第一部分：数据建模篇	1、预测建模六步法 2、第一步：属性筛选（降维） Ø 需要选择哪些属性？如何派生新属性？ Ø 常用方法：显著性检验、主成分分析… Ø 从业务逻辑和数据逻辑来考虑 3、第二步：选择模型 Ø 常用模型分类 Ø 各模型适用场景 Ø 基于业务场景选择合适的模型 4、第三步：训练模型 Ø 利用数据对模型进行计算 Ø 模型参数优化和调整 Ø 算法：最优求解、距离、概率、信息增益… 5、第四步：评估模型 Ø 评价常用指标：R^2，AUC，KS，误差率，错误率… Ø 评估方法：留出法、N拆交叉验证、过拟合 6、第五步：优化模型 Ø 模型优化方向：模型和数据 Ø 优化模型：调整模型、优化公式、优化算法 Ø 优化数据：新增属性、重新构造属性 7、第六步：应用模型 Ø 模型解读：模型含义、输出结果 Ø 部署模型：开发模型、模型周期维护 8、数据预测模型优化 Ø 显著性检验、线性检验、非线性检验、相互作用检验、共线性检验、误差项检验、过拟合检验 9、分类预测模型优化 Ø Bagging算法 Ø Boosting算法
第二部分：时间序列分析篇	1、如何对趋势和季节性建模 2、时间序列及常用模型算法 3、使用移动平均来消除季节性因素 Ø 一次移动平均原理及其缺点 Ø 二次移动平均原理及其公式 Ø 加权移动平均原理及其公式案例：平板电脑销量分析 4、指数平滑 Ø 一次指数平滑原理及其公式 Ø 二次指数平滑原理及其公式 Ø 三次指数平滑原理及其公式案例：煤炭产量分析 5、 Holt-Winters分析 Ø 霍尔特-温特斯原理 Ø HW无季节模型及公式 Ø HW加法模型 Ø HW乘法模型 6、季节性和趋势预测模型 Ø 相加模型 Ø 相乘模型 7、评估模型质量的指标 Ø 判定系数R^2 Ø 标准误差SER 8、评估预测值准确程度的指标 Ø 平均偏差MAD Ø 均方差MSE或均方差平方根RMSE Ø 平均误差率MAPE
第三部分：降维技术	1、变量太多存在的问题 2、数据稀疏的问题 3、变量降维技术的类型 Ø 利用业务知识选择属性 Ø 利用数据本身特征来选择属性 Ø 利用自变量和因变量的相关性来选择属性 Ø 将不显著因素合并为显著因子（PCA） 4、利用决策树来选择变量 5、使用神经网络来选择变量 6、利用变量聚类
第四部分：优化问题建模	1、优化问题的三个特点 Ø 可调整的参数 Ø 产生单一目标值的目标函数 Ø 参数的约束条件 2、解决优化问题的常用算法 Ø 线性规划 Ø 遗传算法 3、线性规划应用建模 4、遗传算法 Ø 遗传算法的基本框架 Ø 改进及增强：选择、交叉
第五部分：产品最优定价及定价策略分析	1、产品最优定价是一个优化问题 2、常见的定价方法 3、产品定价的理论依据 Ø 需求曲线与利润最大化 Ø 如何求解最优定价案例：产品最优定价求解 4、如何评估需求曲线 Ø 价格弹性 Ø 曲线方程（线性、乘幂） 5、如何做产品组合定价 6、如何做产品捆绑/套餐定价 Ø 最大收益定价（演进规划求解） Ø 避免价格反转的套餐定价案例：电信公司的宽带、IPTV、移动电话套餐定价 7、非线性定价原理 Ø 要理解支付意愿曲线 Ø 支付意愿曲线与需求曲线的异同案例：双重收费如何定价（如会费+按次计费） 8、阶梯定价策略案例：电力公司如何做阶梯定价 9、数量折扣定价策略案例：如何通过折扣来实现薄利多销 10、定价策略的评估与选择案例：零售公司如何选择最优定价策略 11、航空公司的收益管理 Ø 收益管理介绍 Ø 如何确定机票预订限制 Ø 如何确定机票超售数量 Ø 如何评估模型的收益案例：FBN航空公司如何实现收益管理（预订/超售）
第六部分：客户需求与产品设计建模	1、联合分析法 2、离散选择模型 Ø 如何评估客户购买产品的概率 Ø 如何指导产品开发？如何确定产品的重要特性 Ø 竞争下的产品动态调价 Ø 如何评估产品的价格弹性案例：产品开发与设计分析案例：品牌价值与价格敏感度分析案例：纳什均衡价格 3、品牌价值评估 4、新产品市场占有率评估
第七部分：精准推荐模型	1、从搜索引擎到推荐引擎 2、个性化推荐系统的应用场景 3、推荐系统的评测 Ø 用户满意度 Ø 预测准确度 Ø 覆盖率… 4、常用产品推荐模型及算法 Ø 分类预测 Ø 关联分析 Ø 协同过滤 Ø … 5、个性化精准营销的推荐策略
结束：课程总结与问题答疑