
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
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