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