预测分析

这门为期 3 天、广受欢迎的课程将向参与者讲授在组织内有效地应用预测分析的综合工具包。

本课程讲授预测分析的基础知识。参与者将学习如何使用数据分析方法(包括统计、建模和机器学习)来分析在历史数据中发现的模式。分析历史数据将帮助您获得更深入的见解、识别潜在风险、寻求改进机会并预测未来情况。通过实际示例和练习介绍分析原理。

 

本课程面向的受众是组织中希望利用预测分析能力解决问题的个人。本课程深受以下受众的欢迎:业务分析人员和问题解决团队的成员,领导和推进卓越运营活动的人员,进行市场营销分析的人员以及准备在组织内实施预测分析的从业者。

培训课程

第 1 天

在此基础课程中,您将学习如何通过使用 Minitab 导入数据以尽可能缩短分析数据所需的时间,如何开发可靠的统计方法来探索数据,如何创建和解释有吸引力的可视化表现形式并导出结果。实现 Minitab 分析自动化,只需很少的用户输入,可以节省不少时间。分析来自实际应用的各种数据集,学习如何为自己的应用选择正确的分析工具,并解释统计输出。学习重要统计概念(如假设检验和置信区间)的基础知识。

本课程重点讲授如何基于业务、制造和事务过程中常用统计方法的实际应用做出可靠的决策。

包括以下主题:

  • 导入数据和设置数据格式
  • Exec 宏
  • 条形图
  • 直方图
  • 箱线图
  • Pareto 图
  • 散点图
  • 位置和变异测量
  • t 检验
  • 等方差检验
  • 功效和样本数量

前备课程: 无

按性别划分的百分比与年份的散点图
人员分布图,错误

第 2 天

通过学习使用统计建模工具探索和描述变量之间的关系,继续巩固在“分析基础知识”课程中讲授的基础统计分析概念。发现和描述数据中与时间效应及影响相关的特征,以及如何预测将来的行为。

学习如何找出并量化输入变量对关键事件发生概率的效应。借助动手实践示例演示建模工具如何帮助揭示哪些关键输入和来源导致了数据中出现变异。

包括以下主题:

  • 散点图
  • 相关
  • 简单线性回归
  • 时间序列工具(包括指数平滑)
  • 趋势分析
  • 分解
  • 多元和逐步回归
  • 二元 Logistic 回归
  • 回归验证

前备课程: 分析基础知识

员工矩阵图、生产 V、入口/出口、班次、颗粒
乘客平滑图

第 3 天

通过分析从很多行业中实际发生的问题获得的数据,探索和描述变量之间的关系,进而扩展您的分析。学习使用受监督的机器学习技术(如 CART®),分析在历史数据中发现的模式,以获得更深入的见解、识别潜在风险、寻求改进机会并预测未来情况。

使用不受监督的机器学习工具(如 Clustering),检测数据中的自然分割,并将观测值或变量分组到同质集中。通过将原始数据变换为一组不相关的变量,对数据进行降维。

包括以下主题:

  • 判别分析
  • 测试集验证
  • K 折叠验证
  • CART® 分类
  • 相关
  • CART® 回归
  • 聚类分析

前备课程:分析基础知识、回归建模与预测

树状图 - 完全连接,欧几里得距离
按性别和年龄划分的类别节点决策树

第 4 天

通过分析来自现实世界问题的数据来探索和描述变量之间的关系,从而将您的分析能力提升到一个新的水平。CART 树提供了一个简单的树形结构来解释复杂关系。不过,通常可以通过使用更强大的模型来提高它们的预测能力,该模型可以创建许多简单的模型(或树),并将这些简单模型合并到一个最终模型中。学习使用先进的建模技术(如 MARS®、TreeNet® 和 Random Forests®)来分析历史数据中的模式,以获得更好的见解,识别潜在风险,寻找改进机会,并对未来进行预测。 注意:本课程需要订阅附加预测分析模块。

包括以下主题:

  • 验证
  • CART® 分类
  • TreeNet® 分类
  • Random Forests® 分类
  • 相关
  • MARS®  回归
  • CART® 回归
  • TreeNet® 回归
  • Random Forests® 回归
  • 发现关键预测变量
  • 自动化机器学习建模

前备课程: 分析基础知识、回归建模与预测、机器学习

树状图 - 完全连接,欧几里得距离
按性别和年龄划分的类别节点决策树

第 5 天 - 可选

Minitab 培训为提高您使用统计数据来分析数据的效率奠定了基础。这些示例展示学习工具的实际场景,而练习则留出了实际练习时间。通过使用公司的数据加强培训,让您的教育之旅圆满完成。这让与会者有机会直接联系到其自身用例。

研讨会特别强调根据统计工具在公司项目以及数据中的实际应用来做出合理的决策。

主题将根据研讨会中讨论的特定客户数据确定。