京公网安备 11010802034615号
经营许可证编号:京B2-20210330
数据挖掘:从现有的大量数据中,攫取不明显、之前未知、可能有用的知识
——William Frawley & Gregory Piatetsky Shapiro
市面上做数据挖掘的工具非常多,可谓是百花齐放百家争鸣,那么有什么理由让我们选择学习SAS 呢?
第一个理由,常用,名气大。这就好像同样是五百强企业,你说微软,大家会“哇!好厉害”,星星眼崇拜ing。然后你说某某集团(名字隐去,免得拉仇恨),大家会“恩?是民企么?”,瞬间自豪感就受到了挫败。SAS毫无疑问是数据分析届的巨无霸。
第二个理由,持续性强。SAS这个软件,本身其实是包罗万象的。现在大家喜欢说我会用SAS,其实都是托大了。就好像说我会R一样。SAS有很多模块,我们平时用的最多的是Base SAS, 最多加上SAS/Graph,SAS/Stat。做挖掘会用SAS EG和SAS EM。其他还有一大堆,我都记不住。所以一旦开始学
SAS,基本上等于你可以慢慢一直学下去。只要愿意,永远学不完。当然R也是如此,会有源源不断的包,保证你“活到老学到老”。
第三个理由,接口很好。SAS作为老牌的统计学软件,一直处于一个比较高的地位。当然,也一直有一个很高的价格。最神奇的是,他的收费方式是租金制,每年要收续租费。在一众“一次付费,终身免费”,甚至有的还“终身免费”升级的软件中,绝对是独树一帜。而如此有个性的软件,在接口上却还是很开放的,大部分主流数据库接口和主流数据类语言都可以兼容。比如,我们之前提到的SAS下面的SQL模块,绝对是已经学会SQL的小伙伴们的福音。
第四个理由,应用场景丰富。SAS几乎可以应用在一切的商业数据分析与挖掘场景,SAS的营业额即使是在金融危机时也只是稍有下滑,原因就是它服务的客户都是像银行,医药,电信,保险,政府等有钱人。
——CDA协会董雪婷
听说CDA2级也开设了SAS语言数据挖掘课程,本课程使用SAS BASE和SAS EM并行,重点探讨银行、电信、金融等行业的数据挖掘建模,涉及到风控、违约预测、客户关系管理等话题,教授的不仅仅是技术,而是思维和方法,感兴趣的小伙伴们快来学习吧!(如图是课程建模过程节选)
|
SAS专题 (6天) |
北京:2016年8月27-28,9月3-4,10-11日 上海:2016年8月13-14,20-21,27-28日 |
|
主题 |
以SAS为工具,讲解SAS软件中高级编程技术,并运用SAS进行数据挖掘流程化操作。 |
|
应用范围 |
《银行、证券等金融企业》《大型零售企业》《通信行业》《医疗行业》 |
|
软件技术 |
《SAS基础编程》《SAS数据管理》《SAS编程进阶》《SAS与SQL》《SAS宏语言》《程序优化》 |
|
算法理论 |
|
|
案例操作 |
【数据驱动的风险管理】【信用卡违约预测模型案例流程】【信用评分模型】【电信客户流失预警】 |
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
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
近日,由 CDA 数据科学研究院重磅发布的《2026 全球数智化人才指数报告》,被中国教育科学研究院官方账号正式收录, ...
2026-04-22在数字化时代,客户每一次点击、浏览、下单、咨询等行为,都在传递其潜在需求与决策倾向——这些按时间顺序串联的行为轨迹,构成 ...
2026-04-22数据是数据分析、建模与业务决策的核心基石,而“数据清洗”作为数据预处理的核心环节,是打通数据从“原始杂乱”到“干净可用” ...
2026-04-22 很多数据分析师每天盯着GMV、转化率、DAU等数字看,但当被问到“什么是指标”“指标和维度有什么区别”“如何搭建一套完整的 ...
2026-04-22在数据分析与业务决策中,数据并非静止不变的数值,而是始终处于动态波动之中——股市收盘价的每日涨跌、企业月度销售额的起伏、 ...
2026-04-21在数据分析领域,当研究涉及多个自变量与多个因变量之间的复杂关联时,多变量一般线性分析(Multivariate General Linear Analys ...
2026-04-21很多数据分析师精通描述性统计,能熟练计算均值、中位数、标准差,但当被问到“用500个样本如何推断10万用户的真实满意度”“这 ...
2026-04-21在数据处理与分析的全流程中,日期数据是贯穿业务场景的核心维度之一——无论是业务报表统计、用户行为追踪,还是风控规则落地、 ...
2026-04-20在机器学习建模全流程中,特征工程是连接原始数据与模型效果的关键环节,而特征重要性分析则是特征工程的“灵魂”——它不仅能帮 ...
2026-04-20很多数据分析师沉迷于复杂的机器学习算法,却忽略了数据分析最基础也最核心的能力——描述性统计。事实上,80%的商业分析问题, ...
2026-04-20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