1.认识数据分析：

   1)数据分析的含义

   2)数据分析主要做什么？

 2.为什么要学习做好数据分析

   1）从数据分析的描述问题、对比问题、分析问题 到最后解决问题说明为什么要做好

   2）通过案例说明一般人员与数据分析师的区别

 3.数据分析的误区和分析的关键

 4.数据分析的6个步骤，3大方向（理清思路，寻找答案，观点表达）

     步骤1：需求明确--理清思路

     步骤2：数据收集--理清思路

     步骤3：数据处理--寻找答案

     步骤4：数据分析--寻找答案

     步骤5：数据展示--观点表达   

     步骤6：报表撰写--观点表达

   分别对以上6个步骤以案例的方式详细说明。

    实践：以**数据分析项目为引子，学习怎样将数据分析的技能与具体业务项目结合起来应用于实际的工作之中 

1、数据挖掘概述

数据挖掘基本理念

数据挖掘历史发展进程

数据挖掘主要功能

数据挖掘的发展趋势

2、数据挖掘方法论

CRISP-DM

SEMMA

3、数据处理过程

变量和数据

变量的分类及类型

数据的质量

数据理解过程

数据准备过程

1.数据挖掘主要分析方法：

   1.聚类分析（Clustering）

2.分类分析（Classification）

3.关联分析（Association）

4.预测分析（Prediction）

5.回归分析

6.相关分析

7.数据比较分析  

8.数据挖掘的可视化  

2.数据挖掘的实施

3.分析图形： 正态性检验 描述性统计 箱型图、区间图、时序图 介绍

4.数据挖掘的关键技术:数据预处理

5.数据挖掘效果的评估

  实践：SPSS结合相应的分析算法及展示图形

1、分析团队建设

2、分析工作管理

3、数据分析核心能力建设

4、分析工作与业务协同

1.数据挖掘及管理经验

2.数据挖掘在***行业领域的应用举例

2.1 客户行为与潜在客户分析

2.2  用户信用度分析

2.3  趋势预测

2.4新产品交叉营销分析 等

3.数据挖掘实践举例:客户流失、趋势发展分析等（结合SPSS软件）

实践：内容包括 从设计－>形成模型->应用.  

第七部分 数据挖掘工具及未来研究的方向和热点

1.几种数据挖掘工具比较

2.典型工具介绍及使用范围

3.如何选择数据挖掘工具

4.数据挖掘的方向和热点