【北京_1月11日_SAS培训】SAS数据统计分析师培训

现场

3600元(含发票);学生2000元

远程

3600元(含发票);学生2000元
上课地点:北京;中国人民大学 讲师:人大经济论坛评谷数据处理和分析研究中心 报名时间:2013-3-13 - 2014-1-11 开课时间:2014年1月11日-12日,1月18日—19日(四天)【周末班】

SAS数据统计分析师培训

◆培训时间:2014年1月11日-12日,1月18日—19日(四天)【周末班】
                        2014年1月16-19日(四天)【连续四天】
◆培训地点:北京;中国人民大学
◆培训费用:3600元(含发票);学生2000元(凭学生证报名,无发票);
                       差旅及住宿费用自理
◆证书费用:280元,可以申请《数据统计分析师》证书。

◆授课安排:
(1) 授课方式:SAS课程基于SAS 9.X系统,多媒体互动。
(2) 授课时间:9:00am-12:00pm,1:30pm-4:30pm
(3) 答疑时间:4:30pm-5:00pm
(4) 课间餐饮:提供午餐一份,咖啡饮料水果常备。


课程介绍
      SAS技术与岗位需求零距离,使学员能够快速有效的了解和处理企业数据要求。
      (1)数据管理。企业的数据收集主要涉及3个方面:原始数据录入、数据文件读入和数据库的访问,这些我们将在前三节具体介绍,这里以实际企业要求为背景,强调学员的上机动手实践能力。

          a、数据获取。

          企业需求:数据库访问、外部数据文件读入、
          案例分析: 访问db2、oracle、teradata等数据库、以及不同格式文件的导入,如spss、excel、stata等软件的数据文件。
          b、数据管理。
        企业需求:对大型数据进行编码、清理、转换。
          案例分析: 介绍SAS/base的编程技术
              1)data步
              #文件操作语句: 数据的访问、整合、输出                       
              Input、put、File、Set、Merge、Infile                    
              #运行语句: 程序运行                                              
                赋值和累加语句、Stop、abort、Where、output、Call        
              #控制语句: 控制程序的运行                                                
                Do、If、Return、Go to、Link、Continue、leave、select(do)
              #信息语句: 数据集信息管理                                               
                Array、Informat、Format、Drop和keep、Retain、Attrib 
              #数据库语言SAS/SQL:汇总、检索数据
          c、数据探索和报表呈现。
        企业需求:对企业级数据进行探索,主要涉及图表的使用。
          案例分析: 企业绩效文件,如何生成美观清晰的报告。
              1)Means、Standard  Univariate描述变量信息。
              2)insight的数据探索过程。
              3)SAS的tabulate制表过程绘制精美表格。
          d、SAS高级程序语言宏程序
        企业需求:宏程序可以增强普通程序的使用效率,减少重复性质作业的工作量、应用十分广泛,像企业日常分析流程、大数据分析等。
          案例分析: 企业日常分析流程的程序代码优化。
   
   (2)数据处理
          a、相关与差异分析:corr、cancorr、anova。
          企业需求:企业往往需要探索影响企业效率的因素间的相关关系,这是最基础的过程,并在此基础上了解存在的差异。
          案例分析: 产品合格率的相关与差异分析。
          b、线性与广义线性预测:reg、logistic、genmod。
          企业需求:1)探索影响企业效率的因素,并进一步预测企业效率;
                           2)客户违约可能性预测
          案例分析: 产品合格率的影响因素及其预测分析与银行客户违约预报。
          c、因子分析:factor。
          企业需求:需要抽取影响企业效率的主要因素,进行重点投资。
          案例分析: 客户购买力信息研究
          d、聚类分析:varclus。
          企业需求:需要了解购买产品的客户信息
          案例分析: 客户购买力信息研究
          e、生存分析:phreg。
          企业需求: 研发新产品的使用周期,能够缩短投入成本,并可以有效的预期市场使用率。
          案例分析: 产品耐用性研究。
          f、对应分析:corresp。
          企业需求: 定性资料的数据大量存在,尤其是多分类的情况。
          案例分析:  女性购物信息的关联度研究。
          g、稳健模型:robustreg。
          企业需求: 企业中大量的实验经济研究可以大幅减少成本投入。
          案例分析:  
管理特征与员工胜任力的关系调查。

    (3)SAS/EM模块:执行数据挖掘
        企业需求:企业中,需要合理优化产品、人力、服务间的关系,而这些特征多大存以数据形式。在面对海量的数据信息时,如何才能挖掘出有用的信息,那么SAS/EM可以有效的帮助分析人员快速的探索出数据背后的商业价值。
           案例分析1: 电商客户信息调查的数据分析流程;
           案例分析2: 耐用消费品预期销售的序列预报;
           案例分析3: 用户体验的文本信息关联度分析。

讲师介绍      
      SAS培训讲师:丁亚军,首席数据分析师,现任职于人大经济论坛评谷数据处理与分析研究中心,兼职中国学习路径图国际培训中心技术顾问,SAS、SPSS高级统计学讲师。曾参与2012国家宏观经济预测、中国城镇居民家庭投资调查、泸州老窖目标管理与绩效考核等大型数据处理项目,具有丰富的数据处理经验。
培训目标
   (1)要求掌握ORACLE、DBASE、ACCESS、SQL Server、SAS等数据库以及各类PC文件的数据处理技术,实现将原始数据经过抽取、清洗及转换之后加载进入数据仓库,进行OLAP分析得到初步分析报告;
   (2)要求掌握关联规则分析、主成分分析、LASSO算法、判别分析、聚类分析、SVM算法、线性回归模型、LOGISTIC回归模型、广义线性模型、神经网络模型、时间序列分析、分类响应分析、项目反应分析、决策树模型、随机森林算法、生存分析等数据挖掘以及相应的报表呈现技术;
   (3)要求基于市场动态、企业经营的既有知识,能够承担复杂的挖掘项目,开展风险评估、市场细分、交叉销售、生产管理、质量管理、定价分析、客户识别、客户获取、客户维持、广告效率、欺诈发现等分析任务。

 

课程安排
《SAS基础》课程包括了热身、提高两篇内容。课程详情如下:
    (1)热身篇。包括了SAS语法规则、数据集创建、数据获取、数据校准与清洗、处理错误数据、数据合并、数据报告、制表过程等内容。本篇讲授时间为半个工作日。
    (2)提高篇。包括了读取结构化原始数据、 观测记录处理与导出、DATA 步高级应用、SAS 数据管理、宏功能与应用、SQL编程、ODS 模块、数据仓库环境实现与应用、联机分析处理(OLAP)等内容。本篇讲授为一个半工作日。
    《SAS统计》课程教学将成为您记忆中一次快乐、艰难而又影响深远的旅程。
    《SAS统计》课程全面关注学习者进行商业挖掘的理论与实践能力,通过将挖掘技术与商业案例相结合的方式,讲解不同实验设计和挖掘方法的应用背景和解决思路。一方面,呈现商业数据挖掘的全景,做到逻辑严密、层次清晰、重点突出;另一方面,关注SAS JMP计算模块的设计机理,促进分析技能与商业实践的完美结合。课程特色简要罗列如下:
      (1) 以实验设计为起点,理论讲授辅以商业案例,促进学习者掌握实验设计的基础理论和简单技能。 讲授时间为半个工作日。
      (2) 以建模方法为主体,借助于图表呈现和数据分析的交换作用,帮助学习者掌握数据挖掘的核心理论和关键技能。讲授时间为一个半工作日。

培训配套资料
    课程配套资料:
    (1)课程内容的PDF文档,记录并解释在授课中提到的关键词、重要概念以及编程技术;
    (2)课件SLIDES播放文件,便于学员在学习过程中能够同步实现模拟操作;
    (3)提供课程的全部SAS代码文件以及对应各式数据文件,这些代码由讲授者在备课过程中编写。
   人大经济论坛SAS专版:http://bbs.pinggu.org/forum-68-1.html

课程大纲
SAS程序基础篇
1 SAS总体概览
1.1 课程介绍
1.2 SAS系统介绍
1.3 SAS 模块介绍
1.4 SAS界面讲解

2 SAS 数据集
2.1 SAS逻辑库
2.2 直接创建数据
2.3 间接获取数据

3 SAS 语法
3.1 基本概念
3.2 语法规则
3.3 语法错误诊断与修正

4 SAS编程之data步
4.1文件操作语句
Input、put、File、Set、Merge、Infile
4.2运行语句
赋值和累加语句、Stop、abort、Where、output、Call
4.3控制语句
Do、If、Return、Go to、Link、Continue、leave、select(do)
4.4信息语句
Array、Informat、Format、Drop和keep、Retain、Attrib
5 SAS编程之proc步
Transpose、Means、Format、Plot、Standard、Rank、
Univariate、Options、Printto、Compare、Datasets、SQL

6 SAS运算符与函数
6.1 SAS运算符及其优先级
6.2 SAS函数
6.2.1 数学函数
6.2.2截取函数
6.2.3字符函数
6.2.4概率统计函数
6.2.5随机数函数
6.2.6日期函数

SAS统计篇
7 t检验
7.1 单样本t检验
7.2独立样本t检验
7.3配对样本t检验

8 方差分析
8.1单因素方差分析
8.2多因素方差分析

9 相关分析
9.1 变量关系之基:pearson线性相关
9.2 “万能”之spearman秩相关
9.3 多变量的度量:典型相关
9.3.1 典型相关系数及检验
9.3.2 典型结构分析
9.3.3 典型冗余分析

10 回归分析
10.1 简单回归分析
10.1.1 反映变量关联程度:散点图
10.1.2 截距意义何在——变量变换
10.2 多元回归分析
10.2.1 多元回归分析:整体概览
10.2.2 处理异方差:加权回归分析
10.2.3 共线性处理1:主成分回归
10.2.4 共线性处理2:岭回归分析
10.2.5 是调节还是交互?:交互效应分解
10.2.6 盘根错节的“因果”关联:路径分析
10.3 logistic回归分析
10.3.1 哑变量的重要角色
10.3.2 自变量的筛选:逐步回归
10.3.3 模型诊断与修正
10.4 poisson回归
10.4.1 poisson回归的诊断
10.4.1 贝叶斯poisson回归
10.5 对应分析
10.5.1 定量资料的对应分析
10.5.2 定性资料的对应分析
10.6 稳健回归
10.6.1 稳健性之M估计
10.6.2 稳健性之模型诊断
10.6.3 稳健回归分析

11 SAS菜单
11.1 insight模块
11.1.1 数据预分析
11.1.2分布图形
11.1.3 统计分析
11.1.4 模型诊断

报名优惠

(1)同一机构3人以上报名,9折优惠。

报名流程及咨询
1. 提交报名信息:
   
https://baoming.pinggu.org/PostMyInfo.aspx?id=199
2. 给予反馈,确认报名信息
3. 交费
4. 开课前一周发送培训教室路线图,培训现场领取发票

联系方式
周老师
电话:010+68454276

手机:15300280030
Q  Q:  1220303810

邮 箱:zhoulei@pinggu.org

 

----------------------------------------------------------------------

人大经济论坛评谷(pinggu)数据统计分析培训中心

邀请知名猎头和知名企业共享优质毕业学员简历

       人大经济论坛评谷?(pinggu)数据统计分析培训中心2003年成立至今,已经培养了大量的数据统计分析方面的学员,积累了大量学员简历信息。我们的学员都是参加过我们专业的数据统计分析课程并且顺利结业,并且有不少学员从事过或正在从事数据统计分析方面的工作,不乏一些优秀的学员参加一对一的专业案例解决方案课程。

    应各位学员的要求,我们真诚的邀请知名猎头和知名企业共享优质结业学员简历。
    此次邀请完全免费,您只需要真实填写企业招聘的相关信息,我们免费推送简历。

    我们只提供数据统计分析方面的学员,请各位雇主只填写数据统计分析方面的招聘岗位。
    谢谢合作!

    企业招聘表下载   招聘表发送地址:zhoulei@pinggu.org

----------------------------------------------------------------------

 

 人大经济论坛-让数据更有意义!