课程目的：

掌握SAS语言，掌握数据挖掘

课程内容：

第一部分：SAS基础

1、SAS简介和构成

2、SAS的主要模块和功能

3、SAS的四种运行模式

Ø  窗口环境模式

Ø  非交互模式

Ø  交互式运行模式

Ø  批处理模式

4、掌握SAS的基本数据结构和数据对象

Ø  逻辑库、逻辑引擎、数据集、数据文件、视图

5、SAS基本程序结构

Ø  数据步（DATA STEP）

Ø  过程步（PROC STEP）

6、SAS基本语言介绍

7、数据集的操作

Ø  从文本文件获取

Ø  从外部数据库获取

Ø  数据集导出到外部文件

Ø  读取、浏览、编辑数据集

Ø  创建、编辑、修改、删除

8、对多个数据集的操作

Ø  横向合并

Ø  纵向串接

9、SAS SQL语言

10、    SAS宏语言

案例：演练SAS编程语句

第二部分：数据可视化处理

1、数据报表输出

Ø  基本报表

Ø  高级报表

2、统计图形

Ø  GCHART过程

Ø  GPLOT过程

Ø  CAPABILITY过程

3、各种图形的画法

Ø  柱状图/条形图

Ø  饼图

Ø  折线图

Ø  散点图/气泡图

4、绘图的美化技巧

案例：用SAS作图来实现产品销量分析

第三部分：数据统计分析

1、描述性统计分析

Ø  集中程序

Ø  离散程序

Ø  分布形态

2、参数估计与假设检验

Ø  单样本均值T检验

Ø  独立两样本均值T检验

Ø  配对两样本均值T检验

3、非参数检验文件操作处理

Ø  单样本

Ø  独立两样本

Ø  配对两样本

4、影响因素分析

Ø  相关分析：原理、公式、应用

Ø  方差分析：原理、公式、应用

Ø  卡方分析：原理、公式、应用

Ø  主成分分析/因子分析：降维

案例：掌握常用的过程对数据进行分析

第四部分：数据挖掘基础

1、数据挖掘概述

2、数据挖掘的标准流程（CRISP-DM）

Ø  商业理解

Ø  数据准备

Ø  数据理解

Ø  模型建立

Ø  模型评估

Ø  模型应用

3、数据挖掘常用任务与算法

第五部分：聚类分析（客户细分）实战

1、客户细分常用方法

2、聚类分析（Clustering）

Ø  聚类方法原理介绍及适用场景

Ø  常用聚类分析算法

Ø  聚类算法的评价

案例：使用FASTCLUS实现K均值聚类

案例：使用CLUSTER实现层次聚类法

3、判别分析

Ø  判别分析法原理

Ø  判别分析常见方法：距离判别、Bayes判别、Fisher判别

案例：使用DISCRIM、CANDISC、STEPDISC实现判别分析

4、RFM模型分析

Ø  RFM模型，更深入了解你的客户价值

Ø  RFM模型与市场策略

案例：航空公司客户价值分析

第六部分：数值预测模型实战

1、常用数值预测的模型

Ø  通用预测模型：回归模型

Ø  季节性预测模型：相加、相乘模型

Ø  新产品预测模型：珀尔曲线与龚铂兹曲线

2、回归分析概念

3、常见回归分析类别

4、回归分析检验

Ø  模型的显著性检验

Ø  回归系数的显著性检验

Ø  残差检验

Ø  拟合程度

Ø  共线性诊断

案例：回归分析

第七部分：分类预测模型实战

1、常见分类预测的模型与算法

2、如何评估分类预测模型的质量

Ø  查准率

Ø  查全率

Ø  ROC曲线

3、逻辑回归分析模型

Ø  逻辑回归的原理

Ø  逻辑回归建模的步骤

Ø  逻辑回归结果解读

4、时间序列分析

案例：用LOGISTIC过程实现银行贷款违约预测

第八部分：SAS优化建模

1、优化模型的基本概念

2、优化建模的步骤

3、线性规划问题

案例：使用OPTMODEL建立线性规划模型

第九部分：SAS智能平台构建及行业解决方案

1、构建SAS解决方案平台

2、平台的体系架构设计

3、实现SAS应用服务器集群

4、平台的安全管理

第十部分：辅导

结束：课程总结与问题答疑。