大數據驅動商業決策 - 13個 RapidMiner 商業預測操作實務
沈金清、陳佩瑩
- 出版商: 旗標科技
- 出版日期: 2022-03-31
- 定價: $630
- 售價: 7.9 折 $497 (限時優惠至 2024-10-04)
- 語言: 繁體中文
- 頁數: 448
- 裝訂: 平裝
- ISBN: 9863127035
- ISBN-13: 9789863127031
-
相關分類:
大數據 Big-data、Machine Learning
立即出貨 (庫存 > 10)
買這商品的人也買了...
-
$390$304 -
$550$434 -
$1,000$790 -
$650$553 -
$780$616 -
$1,200$948 -
$750$638 -
$1,200$1,020 -
$580$458 -
$620$484 -
$520$406 -
$680$537 -
$680$537 -
$620$490 -
$599$473 -
$680$537 -
$780$616 -
$620$490 -
$630$498 -
$680$537 -
$600$468 -
$800$624 -
$620$490 -
$1,200$948 -
$650$514
商品描述
內容介紹:
用一個創業的故事,告訴你大數據分析如何解決商業問題
手搖飲競爭對手在哪裡?超市商品之間是否有關連性?推薦什麼電影給客戶?客戶是否下單買保險?電信業的客戶是否跳槽?公司未來營收可能是多少…公司從草創到轉型的過程中,會遇到很多的問題。但是,現在你有了解決方案!
本書透過主人翁 Joe 跟 Eddy 的創業故事,告訴讀者如何使用大數據分析,解決公司營運過程中所遇到的問題。書中的分析案例貫穿了企業發展、管理的整個生命週期,所以無論現在的你處於什麼階段,都可以找到切身相關的問題,並學會如何透過大數據分析的方式解決,從而真正實現數據驅動決策(data-driven decision making)的管理方式。
本書使用 RapidMiner 圖形化介面,即便不會寫程式,也能夠將雜亂的數據進行有效的整理、轉換。特別是使用合理的分析演算法,能夠快速獲得容易理解的數據內容,並得出結論,進而基於結論作出合理的決策。
本書的內容將幫助你的公司,成功轉型成數據驅動商業決策。
本書特色:
● 繁體中文第一本獲得 RapidMiner 臺灣總代理昊青推薦專書
● 專文推薦
王健全 中華經濟研究院副院長
蘇傳軍 元智大學工業工程與管理研究所教授
林修葳 臺灣大學國際企業學系所教授
周冠男 政治大學商學院副院長
余士迪 清華大學計量財務金融學系教授
林君信 前陽明交通大學管理科學研究所所長
董澍琦 中興大學財務金融學系教授
丘邦翰 元智大學數位金融學群教授
● 專家審訂
蘇傳軍 元智大學工業工程與管理研究所教授
丘邦翰 元智大學數位金融學群教授
● 使用圖形化介面 RapidMiner 9.10 免費版,大數據分析不用寫程式
● 透過一個創業的故事,告訴你大數據分析如何解決商業問題
● 書中提供詳細操作步驟,你一定做得出來
● 範例資料集來自真實資料,商業分析很有感
作者簡介
作者簡介:
沈金清
美國評價分析師 CVA
經濟部無形資產評價管理師
數位金融碩士
商學碩士
管理碩士學分班
智慧財產權碩士班
法律學分班
大氣科學碩士
陳佩瑩
經濟部無形資產評價師
數位金融碩士
商學碩士
目錄大綱
目錄:
前言
第 0 章 大數據商業應用的基礎知識與軟體介紹
0.1 數據特性
0.2 數據分析
0.3 本書理念
0.4 軟體介紹
0.5 線上教學資源
第 1 章 如何辨識競爭中的關鍵因素
1.1 樞紐分析的基本原理
1.2 實例操作 - 鐵達尼號存活旅客
1.3 章節練習 - 影響汽車銷售的重要因素
第 2 章 我的競爭對手在哪裡?策略群組的量化分析
2.1 非監督式 K-平均法(K-Means)以及監督式 K-近鄰(KNN)演算法的基本原理
2.2 K-Means 實例操作 - 商場客戶分組
2.3 KNN 實例操作 - 商場客戶分析
2.4 KNN 模型測試
2.5 商業應用 - 尋找距離最近的競爭對手
2.6 章節練習 - 競品麥片分析
第 3 章 預測客戶的下一步?網頁瀏覽行為預測
3.1 Apriori 關聯分析演算法的基本原理
3.2 實例操作 - 分析客戶下一個瀏覽的網頁
3.3 章節練習 - 預測客戶下一次瀏覽的新聞
第 4 章 這些商品放在一起很好賣!擬定賣場促銷方案
4.1 關聯分析的基本原理
4.2 實例操作 - 分析客戶一起購買的商品
4.3 章節練習 - 超商購物車商品分析
第 5 章 你的客戶可能會喜歡...會員制俱樂部如何推薦商品
5.1 推薦引擎與評分矩陣的基本原理
5.2 實例操作 - 會員對商品的評分預測(Rating Prediction, RP)
5.3 向會員推薦商品(Item Recommendation, IR)
5.4 章節練習 - 歌手推薦
第 6 章 買了此商品的客戶,也買了...電子商務如何推薦商品
6.1 基於商品推薦引擎的基本原理
6.2 實例操作 - 電影評分預測
6.3 向會員推薦電影
6.4 章節練習 - 線上商城
第 7 章 喜歡此商品的客戶,也喜歡...根據潛在喜好推薦電影
7.1 偏置矩陣分解的基本原理
7.2 實例操作 - 電影評分預測
7.3 向會員推薦電影
7.4 章節練習 - 美食服務平台
第 8 章 客戶是否真的會下單?客戶消費意願預測
8.1 單純貝氏演算法的基本原理
8.2 實例操作 - 客戶消費意願預測模型
8.3 預測客戶消費意願
8.4 章節練習 - 線上叫車平台推廣優惠券
第 9 章 哪些因素會影響銷售定價?房價預測
9.1 線性迴歸演算法的基本原理
9.2 最佳化步驟
9.3 實例操作 - 房價分析
9.4 房價預測
9.5 章節練習 - 紅酒等級評估
第 10 章 哪些客戶會違約?客戶貸款違約預測
10.1 邏輯斯迴歸演算法的基本原理
10.2 實例操作 - 銀行客戶貸款違約分析
10.3 模型調整
10.4 預測客戶是否違約
10.5 章節練習 - 信用卡用戶逾期還款
第 11 章 電話行銷應該打給哪些客戶?找出可能會買定存的客戶
11.1 支援向量機演算法的基本原理
11.2 實例操作 - 銀行客戶產品需求分析
11.3 模型調整
11.4 模型驗證
11.5 模型測試
11.6 章節練習 - 估計客戶的實際年收入
第 12 章 如何避免客戶流失?分類電信客戶跳槽名單
12.1 決策樹演算法的基本原理
12.2 決策樹實例操作 - 電信客戶跳槽分析
12.3 決策樹模型測試
12.4 隨機森林實例操作 - 電信客戶跳槽分析
12.5 隨機森林模型調整
12.6 隨機森林模型測試
12.7 章節練習 - 預測交易的公平性
第 13 章 如何預測公司未來的營收?銷售預測
13.1 ARIMA 演算法的基本原理
13.2 實例操作 - 每週銷售數據預測
13.3 模型調整
13.4 模型測試
13.5 章節練習 - Tesla 股價趨勢預測
結語