发帖
195 个论坛币
雷达卡
2013年4月24日全球领先的商业分析软件与服务供应商SAS公司在其公司刊物SASCOM中发表文章，向读者揭示了当前商业分析发展的八大趋势。据最新权威独立研究机构1指出：“目前商业分析已经形成一个比较成熟的市场。随着商业分析系统所能采集到的数据越来越多、类型越来越多样化，市场对商业分析的深度和广度也提出了越来越高的要求。” 在高级商业分析领域拥有近40年丰富成功经验的SAS公司认为：商业分析将成为未来影响企业决策最重要的因素之一。它不仅是对无数庞大数据所进行的开发、加工和处理，更包含了对这些庞大数据的各种前瞻性思维。SAS认为的商业分析发展八大趋势：
（一）大数据需要“大慧眼”。在互联网数据呈现爆炸性增长的今天，谁能迅速捕捉海量信息并对其进行充分开发，谁就能获得市场的先机。要具备这样一双“慧眼”，需要出色的数字技能、高性能分析能力以及丰富的行业经验。
（二）优化数据创造价值。准确的数据能够帮助企业清晰定位，通过具有前瞻性的决策赢得市场先机。面对浩瀚的数据海洋，企业必须以专业的处理方式将其转化为有价值的信息，才能为自己所用。
（三）分析也要“移动化”。随着智能手机、平板电脑等高性能移动设备由人们的休闲生活逐渐进入商务应用领域，越来越多的数据分析及其结果需要以更适应移动设备应用的形式，生动、直观、动态交互地呈现给各行各业的用户。
（四）商业分析融合心理学应用。如今，单纯的数字报告已经不能满足商业分析的各种需求。要拿出足够使企业决策层或企业客户信服的分析结果及相应的解决方案，就必须使分析团队具备把握管理层或客户心理、说服和沟通技巧的综合素质。
（五）新媒体时代改变非结构性数据分析。在社交网站大行其道的今天，大量的图片、音频、视频等非结构化数据不断涌现，如何开发和使用各种先进的技术对这些海量数据进行加工处理，并提炼出有价值的信息具有重大意义。
（六）可视化应用大势所趋。包括社交网站在内的各种复杂网络能产生数以亿万计的点对点连接数据，强大的以图论技术呈现的可视化分析是对这些数据进行开发和分析的有力途径，从而加强市场推广和反欺诈管理能力。
（七）打造精英分析团队。团队与团队之间工作效率的差异可能是惊人的。出色的数据科学家团队往往是分析流程设计和自我改进的专家，能为公司创造最大的利益。
（八）改进分析模型是节省成本的要诀。高质量的分析模型能够帮助减少大量的营销费用，其效果往往出乎你的想象。
用SAS做数据分析，快速入门数据分析师行业 ，就在经管之家2018年SAS数据分析师培训，让学员真正体验数据分析与SAS魅力：
培训时间：2018年1月20-21日，27-28日（周末班）；25-28日【四天连续班】
培训地点：北京市海淀区厂洼街3号丹龙大厦B座3018
授课安排：上午9:00至12:00; 下午1:30至4:30; 答疑4:30至5:00
培训费用：现场：3600元/人；全日制学生2800元/人（差旅及住宿费用自理）;
在线直播：1900元/人
证书费用：400元，可以自愿申请工信部数据分析师证书
SAS讲师介绍
丁亚军
数据分析总监现任职于南京上度市场咨询有限公司，人大经济论坛数据处理中心数据分析顾问，SAS、SPSS 软件讲师、中国学习路径图国际中心技术顾问。曾参与2012 国家宏观经济预测、中国城镇居民家庭投资调查、泸州老窖目标管理与绩效考核、中国卫生状况调查、江苏广电 CRM 数据挖掘等大型数据处理项目。
马伯
经管之家 CDA 数据分析研究院SAS讲师，从事互联网、电子商务方向数据分析与数据挖掘的研究与 CDA 数据分析师的教学工作，研究方向为文本挖掘、电商推荐系统开发、潜在价值客户挖掘，互联网大数据挖掘等金融学常用的各种模型以及理论。对于金融数据的分析有扎实的基础知识，通晓各
翟祥
CDA数据分析师讲师/北京林业大学管理学院统计系教授/人民大学统计学博士
拥有多年的银行培训经验，曾参与光大银行、太平洋保险公司、兴业银行、中信银行等多家银行与企业的数据分析项目，熟悉金融学常用的各种模型以及理论。对于金融数据的分析有扎实的基础知识，通晓各种风险测量技术以及风险管理理论。
课程介绍
SAS技术与岗位需求零距离，使学员能够快速有效的了解和处理企业数据要求。
（1）数据管理。企业的数据收集主要涉及3个方面：原始数据录入、数据文件读入和数据库的访问，这些我们将在前三节具体介绍，这里以实际企业要求为背景，强调学员的上机动手实践能力。
a、数据获取。
企业需求： 数据库访问、外部数据文件读入、
案例分析： 访问db2、oracle、teradata等数据库、以及不同格式文件的导入，如spss、excel、stata等 软件的数据文件
b、数据管理。
企业需求： 对大型数据进行编码、清理、转换。
案例分析： 介绍SAS/base的编程技术
1）data步
#文件操作语句: 数据的访问、整合、输出
Input、put、File、Set、Merge、Infile
#运行语句: 程序运行
赋值和累加语句、Stop、abort、Where、output、Call
#控制语句: 控制程序的运行
Do、If、Return、Go to、Link、Continue、leave、select(do)
#信息语句: 数据集信息管理
Array、Informat、Format、Drop和keep、Retain、Attrib
#数据库语言SAS/SQL:汇总、检索数据
c、数据探索和报表呈现。
企业需求： 对企业级数据进行探索，主要涉及图表的使用。
案例分析： 企业绩效文件，如何生成美观清晰的报告。
1）Means、Standard Univariate描述变量信息。
2）insight的数据探索过程。
3）SAS的tabulate制表过程绘制精美表格。
d、SAS高级程序语言宏程序
企业需求： 宏程序可以增强普通程序的使用效率，减少重复性质作业的工作量、应用十分广泛，像企 业日常分析流程、大数据分析等。
案例分析： 企业日常分析流程的程序代码优化。
（2）数据处理
a、相关与差异分析：corr、cancorr、anova。
企业需求： 企业往往需要探索影响企业效率的因素间的相关关系，这是最基础的过程，并在此基础上
了解存在的差异。
案例分析： 产品合格率的相关与差异分析。
b、线性与广义线性预测：reg、logistic、genmod。
企业需求： 1）探索影响企业效率的因素，并进一步预测企业效率；
2）客户违约可能性预测
案例分析： 产品合格率的影响因素及其预测分析与银行客户违约预报。
c、因子分析：factor。
企业需求： 需要抽取影响企业效率的主要因素，进行重点投资。
案例分析： 客户购买力信息研究
d、聚类分析：varclus。
企业需求： 需要了解购买产品的客户信息
案例分析： 客户购买力信息研究
e、生存分析：phreg。
企业需求： 研发新产品的使用周期，能够缩短投入成本，并可以有效的预期市场使用率。
案例分析： 产品耐用性研究。
f、对应分析：corresp。
企业需求： 定性资料的数据大量存在，尤其是多分类的情况。
案例分析： 女性购物信息的关联度研究。
g、稳健模型：robustreg。
企业需求： 企业中大量的实验经济研究可以大幅减少成本投入。
案例分析： 管理特征与员工胜任力的关系调查。
（3）SAS/EM模块：执行数据挖掘
企业需求： 企业中，需要合理优化产品、人力、服务间的关系，而这些特征多大存以数据形式。在面
对海量的数据信息时，如何才能挖掘出有用的信息，那么SAS/EM可以有效的帮助分析
人员快速的探索出数据背后的商业价值。
案例分析1: 电商客户信息调查的数据分析流程；
案例分析2: 耐用消费品预期销售的序列预报；
案例分析3: 用户体验的文本信息关联度分析。
课程大纲
1 SAS总体概览
1.1 课程介绍
1.2 SAS系统介绍
1.3 SAS 模块介绍
1.4 SAS界面讲解
2 SAS 数据集
2.1 SAS数据集与逻辑库
2.2 直接创建数据：手动创建
2.3 间接获取数据：访问本地文件与数据库
3 SAS 语法
3.1 基本概念
3.2 语法规则
3.3 语法错误诊断与修正
4 SAS编程之data步——数据预分析
案例1：如何管理数据集
案例2：数据格式的排列组合
案例3：数据的纵向汇总
案例4：条件语句的设置
5 SAS编程之proc步——统计描述
5.1 平均数和标准差的意义
5.2 正态分布有多重要
5.3 数据标准化变换
5.4 缺失值填补
6 编程之proc步——统计推断
6.1 差异性分析
——假设检验原理
——t检验：判断组间差异
——方差分析：判断多组间差异
——协方差分析：存在协变量的群组差异
6.2 相关性分析
——散点图提供了变量间的关系模式
——变量关系的基础：pearson、spearman相关系数
——偏相关分析
——多变量相关性：典型相关
6.3 线性回归分析
——简单回归分析
截距意义何在：数据平移
斜率反应预测关系的大小
——多元回归分析
多元回归分析：回归概览性描述
处理异常值：残差分析
常用的对数变换
模型的可接受误差评析
哑变量变换
6.4 稳健的logistics回归
预分析：卡方独立性检验
构建模型与模型诊断、修正
自变量筛选与多模型评估：roc曲线
自变量的筛选：逐步回归
何谓稳健？
6.5 poisson 回归
poisson回归的诊断
贝叶斯poisson回归
6.6 稳健回归
稳健性之模型诊断
稳健性估计方法
稳健回归分析比较
6.7 主成分分析
多维偏好分析
探索性因子分析
问卷的结构效度指标
因子得分的应用：潜变量
6.8 对应分析
预分析：频数、交叉表与卡方
一元对应分析：行为与选择的对应特征
多元对应分析：维度的意义
6.9 联合分析
联合分析流程
析因设计与效应值计算
联合分析过程
数据挖掘（SAS/EM）
统计模型与数据挖掘的区别：数据量、数据精确度、时间、关注点
构建预测模型：购买倾向分析：基于回归、决策树、神经网络模型的预测
SAS培训目标
通过培训，系统提高统计分析相关专业教师的SAS软件操作水平和教学水平，强化使用SAS进行相关科研工作的能力，并普及相应的软件知识与统计学知识。具体来说是：
1、使得学员真正了解SAS强大的统计分析功能，并熟悉SAS提供的各种复杂统计分析模型的用途和适用条件。
2、掌握常用高级统计分析方法的原理、在SAS中的操作和结果阅读。
3、能将相应的统计模型结合实际问题加以具体运用，并懂得如何在SAS中实现。
SAS培训对象
1、各高校在校教师，或者在读本科/进修/研究生，希望从头学习SAS操作，或者进一步强化软件应用能力者均可报名。
在校同学：至少具有基本的统计理论知识。短期、快速掌握最流行的统计软件之一：SAS软件，增加就业技能，在你的简历中写上浓妆重抹的一笔。
高校老师：以从事经管、金融、统计类相关教学为宜，学会使用 SAS 对统计数据进行处理，一些疑难方法、实证分析中遇到的问题都可以现场询问专家，获得解答。在权威期刊发表高质量的文章会更加得心应手！
2、在市场营销、金融、财务、人力资源管理中需要应用数据分析的人士；
3、希望提升统计分析实战能力的数据分析人员。
SAS课程特色
1、《数据统计分析师SAS认证》课程注重培养学员的实证分析能力，通过诸多案例讲解不同的应用背景。
2、我们一方面尽可能呈现SAS全貌，使学员对软件有总体的认识。另一方面则强调实际问题的解决能力。以软件应用为主线，辅以大量实例，有助于学员快速掌握SAS的数据预处理、结果输出等方面的基本技巧。
3、课程面向基础学员，强调案例情境的分析应用及其解决实际问题的能力，同时兼顾对试题规律的解析。
SAS课程优惠
1、现场班老学员可以享受9折优惠。
2、同一机构3人以上报名，9折优惠。
3、同一机构6人以上报名，8折优惠。
4、赠送SAS数据统计分析师视频课程。
5、赠送经管之家（原人大经济论坛）论坛币1000
（前三项优惠不叠加）
SAS报名流程
1、网上提交报名信息
2、给予反馈，确认报名信息
3、交费（邮递发票）
4、开课前一周发送课程电子版讲义，软件准备及交通住宿指南。
联系方式
龚加勇
电话：010-53605625
手机：17773656856
Q Q: 1281241407
提升卡
置顶卡
沉默卡
变色卡
抢沙发
千斤顶
显身卡
京公网安备 11010802022788号
