京公网安备 11010802034615号
经营许可证编号:京B2-20210330
“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
在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16在机器学习无监督学习领域,Kmeans聚类因其原理简洁、计算高效、可扩展性强的优势,成为数据聚类任务中的主流算法,广泛应用于用 ...
2026-04-16在机器学习建模实践中,特征工程是决定模型性能的核心环节之一。面对高维数据集,冗余特征、无关特征不仅会增加模型训练成本、延 ...
2026-04-16在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15在企业数字化转型、系统架构设计、数据治理与AI落地过程中,数据模型、本体模型、业务模型是三大核心基础模型,三者相互支撑、各 ...
2026-04-15数据分析师的一天,80%的时间花在表格数据上,但80%的坑也踩在表格数据上。 如果你分不清数值型和文本型的区别,不知道数据从哪 ...
2026-04-15在人工智能与机器学习落地过程中,模型质量直接决定了应用效果的优劣——无论是分类、回归、生成式模型,还是推荐、预测类模型, ...
2026-04-14在Python网络编程、接口测试、爬虫开发等场景中,HTTP请求的发送与响应处理是核心需求。Requests库作为Python生态中最流行的HTTP ...
2026-04-14 很多新人学完Python、SQL,拿到一张Excel表还是不知从何下手。 其实,90%的商业分析问题,都藏在表格的结构里。 ” 引言:为 ...
2026-04-14在回归分析中,因子(即自变量)的筛选是构建高效、可靠回归模型的核心步骤——实际分析场景中,往往存在多个候选因子,其中部分 ...
2026-04-13在机器学习模型开发过程中,过拟合是制约模型泛化能力的核心痛点——模型过度学习训练数据中的噪声与偶然细节,导致在训练集上表 ...
2026-04-13在数据驱动商业升级的今天,商业数据分析已成为企业精细化运营、科学决策的核心手段,而一套规范、高效的商业数据分析总体流程, ...
2026-04-13主讲人简介 张冲,海归统计学硕士,CDA 认证数据分析师,前云南白药集团资深数据分析师,自媒体 Python 讲师,全网课程播放量破 ...
2026-04-13在数据可视化与业务分析中,同比分析是衡量业务发展趋势、识别周期波动的核心手段,其核心逻辑是将当前周期数据与上年同期数据进 ...
2026-04-13在机器学习模型的落地应用中,预测精度并非衡量模型可靠性的唯一标准,不确定性分析同样不可或缺。尤其是在医疗诊断、自动驾驶、 ...
2026-04-10数据本身是沉默的,唯有通过有效的呈现方式,才能让其背后的规律、趋势与价值被看见、被理解、被运用。统计制图(数据可视化)作 ...
2026-04-10在全球化深度发展的今天,跨文化传播已成为连接不同文明、促进多元共生的核心纽带,其研究核心围绕“信息传递、文化解读、意义建 ...
2026-04-09