SAS 数据分析 数据挖掘实战应用
24课时 · SAS 数据分析与数据挖掘实战

SAS 数据分析与 数据挖掘实战

用 Base SAS 编程连接数据处理、统计建模与商业决策

课程从 SAS 数据集和 DATA 步出发，系统掌握外部数据读取、数据处理、报表输出和统计过程，并通过回归、聚类、Logistic 回归与信用评分等案例，完成从数据到业务洞察的分析实践。

查看课程模块 课程咨询
24课时 系统实战训练
10 核心模块
DATA + PROC 编程与统计过程
数据挖掘 业务建模案例

COURSE OVERVIEW

从 SAS 编程基础出发，建立数据处理、统计分析与挖掘建模的完整能力

SAS 的价值在于把数据访问、数据集加工、统计过程、图表报表和模型分析连接为可复用的程序。本课程将这些环节串成一条清晰路径：读入数据、管理数据集、生成输出、运行统计分析，再把结果落实到商业问题中。

学习过程中将通过 DATA 步、IMPORT 过程、常用函数、ODS 和多类统计过程处理真实任务，并围绕门店收入、消费支出、客户定位、贷款、购物篮和信用风险评分等案例训练分析思路与结果表达。

  • 希望系统掌握 SAS 数据处理、统计分析和数据挖掘的分析人员
  • 需要在金融、零售、运营、市场或研究场景中处理多源数据的业务人员
  • 具备基础计算机、概率论与统计学知识，希望进入 SAS 分析实践的学员
课程时长 24课时
技术主线 Base SAS 与统计过程
分析方法 回归、聚类、判别与评分
实践方向 商业数据挖掘案例

SAS ANALYTICS WORKFLOW

一条从原始数据到商业模型的 SAS 分析路径

既建立可复用的数据处理程序，也在统计检验和模型分析中理解数据背后的业务含义。

接入数据

通过 DATA 步、IMPORT 过程和关系型数据库访问，将外部数据读入 SAS 数据集。

加工数据集

选取变量、处理观测、创建新变量，并完成循环、数组、合并和更新。

汇总与呈现

运用 PRINT、TABULATE、GPLOT、GCHART 和 ODS 输出统计报表与图形。

统计与建模

开展描述统计、假设检验、回归、方差分析、降维和分类分群分析。

业务挖掘

围绕贷款、购物篮、客户定位和信用评分等场景形成可解释的分析结论。

PRACTICE FOCUS

用程序化分析方式，处理更复杂的数据和业务问题

每一类 SAS 过程都对应真实分析任务：准备数据、生成输出、判断差异、建立模型与支持决策。

01

Base SAS 与 DATA 步

理解 SAS 系统、窗口环境、逻辑库、SAS 数据集和 DATA 步的基本编程逻辑。

02

数据集处理与转换

读入外部数据，选择变量与观测，创建变量，使用函数、循环、数组和多数据集操作。

03

报表、图形与 ODS 输出

组合 PRINT、TABULATE、GPLOT、GCHART 和 ODS，制作结构化报表与分析图形。

04

统计检验与方差分析

掌握描述性统计、参数估计、假设检验、非参数检验和单多因素方差分析。

05

预测、降维与分群

探索线性回归、Logistic 回归、主成分、因子、聚类与判别分析的实战应用。

06

商业数据挖掘案例

用贷款、购物篮、股票聚类和信用评分等案例，连接模型结果与商业决策。

FULL CURRICULUM

24课时课程安排

从 Base SAS 编程与数据集操作逐步进入统计建模、数据挖掘流程和商业案例分析。

UNIT 01 进入 SAS 编程 理解环境、数据集与基础程序
MODULE 01

Base SAS 基础

  • SAS 系统、软件启动与窗口环境
  • SAS 文件、逻辑库与数据集
  • 一个简单的 SAS 程序
MODULE 02

读取外部数据与编程概念

  • DATA 步读取数据与 IMPORT 过程
  • 访问关系型数据库系统数据
  • SAS 程序错误及处理方式
UNIT 02 构建可用数据集 完成数据处理、合并和分析输出
MODULE 03

单数据集处理

  • 选取变量与操作数据集观测
  • 创建新变量、循环、数组与常用函数
  • 将 SAS 数据集写出到外部文件
MODULE 04

多数据集处理与汇总展示

  • 数据集纵向串接、横向合并与更新
  • PRINT、TABULATE 汇总报表
  • GPLOT、GCHART 图形与 ODS 输出
UNIT 03 完成统计推断 描述数据、验证差异与关系
MODULE 05

描述统计与假设检验

  • 描述性统计量、MEANS 与 UNIVARIATE 过程
  • 参数估计、假设检验与非参数检验
  • TTEST、比例显著性与正态性检验案例
MODULE 06

回归与方差分析

  • 变量关系探索与线性回归
  • 共线性诊断与回归结果解释
  • 单因素、双因素方差与水平间差异检验
UNIT 04 探索结构与预测 实现降维、分群、分类与评分
MODULE 07

主成分与因子分析

  • 主成分分析与 SAS 实现
  • 因子分析概述与实践
  • 经济发展与房地产研究案例
MODULE 08

聚类、判别与 Logistic 回归

  • 划分法与层次法聚类分析
  • 判别分析在 SAS 中的实现
  • LOGISTIC 过程与上市公司预测案例
UNIT 05 走向商业挖掘 将模型应用到业务问题
MODULE 09

SAS 数据挖掘流程

  • 数据挖掘概述与业务问题定义
  • 数据准备、抽样、探索与加工
  • 数据建模与结果复盘
MODULE 10

商业案例实战

  • 贷款业务案例与关联规则购物篮
  • 股票交易数据聚类分析
  • 信用风险评分卡开发与应用

LEARNING OUTCOMES

完成课程后，你能够用 SAS 推进从数据准备到商业模型的分析任务

01

编写基础 SAS 程序

理解 DATA 步与常用过程，建立可复用的 SAS 数据处理和分析程序。

02

管理多来源数据集

读取外部文件和数据库数据，完成变量处理、函数转换、多表合并与数据更新。

03

输出报表与图形

用表格、图形和 ODS 输出系统呈现数据特征、统计结果和可沟通的分析结论。

04

选择统计检验方法

根据数据特点完成描述统计、假设检验、非参数检验、回归和方差分析。

05

建立预测与分群模型

利用 Logistic、聚类、判别、主成分和因子方法，提炼结构、识别类别与预测结果。

06

落地商业数据挖掘

围绕贷款、客户、购物篮和信用风险等场景，把分析过程转化为业务问题的解决方案。

SAS ANALYTICS PRACTICE

让数据准备、统计建模与决策应用在同一条分析生命周期中协同

SAS 将程序化的数据访问、数据管理、统计分析、预测建模和部署能力连接在一起。课程以这一端到端视角组织教学，让学员既能完成单个分析任务，也能理解它在业务分析流程中的位置。

官方产品能力参考 编程、数据管理、统计建模与机器学习

了解 SAS 如何将数据整理、探索、特征工程、统计与机器学习技术整合为分析工作流。

查看 SAS Viya 机器学习能力

START LEARNING

用 24 课时建立程序化数据分析与商业挖掘能力

适合希望使用 SAS 完成数据处理、统计建模、客户洞察、风险分析和商业数据挖掘任务的学员。

咨询课程安排