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。

学习课程

第 1 天

在这门基础课程中,您将学习如何使用 Minitab 尽可能缩短数据分析所需的时间。我们将介绍如何导入数据、开发可靠的统计方法来探索数据、创建和解释有吸引力的可视化内容及导出结果。您将探索如何使用最少量的用户输入自动进行 Minitab 分析,这将能节省时间! 我们将分析各种实际的数据集,以便您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。此外,您还将学习重要统计概念(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
  • 位置和变异度量
  • t 检验
  • 等方差检验
  • 功效和样本数量

前备课程:

Scatterplot of Percent vs Year by Gender
Chart of Person, Mistake

第 2 天

准备好继续巩固在“分析基础知识”课程中讲授的基础统计分析概念?本课程教您如何使用统计建模工具探索和描述变量之间的关系。您将探索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。

本课程将解释如何找出并量化输入变量对关键事件发生概率的影响。借助动手实践示例,您将学习建模工具如何帮助揭示哪些关键输入和来源导致数据中出现变异。

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
  • 二元逻辑回归
  • 回归验证

前备课程:分析基础知识

Matrix Plot of Employees, Production V, Entrances/Ex, Shift, Particles
Smoothing Plot for Passengers

第 3 天

本课程通过实际发生的问题示例来讲授如何探索和描述变量之间的关系,进而帮助您增强数据分析技能。您将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,这可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。

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。此外,还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:分析基础知识以及回归建模与预测

Dendrogram - Complete Linkage, Euclidean Distance
Class node Decision Tree by Gender and Age