主题

内容

数据分析概述

1. 什么是数据分析

2. 数据分析的步骤

3. 数据分析的常用方法、策略与工具

1) 描述性统计分析

2) 分类预测

3) 聚类分析

4) 关联挖掘

4. 案例一：数据分析师岗位的招聘数据分析

5. 案例二：中医证型辅助诊治乳腺癌患者的挖掘分析

6. 案例三：在线教育平台运营数据分析

数据分析方法与实战（一）

7. SAS基础

1) 数据导入

2) 数据清洗

3) 数据抽样

8. 描述性统计分析（基于SAS）

1) 数据的频数分析，proc freq

2) 集中趋势的数据描述：均值、中位数、众数、百分数，proc means

3) 离散趋势的数据描述：极差、方差、标准差，proc univariate

4) 数据的统计图表

9. 实战一：Kaggle社区调查分析（基于SAS）

1) 数据读取

2) 数据探索

3) 用户画像

数据分析方法与实战（二）

10. 分类预测

1) 线性回归

2) 非线性回归

3) 判别分析

4) 决策树分类

5) 分类模型评估

11. 实战二：健身运动中耗氧量回归分析（基于SAS）

1) 相关性分析 proc corr

2) 回归分析 proc reg

12. 实战三：考察汽车耗油量与里程数的关系

1) 非线性回归分析 proc glm

13. 实战四：客户群分类判别分析

1) 判别分析 proc discrim，proc candisc，proc stepdisc

14. 实战五：员工离职预测

1) 决策树建模proc split

数据分析方法与实战（三）

15. 实战六：广告点击率预测

1) 数据不平衡的处理

2) 数据建模

3) 模型评估

16. 聚类分析

1) k-means聚类

2) 层次聚类

17. 实战七：销售公司的客户分群分析

1) 聚类分析 proc cluster，proc fastclus