
“数据分析不只是统计方法,更重要的是贴近业务的需求分析、实施过程、与效果评估。真正了解一个行业,就要接触到这个行业的遗产,目前商业数据分析遗产基本上都是以SAS的形式出现的。如果说SAS的遗产是100的话,其他软件的遗产加在一起不超过50。”_摘自CDA SAS金牌讲师常老师语录。
SAS的优点不胜枚举,某知乎网友的总结供大家参考:
1. 权威认证:SAS认证被美国企业界评为“最有价值认证”,SAS被评为雇主最认可的企业级统计软件。被誉为全美福利最好的企业,Google在制定公司园区的福利安排时,就曾以SAS为模板;
2. 功能强大:SAS系统是一个组合的软件系统,并具有比较灵活的功能扩展接口和强大的功能模块,在BASE SAS的基础上,还可以增加如下不同的模块而增加不同的功能,SAS EG(可视化统计分析)、SAS EM(数据挖掘)、SAS QC(质量控制)、SAS GRAPH(绘图系统)等;
3. 运行快速:SAS基于硬盘运行的数据处理和分析机制,使得SAS可以在本机进行大数据分析和处理;
4. 适用性强:SAS几乎可以运用在一切数据分析的行业、领域及场景,信贷风险建模、反欺诈模型、客户关系管理、电信离网用户预警、网站行为关联分析商品关联规则等。
培训信息
地点 |
课程 |
时间 |
讲师 |
费用 |
报名 |
北京 |
SAS数据挖掘 |
6月25-26日 7月02-03日 7月09-10日 |
翟祥 |
5900元/人 |
|
上海 |
SAS数据挖掘 |
6月4-5日 6月11-12日 6月18-19日 |
徐刚 |
5900元/人 |
|
远程 |
SAS数据挖掘 |
6月25-7月10日 6月4-19日
|
翟祥、徐刚 |
4400元/人 |
课程大纲
第一部分:编程基础 1、编程基础介绍 1.1 SAS 入门与基本语法 2 、访问与展示数据 2.1 认识 SAS数据和逻辑库 2.2 深入理解 SAS 数据类型 3、数据管理和操纵 3.1 创建变量 3.2 数据循环处理 3.3 合并 SAS数据集 3.4 重组数据集 4、 数据描述和图表制作
第二部分:SAS数据分析基础与高级编程 1、SQL过程简介 2、SAS宏语言 2.1 宏编译器的运行机制、宏变量 2.2 通过Data和sql步创建宏变量 2.3 定义宏和定义宏参数 2.4 宏中的分支流程语句 2.5 宏中的循环流程语句
1. 数据挖掘简介、方法论、技术介绍 2. SASEM界面与节点介绍 4. 决策树、组合算法、以及辅助应用 5. 神经网络 7. SVM、贝叶斯网络和其他模型介绍 8.模型评估 9.优化(两阶段模型)
13、聚类分析 13.1聚类分析流程 13.2 快速聚类 13.3谱聚类、密度聚类和其他聚类 14、关联规则 14.1 关联规则 14.2 序贯模型
|
讲师介绍:
翟祥:人民大学统计学博士,北京林业大学管理学院统计系教授,SAS公司骨灰级讲师。长期从事金融、电信、零售行业数据挖掘咨询工作。
徐筱刚:男,高级数据分析师,具有深厚的数理统计与应用数据分析专业背景,上海某金融机构数据分析部门高级DA,具有八年数据分析、数据挖掘的从业经验,曾就职零售企业、咨询公司等,独立或带团队完成零售、电信、金融等多个大型数据挖掘项目。
主要案例:
1.构建数据集操作示例演示和描述性分析(流失预测模型);
2.数据清洗案例;
3.老兵捐款案例;
4.销售提升数据进行操作演示和练习;
5.客户流失模型演示和练习;
6.保险客户流失;
7.SAS编程构造信用评分模型(进件评分卡);
8.银行产品关联分析。
报名流程:
1.在线填写报名信息:
2.给予反馈,确认报名信息
3.网上缴费
4.开课前一周发送电子版课件和教室路线图
优惠多多:
1. 全日制学生及CDA LEVEL Ⅰ老学员8折优惠(学生证证明文件);
2. 同一单位三人及以上报名9折优惠,五人及以上8折优惠;
4. 老学员9折优惠;
学员对象:
1.各行业数据分析、数据挖掘从业者
2.金融、电信、零售、医学等各行业业务数据分析人员
3.政府事业单位大数据及数据挖掘项目人员
4.数据挖掘岗位就业、提拔涨薪、技能优化等从业人员
5.对数据挖掘感兴趣的各界人员
关于证书:
CDA考试安排:
1. 考试时间2016年6月26日
2. 考试内容:CDA LEVLE Ⅱ建模分析师大纲。
3. 报名费用:1500元/人。参加CDA系统培训学员费用为1000/人。
4. 其他:CDA考试一次不过可申请补考,补考费用为原价一半。证书3年审核一次。
5. 报考链接: http://exam.cda.cn/
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10在科研攻关、工业优化、产品开发中,正交试验(Orthogonal Experiment)因 “用少量试验覆盖多因素多水平组合” 的高效性,成为 ...
2025-10-10在企业数据量从 “GB 级” 迈向 “PB 级” 的过程中,“数据混乱” 的痛点逐渐从 “隐性问题” 变为 “显性瓶颈”:各部门数据口 ...
2025-10-10在深度学习中,“模型如何从错误中学习” 是最关键的问题 —— 而损失函数与反向传播正是回答这一问题的核心技术:损失函数负责 ...
2025-10-09本文将从 “检验本质” 切入,拆解两种方法的核心适用条件、场景边界与实战选择逻辑,结合医学、工业、教育领域的案例,让你明确 ...
2025-10-09在 CDA 数据分析师的日常工作中,常会遇到这样的困惑:某电商平台 11 月 GMV 同比增长 20%,但究竟是 “长期趋势自然增长”,还 ...
2025-10-09Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30在企业日常运营中,“未来会怎样” 是决策者最关心的问题 —— 电商平台想知道 “下月销量能否达标”,金融机构想预判 “下周股 ...
2025-09-30Excel 能做聚类分析吗?基础方法、进阶技巧与场景边界 在数据分析领域,聚类分析是 “无监督学习” 的核心技术 —— 无需预设分 ...
2025-09-29XGBoost 决策树:原理、优化与工业级实战指南 在机器学习领域,决策树因 “可解释性强、处理非线性关系能力突出” 成为基础模型 ...
2025-09-29