大数据分析与应用——基于IBM客户预测性智能平台-教辅教材-文化科教-太极之巅书单号

书刊介绍

大数据分析与应用——基于IBM客户预测性智能平台内容简介

本书基于IBM客户预测性智能平台, 以物流与公共交通、零售、互联网搜索、电信、网络舆情、媒体APP应用这6个实际行业数据为例, 着重为读者展示了如何利用PCI平台进行商业情境下的大数据应用分析, 并*终以分析结果指导商业决策。本书的出版, 让读者对目前大数据及大数据的分析应用模式有一点的了解。

大数据分析与应用——基于IBM客户预测性智能平台本书特色

本书基于IBM客户预测性智能平台，以物流与公共交通、零.售、互联网搜索、电信、网络舆情、媒体APP应用这6个实际行业数据为例，着重为读者展示了如何利用PCI平台进行商业情境下的大数据应用分析，并很终以分析结果指导商业决策。本书的出版，让读者对目前大数据及大数据的分析应用模式有一点的了解。

大数据分析与应用——基于IBM客户预测性智能平台目录

**章 IBM预测性客户智能简介**节基于预测性客户分析的大数据时代到来第二节 IBM预测性客户智能平台方案简述第三节 IBM预测性客户智能方案的价值第四节 IBM预测性客户智能的业务优势第二章大数据预测性客户智能平台系统介绍**节预测性客户智能框架介绍第二节 DB2数据库一、DB2介绍二、Data Studio工具介绍第三节 SPSS Modelel简介一、SPSS Modeler概述二、SPSS Modeler节点介绍第四节 Cognos系列简介一、Cognos BI概述二、Cognos FramewoIlk Management简介第三章预测模型**节数据源第二节电信呼叫中心案例的预测模型一、客户流失率模型二、客户满意度模型三、客户关联模型四、客户回复倾向模型五、分析决策管理中的电信模型第三节电信移动端的预测模型一、用于移动端案例的聚合模型二、预测流失模型三、呼叫中心预测模型四、建议接受倾向预测模型第四节零售案例的预测模型一、数据准备为零售提供解决方案二、客户细分模型三、购物篮分析模型四、客户亲和模型五、响应日志分析模型六、库存建议模型七、零售案例中的部署模型八、使用零售案例模型分析IBM决策管理第五节保险案例的预测模型一、保险案例中使用的数据二、客户分割模型三、客户流失预测模型四、客户终身价值模型（CLTV）五、活动反馈模型六、人生阶段模型七、购买倾向模型八、保单推荐模型九、数据处理模型十、社群媒体分析模型十一、情绪评分模型十二、保险数据模型第六节银行案例的预测模型一、亲和力分类模型二、客户流失率模型三、拖欠信用卡模型四、客户分类模型五、序列分析模型六、训练预测模型七、评估模型八、商务规则模型九、部署第四章预测性客户智能平台系统的基础操作**节数据库连接操作一、实验目的二、实验原理三、实验内容四、实验步骤第二节 SPSS Modeler中模型的建立一、实验目的二、实验原理三、实验内容四、实验步骤第三节 Cognos Framework Management创建元数据模型一、实验目的二、实验原理三、实验内容四、实验步骤第四节 cognos BI制作可视化报表一、实验目的二、实验原理三、实验内容四、实验步骤第五章预测性客户智能平台系统的应用**节电信行业案例一、实验目的二、实验原理三、实验内容四、实验步骤第二节保险行业案例一、实验目的二、实验原理三、实验内容四、实验步骤第三节零售行业案例一、实验目的二、实验原理三、实验内容四、实验步骤第四节银行行业案例一、实验目的二、实验原理三、实验内容四、实验步骤附录A 使用报表的配置附录B 故障排除问题附录C 术语解释附录D 资料来源