大数据下职业教育案例式教学探索—— 以客户流失预测为例

郑博

（重庆电子工程职业学院 重庆 401331 ）

摘  要 ：教学质量是职业教育工作的重中之重，想要切实有效的提高职业教育的教学质量，必须从基础课教学质量抓起。随着大数据技术的快速发展，数据分析逐步成为职业教育重要的基础课程。本文重点阐述了案例式教学方法及其在数据分析这门课程中的应用，取得了良好的效果，提升了学生对知识的获得感，受到学生好评。

关键词 ：案例式教学方法 ；大数据 ；职业教育

Exploration of case teaching in Vocational Education under big data

Abstract:Teaching quality is the top priority of vocational education. In order to effectively improve the teaching quality of vocational education, we must start from the teaching quality of basic courses. With the rapid development of big data technology, data analysis has gradually become an important basic course of vocational education. This paper focuses on the case-based teaching method and its application in the course of data analysis, which has achieved good results, improved the students' sense of knowledge acquisition, and was well received by students.

Key words:Case teaching method；Big data；Vocational education

一、引言

随着大数据和人工智能时代的到来，数据分析的影响及重要性越来越凸显，数据分析相关课程在高职院校中的开设范围也越加广泛。不仅电子与信息大类需要开设数据分析的课程，财经商贸类专业也需要开设相关课程。2021年的职业教育专业目录中已将部分传统专业与大数据相结合，如大数据与财务管理、大数据与会计、大数据与审计等专业。

对于职业教育的学生，其教学目的以应用为主，为尽可能的减少数据分析课程中的数理统计知识，本文将探索职业教育下案例式教学方式在数据分析课程中的应用。

2. 基于决策树的健身客户流失预测案例

案例背景

在健身俱乐部中，客户是否流失往往反映了俱乐部经营状况的好坏。通过预测客户的流失，可以让俱乐部提前针对该类流失客户进行预警，并对该类客户制定相应的营销策略，以挽留更多老客户，减少俱乐部经营利润的流失。

案例分析

对客户流失的预测，实际上是将客户分为会流失和不会流失两类。对于分类问题，可以采用决策树的方法进行预测。决策树能够从历史客户的行为特征和是否流失的数据中总结出客户流失的规则，以实现流失预测。对此我们先要了解客户流失具有什么特征。

数据采集

健身客户流失的特征主要体现在以下3个方面：客户很长时间没有来店里消费了、客户是否办理私教和客户健身的频率。基于此我们采集相关数据，并利用决策树的方法来预测客户是否会流失。

数据预处理

将原始数据划分为训练集和测试集，其中训练集用于训练模型，测试集用于评价模型。

模型建立

建立健身用户流失预测决策树模型，有决策树如下：

决策树给出了每种特征数据的决策分类结果。图中每个框里面的第一行代表该类客户中大多数人是否会流失，第二行表示未流失客户的占比，第三行表示该结点的客户数占全部客户数的比例。

模型评价

用构建的决策树来预测测试集中的数据，并以此来评价决策树的效果，有混淆矩阵如下：

真实情况	预测结果
	流失	未流失
流失	71	9
未流失	15	38

可以看出我们的决策树预测模型对真实流失客户的预测效果较好：80个真实流失客户中预测准了71个，准确率达88.75%。

案例建议

对于决策结果，我们可以看到“没有办理私教、平均每周健身次数在4次以下，且最近一次健身时间小于34天”的客户中：若最近一次健身时间大于等于7天，那么客户大部分是会流失的，未流失概率为0.23，这类客户同时占到总客户的40%，占比很高。但是若最近一次健身时间小于7天，那么客户大部分是不会流失的，未流失的概率为0.63。故此，对于前一类客户我们可以考虑在会员即将到期时，对其进行唤醒挽留措施，如利用短信、推送、活动等方式进行营销，从而提高客户的留存率。

三、小结

本文以案例背景、案例分析、数据采集、数据预处理、模型建立、模型评价、案例建议的流程进行案例式教学，实习了场景案例与模型的融合。学生易于理解与应用，有助于以应用为主的职业教育学生学习。