大數據分析與應用: 基於IBM客戶預測性智能平台 | 誠品線上

大數據分析與應用: 基於IBM客戶預測性智能平台

內容簡介

內容簡介 本書基於IBM客戶預測性智能平台，以物流與公共交通、零售、互聯網搜索、電信、網路輿情、媒體APP應用這6個實際行業數據為例，為讀者展示了如何利用PCI平台行商業情境下的大數據應用分析，並分析結果指導商業決策。

作者介紹

作者介紹 ■作者簡介蹇潔／主編

產品目錄

產品目錄 第一章 ＩＢＭ 預測性客戶智能簡介 第一節 基於預測性客戶分析的大數據時代到來 第二節 ＩＢＭ 預測性客戶智能平臺方案簡述 第三節 ＩＢＭ 預測性客戶智能方案的價值 第四節 ＩＢＭ 預測性客戶智能的業務優勢 第二章 大數據預測性客戶智能平臺系統介紹 第一節預測性客戶智能框架介紹 第二節ＤＢ 數據庫 一、ＤＢ 介紹 二、Ｄａｔａ Ｓｔｕｄｉｏ 工具介紹 第三節 ＳＰＳＳ Ｍｏｄｅｌｅｒ 簡介 一、ＳＰＳＳ Ｍｏｄｅｌｅｒ 概述 二、ＳＰＳＳ Ｍｏｄｅｌｅｒ 節點介紹 第四節 Ｃｏｇｎｏｓ 系列簡介 一、Ｃｏｇｎｏｓ ＢＩ 概述 二、Ｃｏｇｎｏｓ Ｆｒａｍｅｗｏｒｋ Ｍａｎａｇｅｍｅｎｔ 簡介第三章 預測模型 第一節數據源 第二節 電信呼叫中心案例的預測模型 一、客戶流失率模型 二、客戶滿意度模型 三、客戶關聯模型 四、客戶回覆傾向模型 五、分析決策管理中的電信模型 第三節 電信移動端的預測模型 一、用於移動端案例的聚合模型 大數據分析與應用－－基於ＩＢＭ客戶預測性智能平臺二、預測流失模型 三、呼叫中心預測模型 四、建議接受傾向預測模型 第四節 零售案例的預測模型 一、數據準備為零售提供解決方案 二、客戶細分模型 三、購物籃分析模型 四、客戶親和模型 五、響應日誌分析模型 六、庫存建議模型 七、零售案例中的部署模型 八、使用零售案例模型分析ＩＢＭ 決策管理 第五節 保險案例的預測模型 一、保險案例中使用的數據 二、客戶分割模型 三、客戶流失預測模型 四、客戶終身價值模型（ＣＬＴＶ） 五、活動反饋模型 六、人生階段模型 七、購買傾向模型 八、保單推薦模型 九、數據處理模型 十、社群媒體分析模型 十一、情緒評分模型 十二、保險數據模型 第六節 銀行案例的預測模型 一、親和力分類模型 二、客戶流失率模型 三、拖欠信用卡模型 四、客戶分類模型 五、序列分析模型 六、訓練預測模型 七、評估模型 八、商務規則模型 九、部署 第四章 預測性客戶智能平臺系統的基礎操作 第一節數據庫連接操作 一、實驗目的 二、實驗原理 三、實驗內容 四、實驗步驟 第二節 ＳＰＳＳ Ｍｏｄｅｌｅｒ 中模型的建立 一、實驗目的 二、實驗原理 三、實驗內容 四、實驗步驟 第三節 Ｃｏｇｎｏｓ Ｆｒａｍｅｗｏｒｋ Ｍａｎａｇｅｍｅｎｔ 創建元數據模型 一、實驗目的 二、實驗原理 三、實驗內容 四、實驗步驟 第四節 Ｃｏｇｎｏｓ ＢＩ 製作可視化報表 一、實驗目的 二、實驗原理 三、實驗內容 四、實驗步驟 大數據分析與應用－－基於ＩＢＭ客戶預測性智能平臺第五章 預測性客戶智能平臺系統的應用 第一節電信行業案例 一、實驗目的 二、實驗原理 三、實驗內容 四、實驗步驟 第二節 保險行業案例 一、實驗目的 二、實驗原理 三、實驗內容 四、實驗步驟 第三節 零售行業案例 一、實驗目的 二、實驗原理 三、實驗內容 四、實驗步驟 第四節 銀行行業案例 一、實驗目的 二、實驗原理 三、實驗內容 四、實驗步驟 附錄Ａ 使用報表的配置 附錄Ｂ 故障排除問題 附錄Ｃ 術語解釋 附錄Ｄ 資料來源

商品規格

試閱文字

導讀 : «大數據分析與應用———基於ＩＢＭ 客戶預測性智能平臺» 是ＩＢＭ Ｐｒｅｄｉｃｔ Ｃｕｓ￣ｔｏｍｅｒ Ｉｎｔｅｌｌｉｇｅｎｃｅ數據分析軟件的指導教程，用於大數據分析與應用、數據挖掘等與數據分析相關的綜合性課程。該指導書注重理論與實踐相結合，把上機實驗作為課程實踐的重要環節，是教學過程中不可或缺的部分。實驗課程與理論課程不同，要充分體現「以學生為中心」的模式，應以學生為主體，充分調動學生的積極性和能動性，重視學生自學能力與動手能力的培養，本書是數據分析相關課程的配套實驗教材，編寫這本書的目的是滿足高校工商管理、電子商務、物流工程、信息管理與信息系統等專業學生學習之用。

最佳賣點

最佳賣點 : 本書基於IBM客戶預測性智能平台，以物流與公共交通、零售、互聯網搜索、電信、網路輿情、媒體APP應用這6個實際行業數據為例

活動

• 4/26前 全站滿$1,688折$150
• 4/26前 全站滿$2,688折$260
• 4/26前 全站滿$5,888折$600