内容：

• 从商业角度和数据角度了解数据挖掘解决问题的类型和思路；

• CRISP-DM的6个步骤以及每个步骤应该完成的工作和产生的结果。

第二讲：如何进行数据理解

目标：

• 了解如何对数据进行初步的描述性分析；

• 掌握如何通过表格、统计指标和图形对数据进行概括性描述。

内容：

• 描述离散数据和连续数据的常用指标和如何用SPSS 11.5和Clementine 7.0加以实现。

• SPSS 11.5的表格功能和OLAP功能；

• 如何用SPSS 11.5和Clementine 7.0的图形功能描述数据（条形图、饼图、直方图、散点图、Web图等）。

第三讲：如何建立数据挖掘模型（1）

目标：

• 了解分类模型及预测模型的基本思想；

• 掌握分类模型和预测模型如何通过SPSS 11.5和Clementine 7.0实现。

内容：

• 神经网络、C5.0、C&RT、回归算法的思想介绍；

• 如何应用Clementine 7.0实现神经网络、 C5.0、C&RT等算法；

• 如何应用SPSS 11.5实现回归模型。

第四讲：如何建立数据挖掘模型（2）

目标：

• 了解聚类模型及关联模型的基本思想；

• 掌握聚类模型和关联模型如何通过SPSS 11.5和Clementine 7.0实现。

内容：

• Kohonen、K-Means、TwoStep、Apriori、GRI、Sequence算法的思想介绍；

• 如何应用Clementine 7.0实现Kohonen、K-Means、TwoStep、Apriori、GRI、Sequence算法。

• 如何应用Clementine进行相关分析。

第五讲：如何进行数据准备，使之适合建模需要

目标：

• 掌握如何读取不同数据源的数据；

• 掌握如何对不同数据源的数据进行合并；

• 掌握如何对数据进行变换，使之适合建模的需要。

内容：

• 如何读取文本文件、SPSS文件和通过ODBC连接数据库读取文件。

• 如何合并不同数据源的数据；

• 如何检查数据质量，发现异常值，处理缺失值；

• 如何准备数据，使之适合建模。

第六讲：案例分析

目标：

• 通过实际案例了解数据挖掘。

内容：

• 通过数据挖掘在CRM中的应用了解数据挖掘的运用和具体实现。