具体描述
《胸有成竹！数据分析的SAS EG进阶》共5章，涉及使用SAS EG做数据分析的主要分析方法。其中，第1章为数据分析方法概述，第2章至第4章为横截面数据分析方法。第5章为时间序列分析方法。每章都根据所涉及的知识点的不同，选取了实用的案例，并为读者准备了相应的思考和练习题。
《胸有成竹！数据分析的SAS EG进阶》是一本面向商业数据分析初学者的教材，从具体的商业数据分析案例入手，使读者掌握数据分析的目的、理念、思路与分析步骤。本书力图淡化技术，对于方法的介绍也尽量避免涉及过多的数学内容，和高等数学相关的内容只在线形回归和主成分分析这两节中涉及到，而且都辅以图形作形象的展现。因此本书的读者只需要具有高中水平的数学基础即可。
作者简介
人大经济论坛（bbs.pinggu.org）：于2003年成立，致力于推动经管学科的进步，传播优秀教育资源，目前已经发展成为国内最大的经济、管理、金融、统计类的在线教育和咨询网站，也是国内最活跃和最具影响力的经管类网络社区。
人大经济论坛从2006年起在国内最早开展数据分析培训，累计培训学员数万人，在大数据的趋势背景下，作为Certified Data Analyst Institute（注册数据分析师协会，简称CDA协会）的中国唯一授权中心，根据CDA协会的数据分析师LevelⅠ（业务分析师）、Level Ⅱ（建模分析师）、Level Ⅲ（数据专家）的等级标准，致力于培养正规化、科学化、专业化的数据分析师队伍，为企事业单位输送更多优秀数据分析人才。（Certified Data Analyst Institute，亦称“注册数据分析师协会”，成立于美国特拉华州，主要宗旨为汇聚国际先进的数据分析技术，建设国际性规范化数据分析师职业标准，推进数据分析师的行业发展及认证工作，目前标准行业认证为CDA数据分析师）
常国珍，北京大学光华管理学院会计学在读博士生，北京大学人口研究所社会学硕士，河北联合大学土木工程专业学士。德勤管理咨询公司兼职咨询顾问，SAS资深培训讲师。曾以数据挖掘工程师身份就职于亚信科技（中国）有限公司市场部。具有八年的数据挖掘实战经验，主要从事电信和银行业数据挖掘工作。项目涉及客户精准营销、信用评估、欺诈侦测和流失预警等，尤其熟悉银行个人客户精准营销的建模工作。
目录信息
1.1 数据分析概述 2
1.1.1 数据分析过程 2
1.1.2 数据分析的商业驱动 3
1.2 数据分析与挖掘方法分类介绍 5
1.2.1 描述性——无监督的学习 7
1.2.2 预测性——有监督的学习 10
1.3 数据分析的方法论 12
1.3.1 数据挖掘的项目管理方法论：CRISP-DM 13
1.3.2 数据整理与建模的方法论：SEMMA 14
1.3.3 SAS EG任务菜单编排与SEMMA之间的关系 16
第2章 描述数据特征 18
2.1 认识数据类型 19
2.2 单变量描述统计方法 20
2.2.1 分类变量的描述 21
2.2.2 连续变量的描述 21
2.3 创建频数报表 31
2.4 生成汇总统计量 33
2.5 用汇总表任务生成汇总报表 35
2.6 绘制条形图 37
2.7 绘制地图 41
第3章 描述性数据分析/挖掘方法 45
3.1 客户细分方法介绍 46
3.1.1 客户细分的意义 46
3.1.2 根据客户利润贡献进行划分 47
3.1.3 根据个人或公司的生命历程进行划分 48
3.1.4 根据客户的产品偏好进行划分 49
3.1.5 根据客户交易/消费行为进行划分 50
3.1.6 根据客户的多维行为属性细分 51
3.1.7 展现客户/产品结构的战略细分 51
3.1.8 客户细分：综合运用 52
3.2 连续变量间关系探索与变量约减 52
3.2.1 多元统计基础 52
3.2.2 多元变量压缩的思路 56
3.2.3 主成分分析 58
3.2.4 因子分析 66
3.3 聚类分析 72
3.3.1 基本逻辑 74
3.3.2 系统聚类 74
3.3.3 快速聚类 81
第4章 预测性数据分析方法 87
4.1 构造对连续变量的预测模型 88
4.1.1 方差分析（ANOVA） 88
4.1.2 线性回归 99
4.1.3 线性回归的模型诊断 111
4.2 构造对二分类变量的预测模型 119
4.2.1 分类变量之间的相关性检验 119
4.2.2 逻辑回归 123
4.3 数据挖掘流程及示例 135
第5章 时间序列 143
5.1 认识时间序列和趋势分解法 144
5.2 平稳时间序列（ARMA）模型设定与识别 147
5.2.1 平稳时间序列定义 147
5.2.2 平稳时间序列模型建模 148
5.2.3 ARMA的模型设定与识别 148
5.3 非平稳时间序列（ARIMA）模型 152
5.4 时间序列建模步骤 153
附录A 数据说明 160
附录B CDA（注册数据分析师）致力于最好的数据分析人才建设 167
参考文献
· · · · · · (收起)
读后感
评分
评分
评分
评分
用户评价
这本书的结构安排非常巧妙，它不像传统教材那样僵硬地按照SAS命令的字母顺序来组织内容，而是完全围绕数据分析师的实际工作流来展开的。从一开始的数据接入和验证，到中间的复杂转换和模型构建，再到最后的报告生成与自动化，每一步都对应着一个实际工作场景的挑战。我特别欣赏作者在处理“异常数据”那部分的内容，它提供了一整套系统性的排查和修复策略，而不是简单地告诉你用`WHERE`语句过滤掉就行。这本书让我理解到，数据质量才是分析的基石，而EG强大的过程控制能力正是实现高质量数据处理的利器。它不仅教会我如何操作，更重要的是，它塑造了一种严谨、细致、追求极致效率的分析思维。读完之后，我不再害怕接到那些看起来杂乱无章、数据源头不明的大项目了，因为我已经有了一套可靠的、从容应对的“胸有成竹”的流程和方法论。
评分对于我这种已经使用SAS有一段时间，但总感觉自己停留在“新手村”的资深用户来说，这本书简直是雪中送炭。我们都知道，SAS的生态系统庞大而复杂，很多时候我们只会用到自己最熟悉的那一小部分功能，对于更高级的性能优化和特定行业应用知之甚少。《胸有成竹！数据分析的SAS EG进阶》在处理性能问题上给予了我极大的启发。比如，它详细分析了在EG环境下，不同I/O操作对内存和CPU资源的占用差异，并给出了针对性改进方案，这让我开始重新审视之前一些习以为常的低效操作。此外，它对SAS/STAT模块中一些高级统计方法的应用场景也做了清晰的界定，让我不再是盲目套用公式，而是能根据实际业务问题，选择最恰当的模型进行分析。这本书的语言风格是那种直截了当的“干货”风格，没有太多煽情的辞藻，直奔解决实际问题的核心，非常对我的胃口。
评分我是一名刚从统计学转入商业智能领域的菜鸟，面对海量数据和各种复杂的报表需求，常常感到手足无措。市面上很多SAS的书籍要么过于学术化，充满了晦涩的数学公式，要么就是针对某个特定模块的碎片化教程，缺乏系统性。然而，这本书《胸有成竹！数据分析的SAS EG进阶》恰恰填补了这个空白。它非常注重实战中的“衔接”问题，比如如何高效地进行数据清洗和预处理，如何将多个不规则数据集平滑地合并，以及最重要的，如何让最终的报表结果具有足够的说服力。我特别喜欢它对ODS（Output Delivery System）的深入探讨，过去我只能生成最基础的TXT或HTML报告，但通过这本书的学习，我现在能为不同的利益相关者定制格式精美、信息量适中的PDF报告，这极大地提升了我的工作满意度。它没有把我当成一个只会敲代码的机器，而是把我引导成一个能够用数据讲故事的分析师。书中的每一个步骤都像是在铺设一条通往清晰结论的轨道，让人觉得每一步都走得踏实而有力量。
评分这本《胸有成竹！数据分析的SAS EG进阶》真是我最近工作中的一剂强心针。坦白说，我之前对SAS EG的印象还停留在一些基础的流程操作上，感觉它就是一个用来跑程序的工具，没什么太多“灵性”。直到我翻开这本书，才真正领悟到如何将这个工具的潜力完全释放出来。它不仅仅是告诉你“怎么做”，更重要的是解释了“为什么这么做”。比如书中关于自定义宏变量和流程控制的章节，对我触动很大。过去我总是在手动修改代码块，效率低下不说，还容易出错，但作者通过生动的案例，将复杂的宏编程变得清晰易懂，让我看到了如何构建一套可以自我迭代、自我优化的分析框架。特别是它讲解如何利用EG的设计视图来管理大型项目，那种条理分明的结构感，简直是强迫症患者的福音。读完这部分，我感觉自己看待数据分析的视角都提升了，不再是头痛医头脚痛医脚的救火队员，而是有能力设计一套可持续、可维护的分析系统了。这本书的价值，在于它把“进阶”这个词真正落到了实处，而不是堆砌那些人人都能查到的基础语法。
评分这本书给我的感觉是，作者是一位经验极其丰富的实战派高手，而不是一个沉溺于理论的学者。它最大的亮点在于对SAS Enterprise Guide这个软件平台深度的挖掘和利用。很多人使用EG只是把它当作一个代码编辑器，但这本书却展示了如何利用EG的流程图、任务面板和项目管理功能，来构建一个可视化的、易于协作的数据分析流程。我记得有一章专门讲了如何调试复杂的DATA步和PROC步之间的依赖关系，以前我调试一个流程卡住可能要花半天时间，现在我能迅速定位问题所在，这极大地缩短了我的项目周期。更重要的是，它讨论了代码的“可读性”和“可维护性”，这对于团队协作至关重要。我之前写过的代码，自己隔一个月再看都觉得像天书，但这本书提供的那些规范和建议，像是一盏明灯，指引我写出让未来自己（和同事）都能轻松理解的代码。这不仅仅是技术上的进阶，更是一种专业素养的提升。
评分 评分 评分 评分 评分相关图书
本站所有内容均为互联网搜索引擎提供的公开搜索信息，本站不存储任何数据与内容，任何内容与数据均与本站无关，如有需要请联系相关搜索引擎包括但不限于百度，google,bing,sogou 等
© 2026 book.quotespace.org All Rights Reserved. 小美书屋 版权所有