循序漸進學習商業分析:使用SAS與R語言 版權信息
- ISBN:9787302570806
- 條形碼:9787302570806 ; 978-7-302-57080-6
- 裝幀:一般膠版紙
- 冊數:暫無
- 重量:暫無
- 所屬分類:>
循序漸進學習商業分析:使用SAS與R語言 本書特色
在過去的10年中,分析和數據科學作為業務決策的支持功能而走在技術發展的前沿,業務分析師還是鮮為人知的職業選擇。隨著數據存儲成本的急劇下降和數據量的蓬勃增 長,首席經驗官(Chief eXperience Officer,CXO)和現代經理人都迫切需要掌握分析和數據科學,以便在企業經營的每個點上做出明智的決策。
如何開始分析和數據科學職業生涯?
《循序漸進學習商業分析:使用SAS與R語言》將告訴你如何通過定義、收集、組織、可視化、分析和見解(DCOVA&I)過程執行數據分析并解決問題。這是一個非常完整而嚴密的過程,因此,即使數據非常新穎或你對問題不太熟悉,也可以通過使用逐步檢查表進行推論來解決問題。*后,為了實現分析輸出,需要以簡單的業務術語來理解結論或見解。
如何開始分析和數據科學職業生涯?本書通過兩種流行的軟件工具SAS和R對業務數據進行分析!
循序漸進學習商業分析:使用SAS與R語言 內容簡介
《循序漸進學習商業分析:使用SAS與R語言》詳細闡述了與SAS和R語言商業分析相關的解決方案,主要內容包括了解SAS和R、使用SAS和R進行數據處理、使用SAS和R發現有關數據的基本信息、可視化、概率、樣本和抽樣分布、分析的置信區間和正確性等。此外,本書還提供了豐富的示例及代碼,以幫助讀者進一步理解相關方案的實現過程。
本書適合作為高等院校計算機及相關專業的教材和教學參考書,也可作為相關開發人員的自學教材和參考手冊。
循序漸進學習商業分析:使用SAS與R語言 目錄
第1章 分析的過程
1.1 分析的定義
1.1.1 簡單的分析示例
1.1.2 典型日常工作
1.1.3 適合數據分析師職業的個人特質
1.2 分析的演變
1.2.1 質量運動
1.2.2 第二次世界大戰
1.2.3 統計的影響和涉及面
1.3 商業智能的曙光
第2章 了解SAS和R
2.1 選擇SAS和R的原因
2.1.1 市場概況
2.1.2 高級分析的定義
2.2 SAS和R的歷史
2.2.1 SAS的歷史
2.2.2 關于EG
2.2.3 獲得SAS Enterprise Guide軟件的方式
2.2.4 R的歷史
2.2.5 關于R的命名
2.2.6 關于R
2.2.7 關于RStudio
2.2.8 關于CRAN
2.2.9 關于R的附加軟件包
2.2.10 微軟公司收購Revolution Analytics的意義
2.3 安裝SAS和R
2.3.1 獲得SAS
2.3.2 SAS University Edition
2.3.3 SAS OnDemand for Academics
2.3.4 Education Analytical Suite
2.3.5 安裝R
第3章 使用SAS和R進行數據處理
3.1 定義:數據處理之前的階段
3.2 常見業務問題的基本理解
3.2.1 數據來源
3.2.2 使用基準創建*佳定義陳述
3.3 從ERP到業務分析SaaS的數據流
3.3.1 主鍵
3.3.2 關系數據庫
3.4 數據完整性檢查
3.5 SAS案例研究1
3.5.1 問題陳述
3.5.2 導入數據
3.5.3 查看數據
3.5.4 收集和組織數據
3.5.5 可視化
3.5.6 執行分析
3.6 R案例研究1
3.6.1 問題陳述
3.6.2 導入數據
3.6.3 查看數據
3.6.4 收集和組織數據
3.6.5 可視化
3.6.6 執行分析
第4章 使用SAS和R發現有關數據的基本信息
4.1 關于描述性統計
4.1.1 有關推論和描述統計的更多信息
4.1.2 表格和描述性統計
4.1.3 關于頻率分布
4.2 SAS案例研究2
4.2.1 問題陳述
4.2.2 導入數據
4.2.3 查看數據
4.2.4 關于單變量過程
4.2.5 收集和組織數據
4.2.6 可視化
4.2.7 執行分析
4.3 R案例研究2
4.3.1 問題陳述
4.3.2 導入數據
4.3.3 查看數據
4.3.4 收集和組織數據
4.3.5 可視化
4.3.6 執行分析
4.4 使用描述性統計
4.4.1 集中趨勢的度量
4.4.2 散布的度量
4.4.3 差異分析
4.4.4 方差
第5章 可視化
5.1 可視化的定義
5.2 當今世界的數據可視化
5.3 進行數據可視化的理由
5.4 常見的圖形和圖表類型
5.5 SAS案例研究3
5.5.1 關于數據
5.5.2 數據內容
5.5.3 定義
5.5.4 問題陳述
5.5.5 SAS解決方案
5.6 SAS代碼和解決方案
5.6.1 導入數據
5.6.2 查看內容并了解變量
5.6.3 保留所需的變量
5.6.4 創建所需的欺詐指標變量
5.6.5 組織和整理數據
5.6.6 可視化y變量
5.7 R案例研究3
5.7.1 關于數據
5.7.2 數據內容
5.7.3 定義
5.7.4 問題陳述
5.7.5 R中的解決方案
5.8 R代碼和解決方案
5.8.1 導入數據
5.8.2 查看內容并了解變量
5.8.3 保留所需的變量
5.8.4 創建所需的欺詐指標變量
5.8.5 組織和整理數據
5.8.6 可視化y變量
5.9 相關性和協方差
5.10 對相關性的解釋
第6章 概率
6.1 概率的定義
6.2 獨立事件的概率:兩個或多個事件的概率
6.3 條件事件的概率:兩個或多個事件的概率
6.4 使用概率的原因
6.5 使用貝葉斯定理計算概率
6.5.1 貝葉斯定理的似然性
6.5.2 從條件概率推導貝葉斯定理
6.5.3 決策樹:用它來理解貝葉斯定理
6.6 計算概率的頻率
6.6.1 離散變量
6.6.2 連續變量
6.6.3 正態分布
6.6.4 變量不是正態分布的情形
6.7 SAS案例研究4
6.7.1 問題陳述
6.7.2 導入數據
6.7.3 查看數據
6.7.4 定義業務問題
6.7.5 可視化
6.7.6 查看變量的基本統計信息
6.7.7 組織和整理數據
6.7.8 SAS練習1
6.7.9 SAS練習2
6.8 R案例研究4
6.8.1 問題陳述
6.8.2 導入數據
6.8.3 查看數據
6.8.4 定義業務問題
6.8.5 可視化
6.8.6 查看變量的基本統計信息
6.8.7 組織和整理數據
6.8.8 執行分析
6.8.9 R練習
第7章 樣本和抽樣分布
7.1 了解樣本
7.2 抽樣分布
7.2.1 離散均勻分布
7.2.2 二項分布
7.2.3 連續均勻分布
7.2.4 泊松分布
7.2.5 概率分布的使用
7.3 中心極限定理
7.4 大數定律
7.5 使用統計數據進行業務決策
7.6 參數檢驗
7.7 非參數檢驗
7.8 SAS案例研究5
7.8.1 問題陳述
7.8.2 導入數據
7.8.3 查看數據
7.8.4 組織和整理數據
7.8.5 執行分析
7.9 R案例研究5
7.9.1 問題陳述
7.9.2 導入數據
7.9.3 收集和組織數據
7.9.4 可視化
7.9.5 執行分析
第8章 分析的置信區間和正確性
8.1 確定統計結果的方式
8.2 關于P值
8.3 假設檢驗中的錯誤
8.4 SAS案例研究6
8.4.1 問題陳述
8.4.2 導入數據
8.4.3 查看數據
8.4.4 組織和整理數據
8.4.5 執行分析
8.5 R案例研究6
8.5.1 問題陳述
8.5.2 導入數據
8.5.3 查看數據
8.5.4 組織和整理數據
8.5.5 執行分析
第9章 結論和見解
9.1 關于見解
9.1.1 描述統計
9.1.2 圖表
9.1.3 推斷統計
9.1.4 差異統計
9.2 SAS案例研究7
9.2.1 問題陳述
9.2.2 導入數據
9.2.3 查看數據
9.2.4 組織和整理數據
9.2.5 可視化
9.2.6 執行分析
9.3 R案例研究7
9.3.1 問題陳述
9.3.2 導入數據
9.3.3 查看數據
9.3.4 組織和整理數據
9.3.5 可視化
9.3.6 執行分析
展開全部
循序漸進學習商業分析:使用SAS與R語言 作者簡介
蘇巴西尼·夏瑪·特里帕蒂(Subhashini Sharma Tripathi),一位數據分析專家,在與GE Money、渣打銀行、Tata Motors Finance和Citi GDM合作10年后,于2012年開始從事教學、撰寫博客和提供咨詢等工作。在工作期間,她堅信數據科學和分析技術有助于減少對個體經驗的依賴。此外,她認為,這為現代經理人提供了一種決定性的方法,可以更快、更準確地解決許多現實問題。在這個不斷發展的業務環境中,它還有助于定義長期戰略并提供更好的選擇。換句話說,借助大數據分析,企業管理者可以獲得更有價值的經營指導。 Subhashini是pexitics.com的創始人,她的第一個產品是Pexitics Talent Score。該公司可提供有效的人力資源管理工具,并提供分析咨詢服務。