第一章 IBM预测性客户智能简介 1
第一节 基于预测性客户分析的大数据时代到来 1
第二节 IBM预测性客户智能平台方案简述 2
第三节 IBM预测性客户智能方案的价值 3
第四节 IBM预测性客户智能的业务优势 3
第二章 大数据预测性客户智能平台系统介绍 5
第一节 预测性客户智能框架介绍 5
第二节 DB2数据库 6
一、DB2介绍 6
二、Data Studio工具介绍 6
第三节 SPSS Modeler简介 7
一、SPSS Modeler概述 7
二、SPSS Modeler节点介绍 11
第四节 Cognos系列简介 29
一、Cognos BI概述 29
二、Cognos Framework Management简介 31
第三章 预测模型 33
第一节 数据源 33
第二节 电信呼叫中心案例的预测模型 34
一、客户流失率模型 35
二、客户满意度模型 36
三、客户关联模型 37
四、客户回复倾向模型 37
五、分析决策管理中的电信模型 38
第三节 电信移动端的预测模型 38
一、用于移动端案例的聚合模型 38
二、预测流失模型 39
三、呼叫中心预测模型 39
四、建议接受倾向预测模型 39
第四节 零售案例的预测模型 39
一、数据准备为零售提供解决方案 40
二、客户细分模型 41
三、购物篮分析模型 42
四、客户亲和模型 43
五、响应日志分析模型 43
六、库存建议模型 44
七、零售案例中的部署模型 45
八、使用零售案例模型分析IBM决策管理 45
第五节 保险案例的预测模型 46
一、保险案例中使用的数据 47
二、客户分割模型 47
三、客户流失预测模型 48
四、客户终身价值模型（CLTV） 48
五、活动反馈模型 50
六、人生阶段模型 50
七、购买倾向模型 50
八、保单推荐模型 50
九、数据处理模型 50
十、社群媒体分析模型 51
十一、情绪评分模型 51
十二、保险数据模型 51
第六节 银行案例的预测模型 53
一、亲和力分类模型 54
二、客户流失率模型 54
三、拖欠信用卡模型 54
四、客户分类模型 54
五、序列分析模型 54
六、训练预测模型 55
七、评估模型 55
八、商务规则模型 55
九、部署 55
第四章 预测性客户智能平台系统的基础操作 56
第一节 数据库连接操作 56
一、实验目的 56
二、实验原理 56
三、实验内容 58
四、实验步骤 59
第二节 SPSS Modeler中模型的建立 73
一、实验目的 73
二、实验原理 73
三、实验内容 73
四、实验步骤 74
第三节 Cognos Framework Management创建元数据模型 94
一、实验目的 94
二、实验原理 94
三、实验内容 94
四、实验步骤 94
第四节 Cognos BI制作可视化报表 112
一、实验目的 112
二、实验原理 112
三、实验内容 113
四、实验步骤 113
第五章 预测性客户智能平台系统的应用 118
第一节 电信行业案例 118
一、实验目的 118
二、实验原理 118
三、实验内容 118
四、实验步骤 118
第二节 保险行业案例 135
一、实验目的 135
二、实验原理 135
三、实验内容 135
四、实验步骤 135
第三节 零售行业案例 167
一、实验目的 167
二、实验原理 167
三、实验内容 167
四、实验步骤 167
第四节 银行行业案例 186
一、实验目的 186
二、实验原理 186
三、实验内容 186
四、实验步骤 186
附录A 使用报表的配置 215
附录B 故障排除问题 222
附录C 术语解释 224
附录D 资料来源 227