Анализ данных IBM SPSS и практическая эссенция практических случаев (с CD)
Цена: 1 068руб. (¥50.5)
Артикул: 19322423238
Вес товара: ~0.7 кг. Указан усредненный вес, который может отличаться от фактического. Не включен в цену, оплачивается при получении.
Описание товараПродавец:当当网官方旗舰店
Рейтинг:
Всего отзывов:0
Положительных:0
Добавить в корзину
Другие товары этого продавца
¥21444руб.
¥22.3472руб.
¥ 44 32.6689руб.
¥22.63479руб.
Выбор редактора
  Книга содержит медицинские, финансы, страхование, автомобили, быстрые потребительские товары, исследования рынка, интернет -исследования, интернет -исследования, интернет -исследования, интернет -исследования, интернет -исследования, интернет -исследования, интернет -исследования и Интернет. Полный процесс анализа Весь случай и введение модели и программного обеспечения в объяснение случая, так что читатели могут прорваться через ограничения методов и инструментов во время чтения и по -настоящему собраться, понимая сущность анализа данных.Прилагаемые пластины в этой книге включают данные о данных о случае и процедуры анализа/файлы потока. Читатели могут полностью воспроизводить все содержимое анализа.
  эта книга подходит для аналитиков данных от начинающих до экспертов от экспертов до всех уровней аналитиков данных, особенно подходящих для следующих групп читателей: специалистов по анализу данных, которым необходимо улучшить фактические боевые возможности; данные в маркетинге, финансах, финансах и Управление человеческими ресурсами должно применяться к людям, которые анализируют; профессионалы, занимающиеся консалтингом, научными исследованиями и другими задачами; в то же время они также подходят для студентов и аспирантов различных специалистов в качестве справочников для приложений для анализа данных.
  эта книга подходит для аналитиков данных от начинающих до экспертов от экспертов до всех уровней аналитиков данных, особенно подходящих для следующих групп читателей: специалистов по анализу данных, которым необходимо улучшить фактические боевые возможности; данные в маркетинге, финансах, финансах и Управление человеческими ресурсами должно применяться к людям, которые анализируют; профессионалы, занимающиеся консалтингом, научными исследованиями и другими задачами; в то же время они также подходят для студентов и аспирантов различных специалистов в качестве справочников для приложений для анализа данных.
Каталог
1.1  Методология анализа данных 3
1.1.1  Статистика поддержки проектирования
Методология 3
1.1.2  Статистика под поддержкой полу -теста исследований
Методология 4
1.1.3  Анализ частичного интеллекта и автоматизации
Методология приложения для добычи данных 5
1.2  Методология CRISP-DM Введение 6
1.2.1  Обзор 6
1.2.2  понимание бизнеса 8
1.2.3  Понимание данных 8
1.2.4  Подготовка данных 9
1.2.5  создать модель 9
1.2.6  Оценка модели 9
1.2.7  Результаты развернулись 10
Глава 2  МЕТОДА ДАННЫХ МЕТОДА ВВЕДЕНИЕ 11
2.1  Формат хранения данных 11 в статистическом программном обеспечении 11
2.1.1  ДВА -мерные данные Таблица 11
2.1.2  тип хранилища переменной 12
2.1.3  Шкала измерения переменных 12
2.2  статистическое описание и оценка параметров данных 13
2.2.1  Статистика непрерывных переменных 13
2.2.2  Параметры непрерывных переменных оценивают 16
2.2.3  Статистическое описание и параметры классификационных переменных
По оценкам 18
2.2.4  Статистическая графическая система 21
2.3  Метод теста общих допущений 24
2.3.1  предполагайте основной принцип проверки 25
2.3.2  Метод испытания гипотезы с одной переменной 26
2.3.3  метод двойного переменного предположения 28
2.4  Много -переменная модель 31
2.4.1  Анализ формул/Общая линейная модель 31
2.4.2  расширение линейной модели и гибридной линейной
Модель 32
2.4.3 return Model 34
2.4.4  другие общие модели 36
2.5  Модель 38 Multi -Statitistical Analys
2.5.1  Концентрация информации 38
2.5.2  Внутренняя структура ассоциации между переменными
Обсуждение 38
2.5.3  Классификация данных 39
2.5.4  проанализируйте связь между элементами 41
2.6  интеллектуальный статистический анализ/метод раскопки данных 42
2.6.1  Дерево модель 42
2.6.2  Нейронная сеть 43
2.6.3  поддержка векторной машины 43
2.6.4  Байесовская сеть 44
2.6.5 *Рядом с соседними элементами анализа 44
2.6.6  Ассоциация и анализ последовательности 44
Глава 3  IBM SPSS статистика
Начало работы 46
3.1  Фон 46
3.2  Файлы данных, чтение с переменными и переменными 47
3.2.1  SPSS Базовая операция интерфейс 47
3.2.2  Подготовка данных 49
3.3  Анализ данных анкеты 53
3.3.1  генерировать частоту 53
3.3.2  Расчет среднего 54
3.3.3  описание нескольких тем 55
3.4  Краткое и обсуждение проекта 56
Глава 4  IBM SPSS статистика
Продвинутый 57
4.1  Фон 57
4.1.1  Project Faine 57
4.1.2  Анализ идей 59
4.2&Nbsp; запись анкеты 59
4.2.1  Определение открытых вопросов 59
4.2.2  Определение отдельного выбора 60
4.2.3  определение множественного выбора 60
4.3&Nbsp; проверка качества анкеты 62
4.3.1 удалить повторную запись 62
4.3.2  обнаружить аномальное значение 64
4.3.3  логическая проверка 65
4.4  Анализ данных анкеты 67
4.4.1  Анкету взвешивала 67
4.4.2  бизнес -анализ 70
4.5  Резюме и обсуждение проекта 71
Глава 5  IBM SPSS MODLER Operation Начало работы 73
5.1  IBM SPSS MODLER Обзор 73
5.1.1  IBM SPSS Modler Interface 73
5.1.2  IBM SPSS MODLER'S ARTHARITION
Композиция с продуктом 76
5.2  IBM SPSS MODLER, связанные с операциями
Навыки 77
5.2.1  IBM SPSS MODLER BASIC
Операция 77
5.2.2  IBM SPSS MODLER
Выражение 79
5.2.3  IBM SPSS MODLER несколько
Навыки 79
5.3  IBM SPSS MODLER FUNCTION Введение 81
5.3.1  Case 81 Data Case 81
5.3.2  Исследовательский анализ данных 82
5.3.3  установить модель, модель проверки и модель
Приложение 83
5.4  Анализ случаев: поддержка решения о выборе лекарств 86
5.4.1  фоновое введение 86
5.4.2  описание данных 86
5.4.3  понимание бизнеса 87
5.4.4  Понимание данных 87
5.4.5  подготовка данных 88
5.4.6  модельное создание и оценка 89
5.4.7  Выпуск 91 модели 91
5.5 как учиться у IBM SPSS дальше
Modeler 93
Вторая часть  влияющие факторы обнаружение и числовое предсказание
Глава 6&Nbsp; йогурт -напиток
Исследовательский случай 97
6.1  Фон. 97
6.1.1  Обзор исследовательского проекта 97
6.1.2  анализ идей и понимания бизнеса 98
6.2  Понимание данных 98
6.2.1  просмотрите структуру дизайна 98
6.2.2  Список Описание 99
6.2.3  графическое описание среднего значения 101
6.3  Анализ различий в оценке в разных брендах 102
6.3.1  Однофакторная модель формулы введение 103
6.3.2  Общая проверка фитинга бренда 104
6.3.3  сравнение между двумя или двумя между группами 105
6.3.4  Тест формулатофита 108
6.4  Анализ модели двух факторов дифференциального анализа 108
6.4.1  Модели анализа двух факторных дисперсии Введение 109
6.4.2  Подгонка включает в себя полноту элементов взаимодействия
Модель 110
6.4.3  подгонка содержит только модель 111 основного эффекта 111
6.4.4  сравнение между двумя или двумя между группами 112
6.4.5  анализ случайных факторов 114
6.5  Анализ Заключение и обсуждение 116
6.5.1  анализ вывод 116
6.5.2  эталон: не используйте 116
Глава 7  гормональные уровни частичного распределения
Факторный анализ 118
7.1  Фон. 118
7.1.1  Обзор исследовательского проекта 118
7.1.2  Анализ идей и понимания бизнеса 119
7.2  Понимание данных 119
7.2.1  ОПИСАНИЕ ОДНАКАЯ ИСПЫТАНИЯ 119
7.2.2  исследование переменной ассоциации 122
7.3  анализ моделирования после преобразования переменной 127
7.3.1  Метод общего переменного преобразования 127
7.3.2  конкретная работа этого случая 128
7.4  Норма преобразование анализа 131
7.5  используйте модель COX для анализа 132
7.5.1  Cox вернется к модели основные принципы 133
7.5.2  конкретная операция этого случая 134
7.6  Краткое и обсуждение проекта 136
7.6.1  анализ вывод 136
7.6.2  как правильно выбрать модель анализа 136
Глава 8  Годовой случай прогнозирования продаж автомобильных компаний 138
8.1  Фон. 138
8.1.1  Обзор исследовательского проекта 138
8.1.2  Анализ идей и понимания бизнеса 139
8.2  Понимание данных 140
8.3  линейная регрессия после переменной преобразования 142
8.3.1  Краткое введение модели 142 линейной регрессии 142
8.3.2  Подгонка переменной преобразования линейная регрессия
Модель 143
8.3.3  суждение о подходящем эффекте модели 146
8.3.4  значение прогнозирования хранения и значение оценки интервала 148
8.4  кривая подходит 148
8.4.1  используйте процесс оценки кривой для подгонки одновременно
Многократная модель кривой 149
8.4.2  суждение о подходящем эффекте модели 151
8.4.3  Прогноз модели 153
8.5  используйте нелинейную регрессию, чтобы соответствовать 154
8.5.1  модель введение 154
8.5.2  построить модель регрессии суб -сегмента 155
8.5.3  Сравнение различных эффектов модели 157
8.6  Краткое и обсуждение проекта 158
8.6.1  анализ вывод 158
8.6.2 ходьба между идеалом и реальностью 158
Глава 9&Nbsp; t -cause травма головного мозга после травмы головного мозга
Анализ фактора воздействия 160
9.1  Фон. 160
9.1.1  Обзор исследовательского проекта 160
9.1.2  Анализ идей и понимания бизнеса 161
9.2  Понимание данных 161
9.2.1&Nbsp; диаграмма, связанная с переменными 161
9.2.2  Одно переменный тест, связанный с переменной ассоциацией 164
9.3  построить двойную категорию категории классов. Модель 167 167
9.3.1  модель введение 167
9.3.2  предварительные попытки моделирования 169
9.3.3  Construction*End Model 174
9.4  используйте модель дерева, чтобы найти интерактивные элементы 175
9.4.1  модель введение 176
9.4.2  Анализ модели дерева 178
9.5  анализируется с широким линейным процессом 181
9.5.1  модель введение 181
9.5.2  Строительные модели, которые включают только основной эффект 182
9.5.3  добавить интерактивные элементы в модель 185
9.6  Краткое и обсуждение проекта 186
9.6.1  Анализ Заключение 186
9.6.2  Правитель короткий, есть режиссер 187
Глава 10  Китайский индекс доверия потребителей
  Факторный анализ 188
10.1  Фон 188
10.1.1  Project Faine 188
10.1.2  Анкета проекта 189
10.1.3  анализ идей и понимания бизнеса 192
10.2  Понимание данных 193
10.2.1  изучить время, уверенность в регионе
  воздействие 193
10.2.2  осмотреть пол, оккупацию, статус брака
  Влияние на индекс веры 195
10.2.3  изучите возрастный показатель уверенности
  удар 196
10.3  анализ моделирования стандартной структуры GLM 197
10.3.1  создать общую модель 197
10.3.2  Результаты двух или двух сравнений 200
10.4  Результаты многоносимой модели анализа 202 202
10.4.1  модель введение 202
10.4.2  инфрационный мульти -вариантный анализ модель 203
10.5 *Доступные стандарты возвращаются 209
10.5.1  Метод Введение 210
10.5.2 используйте*отличный стандарт для возвращения к
  анализ 211
10.6  анализ моделирования многогранной модели Framework 214
10.6.1  модель введение 215
10.6.2  много -горизонтальная модель 216 для времени
10.7  Резюме и обсуждение проекта 221
10.7.1  Анализ Заключение 221
10.7.2&Nbsp; когда будет использоваться сложная модель
приходите модель 222
третья часть  Концентрация информации, классификация и представление восприятия
Глава 11  Исследуйте потребителей, чтобы купить продукты для здоровья
  Мотивация 225
11.1  Фон 225
11.1.1  Обзор исследовательского проекта 225
11.1.2  Анализ идей и понимания бизнеса 227
11.2  Понимание данных 227
11.2.1  ОПИСАНИЕ ОДНАКАЯ ИСПЫТАНИЯ 227
11.2.2  исследование переменной ассоциации 228
11.3  Используйте факторный анализ для выполнения концентрации информации 229
11.3.1  модель введение 229
11.3.2  Конкретная операция факторного анализа 231
11.4  сегментация рынка на основе факторного анализа 238
11.4.1  разные браки, респонденты
  разница 238
11.4.2  различные бренды медицинских продуктов пользователей
  Различия предпочтений фактора 240
11.5  Резюме и обсуждение проекта 241
11.5.1  Исследовательский вывод 241
11.5.2  разумная интерпретация результатов факторного анализа 242
Глава 12  1988 Seoul Олимпийские игры десять мужчин
  Almisty Analysis 244
12.1  Фон. 244
12.1.1  Обзор проекта 244
12.1.2  Анализ идей и понимания бизнеса 245
12.2  Понимание данных 246
12.2.1  ОПИСАНИЕ ОДНА
12.2.2  исследование переменной ассоциации 246
12.2.3  попробуйте предварительное моделирование 247
12.3  Используйте факторный анализ для выполнения концентрации информации 249
12.3.1  предварительный анализ 249
12.3.2 повернуть причину 252
12.3.3  продолжайте найти лучшие результаты анализа 253
12.3.4  Результат хранения и выпуск 254
12.4  Основной компонент возврат 255
12.5  восстановить уравнение регрессии основного компонента обратно в исход
  переменная форма 257
12.6  Резюме и обсуждение проекта 257
12.6.1  Исследовательский вывод 257
12.6.2 правильно интерпретируется дисперсия фактора
  соотношение 258
Глава 13  поражение SARS 259
13.1  Фон. 259
13.1.1  Обзор исследовательского проекта 259
13.1.2  Анализ идей и понимания бизнеса 262
13.2  Понимание данных и подготовка данных 263
13.2.1&Информация о NBSP; 263 потребителями
13.2.2  продукты страхования экстренного аварийного страхования купить
  Тенденция 265
13.2.3  будущий потребительский образ жизни
  изменение 267
13.3 “ sars” много -мерное предпочтение для фокусировки информации
  анализ 269
13.3.1  модель введение 269
13.3.2  SPSS многомерного анализа предпочтений
  операция 270
13.3.3  попробуйте предварительное моделирование 272
13.3.4  ввести больше фоновых переменных 275
13.4  Многочисленная тенденция к покупке страхования страхования страхования
  соответствующий анализ 278
13.4.1  модель введение 278
13.4.2  простой соответствующий анализ 280
13.4.3  Многочисленное соответствующий анализ 284
13.5 “ sars” влияние на будущий образ жизни 289
13.5.1  Анализ многомерного предпочтения
  Предварительный исследователь 289
13.5.2  Анализ фактора изменения для выполнения информации
  Резюме 291
13.6  Резюме и обсуждение проекта 295
13.6.1  Исследовательский вывод 295
13.6.2  концентрация информации, такая как многомерный анализ предпочтений
  Метод. Основное обсуждение 297
Глава 14  Стационарные расходы влияют на факторы раскопки 299
14.1  Фон 299.
14.1.1  Обзор проекта 299
14.1.2  Анализ идей/понимания бизнеса 302
14.2  Понимание данных и подготовка данных 303
14.2.1  распределение данных 303
14.2.2  переменные в совокупности 305
14.2.3 *очистка стоимости 306
14.2.4  Распределение заболеваний 306
14.2.5  переменное преобразование 307
14.3  оценка анализа кластеризации, чтобы найти тип стоимости 308
14.3.1  Сводная информация о факторном анализе 308
14.3.2  Метод анализа классификации 310
14.3.3  анализ данных классификации 312
14.4  нейронные сети, влияющие на факторы, влияющие на факторы
  анализ 315
14.4.1  модель введение 316
14.4.2  предварительные попытки использовать моделирование нейронной сети 318
14.4.3 re -моделинг 323 после возраста дискрета
14.4.4  построить двойную долюнную нейронную сеть 325
14.4.5  далее найти более четкие результаты
  объяснение 327
14.5&Nbsp; нервное лечебное действие и стоимость различных методов лечения
  сетевой анализ 328
14.5.1  сгенерировать набор данных 329
14.5.2  Прогноз моделирования нейронной сети 330
14.5.3  Сравнение значений прогнозирования модели 332
14.6  Резюме и обсуждение проекта 334
14.6.1  Исследовательский вывод 334
14.6.2  Метод интеллектуального анализа данных и классический метод
  выбор 335
Четвертая часть  выбор случая интеллектуального анализа
Глава 15&Маркетинговые данные NBSP; Taobao Seller
  анализ 339
15.1  Фон 339
15.1.1  Продавец Чжан Сан 339
15.1.2  Анализ идей и понимания бизнеса 340
15.2  используйте модель RFM, чтобы найти список продвижения 341
15.2.1  модель RFM Введение 341
15.2.2&Модель NBSP; RFM на данных
  анализ 343
15.3  найдите характеристики покупателей с покупателем 348
15.3.1  Понимание данных и подготовка данных 348
15.3.2  используйте модуль прямой продажи, чтобы найти повторную покупку
  особенности толпы 354
15.4  Резюме и обсуждение 356
15.4.1  другой маркетинговый анализ, который можно использовать
  Метод 356
15.4.2  Резюме исследования 357
Глава 16  Связанный анализ покупки продукта супермаркета 358
16.1  Фон 358
16.1.1  ПРЕИС НЕКОТОРЫЕ 358
16.1.2  Анализ идей и понимания бизнеса 358
16.2  Подготовка данных 359
16.3  Связанный анализ покупки продукта 362
16.3.1  Введение в несколько типичных алгоритмов ассоциации 362
16.3.2  Связанный анализ покупки продукта 364
16.4  Результат приложение 369
Глава 17  Анализ потери клиентов в телекоммуникационной индустрии 370
17.1  Фон 370
17.2  понимание бизнеса 371
17.2.1 как определить потерю 372
17.2.2  какие переменные могут использоваться для прогнозирования потери 372
17.2.3 как определить данные для анализа
  Временное окно 373
17.2.4 как получить реальность из результатов анализа
  доход 374
17.3  Понимание данных и подготовка данных 374
17.3.1  Анализ данных 374
17.3.2  генерируйте широкополосную таблицу 376.
17.3.3  исследование данных просто анализ 382
17.4  установить модель и модель оценку 390
17.4.1  Выбор модели 390
17.4.2  моделирование мышления 1: 392 июля
17.4.3  моделирование мышления 2: Используйте генерацию дерева -применение решений
  Коллекция правил 394
17.4.4  моделирование мышления 3: используйте нейронную сеть
  генерируйте балл потерь 395
17.5  модельное приложение и маркетинговый предварительный просмотр 399
17.6  суммируйте и обсудите 401
17.6.1  Резюме исследования 401
17.6.2  дальнейшее чтение 402
Глава 18  Метод оценки кредитного риска 403
18.1  Фон 403
18.1.1  введение 403
18.1.2  Метод кредитного рейтинга 405
18.2  понимание бизнеса 406
18.3  Понимание данных и подготовка данных 409
18.4  установить модель и модель оценку 410
18.4.1  411 Входные переменные разделить коробки 411
18.4.2 используйте логистический возврат, чтобы установить кредит
  прогнозирующая модель 415
18.4.3  генерируйте модель кредитного рейтинга 417
18.4.4  модельная проверка 420
18.5  объяснение нескольких выпусков 422
18.5.1  отказ от вывода 422
18.5.2  моделирование 423
18.5.3  дальнейшее чтение 424
Глава 19  мошенничество в индустрии медицинского страхования 425
19.1  Фон. 425
19.2  понимание бизнеса 426
19.3  Понимание данных и подготовка данных 427
19.3.1  Обзор набора данных 427
19.3.2  описание данных 429
19.3.3  рассмотрим слияние источников данных 431
19.4  создать модель 432
19.4.1  несколько технологий для открытия мошенничества
  Мысли и методы 432
19.4.2  Модель 1: Найден с переменной контрастностью
  мошенничество 434
19.4.3  Модель 2: через Benford Law
  Откройте для себя предполагаемое мошенничество 436
19.4.4  Модель 3: через подразделение застрахованного
  Откройте для себя предполагаемое мошенничество 439
19.4.5  Модель 4: Откройте для себя медицинское учреждение
  Режим поведения аномальный 441
19.4.6  Модель 5: Используйте правила ассоциации, чтобы найти
  Многочисленные медицинские страховые учреждения обмениваются застрахованными
  Информация 441
19.4.7  Модель 6: Диагностика и
  процесс обработки 442
19.5  Результаты опубликовали 444
19.6  дальнейшее чтение 445
Глава 20  MANING DATA в E -Commerce
  приложение 446
20.1  Фон. 446
20.1.1  Введение 446
20.1.2  Классификация анализа сетевых данных 447
20.2  Понимание данных 448
20.2.1  Анализ данных 448
20.2.2  Общий источник сетевых данных 450
20.3  подготовка данных 452
20.3.1  Идентификация и доступ к пользователю 453
20.3.2  извлечение из журнала сети полезно
  Информация 454
20.3.3  объединенный сетевой журнал и связанные с ними данные 455
20.4  создать модель и выпуск модели 455
20.4.1  Просмотр модели истеблишмента 456
20.4.2  автоматически выбирать функцию модели и комбинацию
  модель приложения 459
20.4.3  создать модель 462 для посетителей
20.4.4  модель функции продукта 464
20.5  дальнейшее чтение 465
Прикреплять   запись
Приложение  CD -ROM Content Введение 469
Приложение Б&Установка и активация программного обеспечения NBSP; SPSS 470
Приложение С  Статистические методы, модели и точки знаний в книге
Индекс 472
Приложение Д  IBM SPSS Статистика
Список таблицы 474
Приложение Д  IBM SPSS MODLER NODE
Введение функции 485
Ссылки 495
PostScript 498
Введение
  Книга содержит медицинские, финансы, страхование, автомобили, быстрые потребительские товары, исследования рынка, интернет -исследования, интернет -исследования, интернет -исследования, интернет -исследования, интернет -исследования, интернет -исследования, интернет -исследования и Интернет. Полный процесс анализа Весь случай и введение модели и программного обеспечения в объяснение случая, так что читатели могут прорваться через ограничения методов и инструментов во время чтения и по -настоящему собраться, понимая сущность анализа данных.Прилагаемые пластины в этой книге включают данные о данных о случае и процедуры анализа/файлы потока. Читатели могут полностью воспроизводить все содержимое анализа.
  эта книга подходит для аналитиков данных от начинающих до экспертов от экспертов до всех уровней аналитиков данных, особенно подходящих для следующих групп читателей: специалистов по анализу данных, которым необходимо улучшить фактические боевые возможности; данные в маркетинге, финансах, финансах и Управление человеческими ресурсами должно применяться к людям, которые анализируют; профессионалы, занимающиеся консалтингом, научными исследованиями и другими задачами; в то же время они также подходят для студентов и аспирантов различных специалистов в качестве справочников для приложений для анализа данных.
  эта книга подходит для аналитиков данных от начинающих до экспертов от экспертов до всех уровней аналитиков данных, особенно подходящих для следующих групп читателей: специалистов по анализу данных, которым необходимо улучшить фактические боевые возможности; данные в маркетинге, финансах, финансах и Управление человеческими ресурсами должно применяться к людям, которые анализируют; профессионалы, занимающиеся консалтингом, научными исследованиями и другими задачами; в то же время они также подходят для студентов и аспирантов различных специалистов в качестве справочников для приложений для анализа данных.
об авторе
Доктор Чжан Венг, эксперты в области интеллектуального анализа данных, исследования рынка, статистического преподавания и применения программного обеспечения, и в настоящее время является национальным техническим директором восьмой по величине исследования рынка в мире.Он несколько лет преподавал в Университете Фудана. В течение этого периода он помогал SPSS создать и улучшить свою систему обучения в Китае. Это один из известных домашних тренеров SPSS.В областях интеллектуального анализа данных, исследования рынка, анализа медицинских данных и т. Д. Все они имеют опыт. Они отвечали за выполнение различных проектов, таких как сегмент рынка женского рынка, модель прогнозирования продаж и модель выбора сайта коммерческого района для скважины - Известные многонациональные компании и помогают в завершении большего количества проектов по добыче данных в таких отраслях, как ИТ, телекоммуникации, налогообложение, банковское дело и другие отрасли.
Чжун Юнфэй&Старший эксперт по анализу данных NBSP; имеет более 10 лет статистического анализа и программного обеспечения для интеллектуального обеспечения и опыта консультаций в различных отраслях, способствующих применению компаний SPSS -программного обеспечения.В основном он фокусируется на практике применения статистического анализа и интеллектуального анализа данных в таких отраслях, как банковское дело, телекоммуникации, правительства, страхование, розничная торговля и т. Д., И стремится использовать методы анализа данных, чтобы помочь предприятиям и государственным организациям получить ценную информацию из данных, данных, тем самым улучшая уровни управления.