清华大学数据模型与决策DMD孙静-课程精髓及案例分析流程VIP专享VIP免费

DMD课程精髓：1、从管理者的角度去分析问题，不要陷入数据处理中；2、数据分析需要和经验相匹配，数据为管理和决策提供服务。3、东西方的差距从15世纪开始拉大：1)西方：开始使用阿拉伯数字；（理性－科学性）2)东方：仍然采用文字这种不精确的描述；（人性－灵活性）4、5大知识点：1)DecisionAnalysis（决策分析）?决策树—回溯的方法使“复杂问题简单化”、提炼问题?who、where、when、why、what、how2)Sampling（抽样）?从个体抽样共性、得出普遍规律的方法论。（自然科学中的哲学）?“断章取义”导致统计学可以变化出完全不同的结果。?理论的结果是基于“随机”的抽样。?精确与粗燥的哲学：更加粗燥的t分布，得出的结果可能是更加精确的预测结果。?实际的生活中，人们往往对μ有预期，却对σ没有预期，导致了很多问题。3)Simulaiton（仿真）?减轻抽样需要投入的时间和经历，结果依赖于“可以信赖的假设”4)Regression（回归）?回归反映的是量变因素，对于质变必须从管理上解释。5)Optimization（优化）?模型的准确性只对自变量范围内有意义。DMD案例流程（供参考）：一、案例背景：5W+1Hwhowhenwherewhat（要干什么）why（待分析的原始数据或者解决途径）how（怎样做，D.T）P25-规范的决策树keypoint：（---总体框架）?有用的信息和数据（why）；?提炼问题（what:Unkowninformationandquestion）；二、初步分析：根据决策树建模，即通常是分析框架、一个公式，或者一个目标keypoint：（清晰分析思路―注意不要陷在数据里，有些可能无解，但要写明原因。）?决策思路（D.T）说明是否做敏感性分析，是否另行设计决策树找出其他的解决办法，或从其他角度重新看这个问题－把复杂的问题分解成若干问题，简化问题；?列出具体的分析思路和步骤；?在思路基础上，找出相关需要的变量、函数和相互间的关系；例子：（最后一个书商案例）决策变量：P书Q页数Q印刷Q销售目标函数：∏＝销售收入－总成本＝P书×Q销售－f总成本（Q页数，Q印刷）约束：1毛利率＝1－直接成本/销售收入＝1－g直接成本（Q页数，Q印刷）/（P书×Q印刷）>=40%225<=P书<=353Q销售<=Q印刷4所有变量>＝0P书―――需优化求解Q页数―――已知条件Q印刷―――需回归或仿真Q销售―――需回归或仿真f总成本（Q页数，Q印刷）―――需回归g直接成本（Q页数，Q印刷）―――需回归三、数据处理：keypoint：（根据初步分析思路，进行数据处理，找出可以符合管理者角度意愿的证据。）?DMD的5个主要概念（决策分析、抽样、仿真、回归和优化）都可能会用到，基本概念和适用范围要基本明确。?根据分析思路，逐个把数据处理过程简单介绍，有些东西即使不会或者没时间做也要写上（比如mean，SD，相关系数，变异系数，直方图，散点图等等）。?如果有可能，指出数据的分布特性（如超几何、均匀、指数、柏松分布）?实际考试中，可能没有时间做特别细致和准确地分析，能像惟锲那样在很短的时间内进行透彻地回归分析太难了，所以把做法和思路写清楚最重要。可能用到工具包括：1、抽样：1)不要误用总体；2)抽样数量应该不少于30；二项分布应该同时满足n×p>=5和n×（1－p）>=5，否则应该质疑正态分布特性；3)实际操作可以用直方图看看其是否满足正态分布；例子：（最后一个书商案例）对邮件抽样调查的结果应该产生质疑，比如他的总体可能有问题。2、仿真——在样本缺乏，但有样本分布规律时使用仿真，随机产生数据作为分析样本（excel：工具－数据分析－随机数发生器）1)随机数>1000；2)对产生后的随机数分析均值，标准差，置信区间等。3、回归——适用于找出变量之间的相互关系、影响销售的重要因素等等（excel：工具－数据分析－回归）1)回归最适合呈现的是“可以量变”的规律，对于质变的规律必须另辟蹊径。2)n>=5*(k+2),n是样本数，k是自变量数目；3)首先明确因变量和自变量，通过相关系数大致观察规律；（excel：工具－数据分析－相关系数）4)明确一些关键回归值的意义：（SF\R2\P-VALUE）?SF：小于10%代表回归效果显著?R2:代表总波动中有多少可以用回归模型进行解释，越大越好?P-VALUE：大于10%说明有多重共线性的可能，需要删除，但删除要...