大数据分析与应用 基于IBM客户预测性智能平台【2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载】

大数据分析与应用 基于IBM客户预测性智能平台PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第一章 IBM预测性客户智能简介1

第一节 基于预测性客户分析的大数据时代到来1

第二节 IBM预测性客户智能平台方案简述2

第三节 IBM预测性客户智能方案的价值3

第四节 IBM预测性客户智能的业务优势3

第二章 大数据预测性客户智能平台系统介绍5

第一节 预测性客户智能框架介绍5

第二节 DB2数据库6

一、DB2介绍6

二、Data Studio工具介绍6

第三节 SPSS Modeler简介7

一、SPSS Modeler概述7

二、SPSS Modeler节点介绍11

第四节 Cognos系列简介29

一、Cognos BI概述29

二、Cognos Framework Management简介31

第三章 预测模型33

第一节 数据源33

第二节 电信呼叫中心案例的预测模型34

一、客户流失率模型35

二、客户满意度模型36

三、客户关联模型37

四、客户回复倾向模型37

五、分析决策管理中的电信模型38

第三节 电信移动端的预测模型38

一、用于移动端案例的聚合模型38

二、预测流失模型39

三、呼叫中心预测模型39

四、建议接受倾向预测模型39

第四节 零售案例的预测模型39

一、数据准备为零售提供解决方案40

二、客户细分模型41

三、购物篮分析模型42

四、客户亲和模型43

五、响应日志分析模型43

六、库存建议模型44

七、零售案例中的部署模型45

八、使用零售案例模型分析IBM决策管理45

第五节 保险案例的预测模型46

一、保险案例中使用的数据47

二、客户分割模型47

三、客户流失预测模型48

四、客户终身价值模型（CLTV）48

五、活动反馈模型50

六、人生阶段模型50

七、购买倾向模型50

八、保单推荐模型50

九、数据处理模型50

十、社群媒体分析模型51

十一、情绪评分模型51

十二、保险数据模型51

第六节 银行案例的预测模型53

一、亲和力分类模型54

二、客户流失率模型54

三、拖欠信用卡模型54

四、客户分类模型54

五、序列分析模型54

六、训练预测模型55

七、评估模型55

八、商务规则模型55

九、部署55

第四章 预测性客户智能平台系统的基础操作56

第一节 数据库连接操作56

一、实验目的56

二、实验原理56

三、实验内容58

四、实验步骤59

第二节 SPSS Modeler中模型的建立73

一、实验目的73

二、实验原理73

三、实验内容73

四、实验步骤74

第三节 Cognos Framework Management创建元数据模型94

一、实验目的94

二、实验原理94

三、实验内容94

四、实验步骤94

第四节 Cognos BI制作可视化报表112

一、实验目的112

二、实验原理112

三、实验内容113

四、实验步骤113

第五章 预测性客户智能平台系统的应用118

第一节 电信行业案例118

一、实验目的118

二、实验原理118

三、实验内容118

四、实验步骤118

第二节 保险行业案例135

一、实验目的135

二、实验原理135

三、实验内容135

四、实验步骤135

第三节 零售行业案例167

一、实验目的167

二、实验原理167

三、实验内容167

四、实验步骤167

第四节 银行行业案例186

一、实验目的186

二、实验原理186

三、实验内容186

四、实验步骤186

附录A　使用报表的配置215

附录B　故障排除问题222

附录C　术语解释224

附录D　资料来源227