质量管理数据的分析与挖掘

一、海量资料技艺概述

为何中国政府发布海量资料方略，扶植海量资料公司?何为海量资料？

1.大公司的海量资料运用实例

2.海量资料相关解题打法

3.海量资料拆解和挖掘办法论

4.质量管控部门应该掌握哪些海量资料本领？

5.拆解人员的常用抓手

实例上手：实例研习资料建模办法论。

二、质量指标拆解

--本节引见指标拆解的相关概念。

1.指标拉升能否等同于质量拉升？

2.现有的指标架构和思路可能存在的问题

3.质量管控的标的指标和进程指标

4.质量资料的定义和监测

5.几种异常集中指标定义

a)固定区间

b)动态准则差

c)四分位outlier

6.图形化的资料分布形态拆解

a)Boxplot

b)柏拉图

实例上手：质量拆解和评核

三、基于资料挖掘算法的异常值（需要SPSS）

1.复合异常的定义

2.多维度拆解的难点

3.基于挖掘的异常值拆解

a)原理

b)聚类概念

4.基于资料挖掘算法的异常值发现上手

四、时间序列拆解

服务部门要想从事后监控向事前参与转变，从实践看，就必须掌握相关的规律，具备前瞻性。预测技艺能够使事务更具备前瞻性，本节引见预测的概念和抓手。

1.周期拆解，怎样识别资料的周期

2.趋势拆解和隐患评核

3.生命周期和拟合曲线

4.一元回归拆解

5.季节性资料的预测

五、常用的挖掘算法简介

资料挖掘算法用于挖掘质量问题发生的原因和规律，执行层面，本节对常用挖掘算法做简要引见。。

1.描述类拆解算法

a)关联规则

b)聚类拆解

c)可视化拆解

2.分类和预测算法

a)类神经网络

b)决策树

c)推演斯蒂回归

d)贝叶斯网络

六、基于挖掘算法的质量问题拆解实践

1.怎样定义问题

2.怎样收集资料并定义模型

3.决策树的运用实例

4.科学的挖掘流程和隐患

七、图表拆解和资料可视化

图表和可视化技艺能够使资料的展示更为直观，使资料的规律更容易被发现。同时，图表使资讯的传递更为迅速。

1.Excel常规图表类型以及其适用情境

2.几种加强版拆解图表

老师简介

Introduction to lecturers

弄懂更多

博闻智咨询|陈剑老师