內容簡介 　　用一個創業的故事，告訴你大數據分析如何解決商業問題 　　手搖飲競爭對手在哪裡？超市商品之間是否有關連性？推薦什麼電影給客戶？客戶是否下單買保險？電信業的客戶是否跳槽？公司未來營收可能是多少…公司從草創到轉型的過程中，會遇到很多的問題。但是，現在你有了解決方案！ 　　本書透過主人翁 Joe 跟 Eddy 的創業故事，告訴讀者如何使用大數據分析，解決公司營運過程中所遇到的問題。書中的分析案例貫穿了企業發展、管理的整個生命週期，所以無論現在的你處於什麼階段，都可以找到切身相關的問題，並學會如何透過大數據分析的方式解決，從而真正實現數據驅動決策（data-driven decision making）的管理方式。 　　本書使用 RapidMiner 圖形化介面，即便不會寫程式，也能夠將雜亂的數據進行有效的整理、轉換。特別是使用合理的分析演算法，能夠快速獲得容易理解的數據內容，並得出結論，進而基於結論作出合理的決策。 　　本書的內容將幫助你的公司，成功轉型成數據驅動商業決策。 目錄 前言 第 0 章 大數據商業應用的基礎知識與軟體介紹 0.1 數據特性 0.2 數據分析 0.3 本書理念 0.4 軟體介紹 0.5 線上教學資源 第 1 章 如何辨識競爭中的關鍵因素 1.1 樞紐分析的基本原理 1.2 實例操作 - 鐵達尼號存活旅客 1.3 章節練習 - 影響汽車銷售的重要因素 第 2 章 我的競爭對手在哪裡？策略群組的量化分析 2.1 非監督式 K-平均法（K-Means）以及監督式 K-近鄰（KNN）演算法的基本原理 2.2 K-Means 實例操作 - 商場客戶分組 2.3 KNN 實例操作 - 商場客戶分析 2.4 KNN 模型測試 2.5 商業應用 - 尋找距離最近的競爭對手 2.6 章節練習 - 競品麥片分析 第 3 章 預測客戶的下一步？網頁瀏覽行為預測 3.1 Apriori 關聯分析演算法的基本原理 3.2 實例操作 - 分析客戶下一個瀏覽的網頁 3.3 章節練習 - 預測客戶下一次瀏覽的新聞 第 4 章 這些商品放在一起很好賣！擬定賣場促銷方案 4.1 關聯分析的基本原理 4.2 實例操作 - 分析客戶一起購買的商品 4.3 章節練習 - 超商購物車商品分析 第 5 章 你的客戶可能會喜歡...會員制俱樂部如何推薦商品 5.1 推薦引擎與評分矩陣的基本原理 5.2 實例操作 - 會員對商品的評分預測（Rating Prediction, RP） 5.3 向會員推薦商品（Item Recommendation, IR） 5.4 章節練習 - 歌手推薦 第 6 章 買了此商品的客戶，也買了...電子商務如何推薦商品 6.1 基於商品推薦引擎的基本原理 6.2 實例操作 - 電影評分預測 6.3 向會員推薦電影 6.4 章節練習 - 線上商城 第 7 章 喜歡此商品的客戶，也喜歡...根據潛在喜好推薦電影 7.1 偏置矩陣分解的基本原理 7.2 實例操作 - 電影評分預測 7.3 向會員推薦電影 7.4 章節練習 - 美食服務平台 第 8 章 客戶是否真的會下單？客戶消費意願預測 8.1 單純貝氏演算法的基本原理 8.2 實例操作 - 客戶消費意願預測模型 8.3 預測客戶消費意願 8.4 章節練習 - 線上叫車平台推廣優惠券 第 9 章 哪些因素會影響銷售定價？房價預測 9.1 線性迴歸演算法的基本原理 9.2 最佳化步驟 9.3 實例操作 - 房價分析 9.4 房價預測 9.5 章節練習 - 紅酒等級評估 第 10 章 哪些客戶會違約？客戶貸款違約預測 10.1 邏輯斯迴歸演算法的基本原理 10.2 實例操作 - 銀行客戶貸款違約分析 10.3 模型調整 10.4 預測客戶是否違約 10.5 章節練習 - 信用卡用戶逾期還款 第 11 章 電話行銷應該打給哪些客戶？找出可能會買定存的客戶 11.1 支援向量機演算法的基本原理 11.2 實例操作 - 銀行客戶產品需求分析 11.3 模型調整 11.4 模型驗證 11.5 模型測試 11.6 章節練習 - 估計客戶的實際年收入 第 12 章 如何避免客戶流失？分類電信客戶跳槽名單 12.1 決策樹演算法的基本原理 12.2 決策樹實例操作 - 電信客戶跳槽分析 12.3 決策樹模型測試 12.4 隨機森林實例操作 - 電信客戶跳槽分析 12.5 隨機森林模型調整 12.6 隨機森林模型測試 12.7 章節練習 - 預測交易的公平性 第 13 章 如何預測公司未來的營收？銷售預測 13.1 ARIMA 演算法的基本原理 13.2 實例操作 - 每週銷售數據預測 13.3 模型調整 13.4 模型測試 13.5 章節練習 - Tesla 股價趨勢預測