合实战项目2：客户关系-消费者信心指数影响因素分析
01-07综合实战项目3：市场调研-新产品市场测试研究案例
01-08综合实战项目4：营销分析-某购物网站营销数据分析
06章Tableau数据可视化
01-01Tableau公司和产品介绍
01-02使用Tableau连接多源数据
01-03Tableau可视化界面介绍
01-04Tabelau数据分析P1：排序、筛选、计算字段、分层结构
01-05Tableau数据分析P2：集和参数、趋势线、预测区间
01-06初级图表：条形图、折线图、饼图、文字云、散点图、地图、树形图、气泡图、图表组合
01-07高级图表：子弹图、环形图、瀑布图、Bump Chart、Table Formatting
01-08使用Tableau制作仪表板与故事
01-09实战项目1：某公司销售数据可视化
01-10实战项目2：航班运营状况分析
07章期中项目作业
01-01实战演练1：电商客户价值预测
01-02实战演练2：网站流量数据分析
01-03实战演练3：信用卡客户流失预警与监控
01-04实战演练4：银行电话营销响应分析
01-05以上课题仅供参考
08章SPSS Modeler&Weka数据挖掘技术Part1
01-01数据挖掘在政府及各行业的应用
01-02数据挖掘的工具比较和选择
01-03数据挖掘的定义及目标和发展历程
01-04使用SPSS Modeler&Weka 体验决策树案例
01-05数据库中的知识发掘步骤—CRISP DM（跨产业的数据挖掘标准流程）
01-06基本数据挖掘技术：统计技术、可视化技术、KNN
01-07初级分类器-KNN算法介绍与SPSS Modeler&Weka实操
01-08实战案例：电信公司电销案例、零售商杂志数据集、疾病诊断数据集、保险数据集
01-09进阶数据挖掘技术概述
01-10数据挖掘模型之绩效增益和顾客数优化
01-11数据挖掘的定位与未来展望
01-12银行业之进件评分卡数据集介绍
01-13数据前处理技术概述
01-14数据质量报告制作方法
01-15数据清洗工作：噪声消除和空值填补
09章SPSS Modeler&Weka数据挖掘技术Part2
01-01字段扩充方法：内外部数据整合
01-02数据转换方法P1：数据正规化和数据一般化
01-03数据转换方法P2：数据形态的转换与分箱方法
01-04数据精简：记录精简、值域精简、字段精简
01-05统计方法中的抽样：随机抽样、分层抽样、聚类抽样、系统抽样、两阶段式抽样
01-06如何将数据切分为训练数据和测试数据集
01-07十则交叉验证方法
01-08关键变量发掘技术
01-09简单贝叶斯分类技术
01-10贝斯网络方法
01-11混淆矩阵与分类模型评估方法
01-12线性回归分析：简单线性回归、多元线性回归
01-13数据预测模型评估方法
01-14实战案例：房价预测案例、商场来店顾客人数预测、销售收入影响因素案例
10章SPSS Modeler&Weka数据挖掘技术Part3
01-01决策树方法与流程介绍
01-02分类树、回归树、分类回归树介绍
01-03决策树算法原理与实操：ID3、C4.5、C5.0、CART、CHAID
01-04神经网络算法与流程
01-05BP神经网络、倒传递神经网络、类神经网络
01-06神经网络优缺点介绍
01-07罗吉斯回归分析方法
01-08高级分类器-支持向量机
01-09集成学习方法：BAGGING和BOOSTING
01-10预测模型的建构方式
01-11分类模型的盲点解析
01-12实战案例探讨：Bank & Credit公司客户获取案例、Flower Company客户增长案例、Internet Service Provider客户挽留案例
01-13时间序列分析方法与ARIMA模型
01-14聚类分析方法与客户分群
01-15关联规则Apriori算法与购物篮分析
01-16序列型样与AprioriAll算法
01-17Map Reduce大数据分析方法简述
01-18实战案例1：银行业数据挖掘应用之小额信贷响应模型
01-19实战案例2：电信业数据挖掘应用之产品交叉销售模型
01-20实战案例3：零售业数据挖掘应用之销售数量预测模型