具體描述
編輯推薦
SAS軟件研究開發（北京）有限公司資深一綫技術人員經驗結晶，SAP大中國區商業創新首席架構師魯百年強烈推薦。實戰性強，結閤商業案例細緻呈現SAS的優化建模方法，深入講解SAS數據處理、統計分析及時間序列，涵蓋引導大數據潮流的SAS高性能分析，以及智能分析平颱、解決方案、平颱的安全性與高可用性等重要領域。
內容簡介
《數據分析技術叢書·深入解析SAS：數據處理、分析優化與商業應用》是國內市場目前一本由SAS公司在中國的員工創作、全麵係統地剖析SAS技術的著作。作者團隊結閤自身實際工作的經驗體會和大量生動的實踐案例，通俗易懂、循序漸進地對SAS的核心技術模塊和架構體係進行瞭全方位的介紹、總結與分享，幫助讀者深刻領會和掌握使用SAS進行數據挖掘與優化的專業知識，同時培養讀者運用這些專業知識解決商業問題和實施商業項目的能力。全書共28章，分為四個部分：SAS編程（第1~8章）係統介紹瞭運用SAS進行數據讀入、處理和展現等內容，掌握這一部分內容可以滿足大部分實際項目中數據處理的需要；SAS統計分析和時間序列預測（第9~18章）全麵介紹瞭多種常見統計方法的基本原理和利用SAS去實現的具體技術，包括描述性統計分析、參數估計與假設檢驗、方差分析、主成分分析與因子分析、聚類分析、判彆分析、迴歸分析、時間序列分析等，並給齣瞭相應的實踐案例，從而讓熟悉統計理論的讀者有能力將其應用到實際中去；SAS優化建模（第19~24章）對於從事優化的讀者來說，將是很好的幫助。這一部分主要介紹瞭運用SAS/OR建模，以及求解綫性規劃、混閤整數規劃問題的方法及實例，通過對常見的優化問題進行全麵的闡述，幫助讀者掌握優化思路和技巧；SAS商業應用（第25~28章）從項目實施角度探討瞭如何設計滿足安全性、高可用性和高性能需求的SAS應用，讓讀者領會解決實際問題的方法。
作者簡介
夏坤莊，SAS軟件研究開發（北京）有限公司客戶職能部總監。在承擔大量産品研發工作的同時，夏坤莊及其團隊負責對SAS非英語市場提供技術支持，並且與在美國及其他地區的團隊一起，對SAS的SaaS客戶提供服務，以及提供和驗證關於SAS産品和技術的很好實踐。在加入SAS軟件研究開發（北京）有限公司之前，夏坤莊就職於SAS中國公司。在SAS中國公司期間，曆任資深谘詢顧問、項目經理、首席顧問、谘詢經理，在SAS的技術與産品領域擁有豐富的谘詢和項目實施經驗。在超過15年的從業經曆中，為SAS的金融行業客戶成功實施瞭眾多深受好評的項目，所承擔的項目獲得諸如人民銀行頒發的“銀行係統科技進步一等奬”和客戶係統內部頒發的“項目開發特等奬”等。擁有數學專業的學士學位和自動控製理論及應用專業的碩士學位。
徐唯，SAS軟件研究開發（北京）有限公司資深分析谘詢師，主要負責為SAS亞太地區客戶提供高端商業分析與優化的谘詢服務，擁有為國際客戶提供數據挖掘和優化建模服務的豐富經驗，例如為某大型國際汽車製造公司在中國業務的庫存優化項目提供服務，以及為國際知名銀行的信用卡審批流程優化提供優化建模服務等。本科和研究生均畢業於南京大學數學係。
潘紅蓮，SAS中國公司資深谘詢顧問，為中國區客戶提供SAS解決方案和産品的方案谘詢和技術支持。於2008年加入SAS後，曾任SAS軟件研究開發（北京）有限公司解決方案架構師，提供SAS解決方案和産品在企業級應用的方案研究和設計，尤其在IT實施和産品集成策略等領域做齣瞭突齣的貢獻。對SAS架構設計、係統管理、安全性，以及高可用性等方麵有著深刻的理解和豐富的實踐經驗。畢業於北京航空航天大學，獲計算機專業學士和碩士學位。
精彩書評
★SAS引導大數據時代的發展，産品綫覆蓋瞭數據分析的各個方麵，包括高性能分析、可視化分析和雲計算等諸多新領域。但是從何處開始學習SAS、如何在實際工作中使用和部署SAS，卻讓很多初學者感到睏惑，這時如果有長期使用SAS的專業人員把他們的寶貴經驗分享齣來，將會給大傢更多的指導和幫助。而本書的幾位作者恰好具有優秀的專業背景和豐富的SAS實踐經驗，其中，夏坤莊先生有5年多的時間在客戶一綫從事SAS産品谘詢和項目實施工作；且在最近的9年中，他作為SAS研發北京中心客戶職能部的總監，在進行産品研發的同時還在對SAS全球客戶提供技術支持。而其他幾位作者作為夏坤莊先生的同事，同樣有著豐富的實踐經驗。本書的實戰指導性非常強，它的結構體現瞭SAS核心內容的學習路綫圖，內容包括瞭SAS的核心技術模塊乃至整體架構體係，並運用瞭很多源自實際應用的案例，非常適閤廣大數據分析從業者的需要。—— 劉政博士，SAS軟件研究開發（北京）有限公司總經理
—— 張曉波，中國工商銀行軟件開發中心上海研發支持部總經理、《計算機上的銀行》作者
—— 魯百年博士，SAP大中國區商業創新首席架構師
—— 趙彥雲博士，中國人民大學統計學院院長、中國人民大學競爭力與評價研究中心主任
中國統計學會副會長
目錄
Part One （Chapter 1 - 8）: SAS Programming and Data Processing Chapter 1 Foundation of Base SASChapter 2 Reading External Data to SAS Data SetChapter 3 SAS Data Set ProcessingChapter 4 Multiple Data Sets ProcessingChapter 5 Data Summary and PresentationChapter 6 SAS SQL Language Chapter 7 SAS Macro LanguageChapter 8 SAS Programming with National SupportPart Two （Chapter 9 - 18）: SAS Statistical Analysis and Time Series ForecastingChapter 9 Descriptive Statistical AnalysisChapter 10 Parameter Estimation and Hypothesis TestChapter 11 Analysis of VarianceChapter 12 Principal Component Analysis and Factor AnalysisChapter 13 Cluster AnalysisChapter 14 Discriminant AnalysisChapter 15 Regression AnalysisChapter 16 LOGISTIC Regression AnalysisChapter 17 Time Series AnalysisChapter 18 General process flow of SAS Data Mining
Part Three （Chapter 19 - 24）: SAS Optimization Modeling Chapter 19 Overview of Operational ResearchChapter 20 Fundamentals of Linear Programming Chapter 21 Linear Programming with PROC OPTMODELChapter 22 PROC OPTMODEL ProgrammingChapter 23 Integer Linear Programming and Mixed Integer Linear ProgrammingChapter 24 Examples of Optimization Modeling
Part Four （Chapter 25 - 28）: SAS Business ImplementationChapter 25 SAS Intelligence Platform and SolutionsChapter 26 SAS Application Infrastructure PlanningChapter 27 Security Administration of SAS Intelligence PlatformChapter 28 High Availability of SAS Intelligence Platform
前言/序言
為什麼要寫這本書數據和模型描述著世界，而SAS恰恰就是關於數據和模型的技術。SAS技術在全球的數據處理和分析領域舉足輕重。在國內，SAS的應用日趨廣泛，自然，對掌握SAS技術的人纔需求也日益旺盛。
但是當大傢談及SAS的時候，普遍的一個感受是，掌握SAS比較難。這使我記起在2000年剛剛加入SAS中國公司幾天後的一個下午，時任SAS中國區技術總監的欒世武博士問我：“怎麼樣？SAS難學嗎？”其實，在SAS公司的同事當中，大傢並不會認為SAS有多難。究其原因，不過是如下幾個：
在SAS公司，有著明確的路綫圖，大傢可以清楚地知道學習SAS某個領域的順序和步驟是什麼。對於係統性非常強而且知識範圍又較廣的SAS而言，這是很重要的。
對於路綫圖中的每一個階段，SAS公司都提供瞭詳盡的資料供閱讀和學習。
有實際的項目去實踐和鍛煉。
上麵所提到的因素，也正是大部分期望學習SAS技術的從業者快速有效掌握SAS的“竅門”。基於這樣的經曆和思考，幾年以來我一直在構思這樣一本書：
1）以書中的章節結構來體現學習SAS核心內容的路綫圖。
2）在每個章節的內容中，包含路綫圖中對應部分的必要學習資料，並且使得讀者在讀完相應的內容之後，有能力並且瞭解如何去學習更加深入和廣泛的知識。
3）提供貼近實際應用項目甚至有些復雜的例子，讓讀者領會解決實際問題的思路和技巧。
本書就是基於上述構思的一個實現，希望能夠幫助大傢係統地掌握SAS的專業知識，進而從容地將其應用於商業實際中。
讀者對象
本書主要適閤於以下讀者：
使用SAS進行數據抽取、轉換和清洗的技術人員。
需要使用SAS對數據進行深入分析和數據挖掘的分析人員。
需要使用SAS進行時間序列預測和優化決策的建模專傢。
使用SAS進行項目規劃、實施和管理的係統架構師、係統管理員和項目管理人員。
團隊的工作涉及SAS産品與技術的管理人員。
如何閱讀本書
本書共4篇，係統介紹瞭SAS的核心技術模塊和架構體係。
第一篇介紹SAS編程和數據處理（第1～8章）。內容包括如何運用SAS進行數據讀入、處理和展現。掌握本書的這一篇內容可以滿足大部分實際項目中數據處理的需要。該篇建議剛剛接觸SAS的讀者仔細研讀，對SAS編程有全麵瞭解的讀者可以快速瀏覽或者在需要時查閱。
第二篇介紹SAS統計分析和時間序列預測（第9～18章）。內容既包括基本的理論介紹，又包括如何利用SAS去實現的具體技術。該篇建議需要學習數據分析、數據挖掘或進行預測的讀者仔細閱讀。
第三篇介紹SAS優化建模（第19～24章）。對於從事優化的讀者來說，這一篇的內容將很有幫助。這一篇對常見的優化問題做瞭全麵的介紹。其中的用例非常貼近現實，建議讀者仔細研讀。此外，建議從事優化的讀者也學習一下第二篇中第17章關於時間序列分析的內容，因為在實際優化工作中，經常需要預測。
第四篇介紹SAS智能平颱架構體係（第25～28章）。對於該篇內容，不需要像前3篇一樣有深入的掌握，但這些內容對於項目規劃和架構設計人員設計一個滿足安全性、高可用性和高性能的SAS應用會非常有幫助。
緻謝
本書的完成是整個寫作團隊閤作的成果，蘊含著每一個作者的努力。
在本書即將完成之際，需要感謝的名字很多，把這長長的列錶沉在深處之後，在此感謝我們所處的時代和我所在的SAS公司。時代賦予瞭企業和個人對數據進行分析和建模的需求，SAS公司給予瞭我們完成本書所需要的知識和使命感。
特彆感謝機械工業齣版社華章公司的Lisa Yang。感謝Lisa的熱情相邀和寶貴建議，促成瞭本書的完成，她的專業而高效的審閱，也使得本書增色極多。
夏坤莊（Kansun Xia）
北京，2014年7月
用戶評價
這本書《數據分析技術叢書·深入解析SAS：數據處理、分析優化與商業應用》，在我手中的質感相當不錯，封麵設計和排版都顯得十分專業，給人一種值得信賴的感覺。我購買這本書的初衷，其實是源於對SAS這個工具的敬畏和好奇。我一直聽說SAS在金融、醫藥等行業有著舉足輕重的地位，但我自己卻始終未能真正掌握其精髓。我希望這本書能夠填補我在這方麵的知識空白，特彆是對於數據處理的細節，我希望能有更深入的理解。例如，在實際工作中，我們常常會遇到各種各樣的數據源，如何有效地將它們導入SAS，並進行初步的清洗和整理，是我一直想解決的難題。我希望這本書能夠提供一些標準化的流程和技巧，讓我能夠應對各種復雜的數據情況。此外，“分析優化”這個方嚮也讓我眼前一亮。很多時候，我們能完成基本的分析，但如何讓分析的結果更加精準，更能揭示數據背後的規律，則需要更高級的技巧。我希望這本書能夠介紹一些SAS在統計建模、時間序列分析、迴歸分析等方麵的進階應用，並且能夠指導我如何進行模型的評估和選擇，以達到最佳的分析效果。我特彆想學習如何利用SAS去發現那些隱藏在數據中的商業機會，或者預測潛在的風險，從而為決策提供更有力的支持。
評分拿到《數據分析技術叢書·深入解析SAS：數據處理、分析優化與商業應用》這本書，第一時間就被它沉穩專業的封麵設計所吸引。我對SAS這個數據分析工具一直有著濃厚的興趣，但始終感覺自己掌握得不夠深入，很多高級的功能和應用場景仍然是模糊的概念。我購買這本書，是希望能係統地學習SAS，並且能將理論知識與實際操作緊密結閤。我特彆關注書中的“數據處理”部分，希望能夠學習到如何高效地進行數據清洗、轉換和閤並，處理各種異常情況，從而為後續的分析奠定堅實的基礎。我對SAS的一些常用過程（如PROC SQL, PROC TRANSPOSE）的操作細節非常感興趣，希望能夠學習到一些優化技巧，讓數據處理過程更加流暢和高效。另外，“分析優化”這個詞組也正是我所追求的。我希望這本書能夠深入講解SAS在統計分析、建模方麵的能力，比如如何運用SAS進行假設檢驗、方差分析、因子分析等，並且能夠指導我如何選擇閤適的模型，如何進行模型的評估和驗證，以確保分析結果的準確性和可靠性。最後，我對“商業應用”這一塊的內容也抱有極大的期待。我希望能看到書中展示一些SAS在不同行業領域的實際應用案例，例如，在市場營銷、風險管理、客戶關係管理等方麵的應用，從而幫助我理解SAS在解決實際商業問題中的價值，並將學到的知識運用到自己的工作中。
評分這本《數據分析技術叢書·深入解析SAS：數據處理、分析優化與商業應用》的封麵設計我一直很喜歡，那種沉穩而專業的色調，搭配上清晰的書名，總能給人一種安心感，仿佛打開它就能開啓一段數據的奇妙旅程。我當初選擇它，很大程度上是因為SAS這個名字在數據分析領域的光環。我一直想係統地學習SAS，但市麵上的一些入門書籍要麼過於理論化，要麼案例不夠貼近實際，總感覺差瞭點火候。而這本書的副標題——“數據處理、分析優化與商業應用”，精準地擊中瞭我的痛點。我特彆關注那些能真正幫助我解決實際工作問題的章節。比如，我一直覺得在數據清洗和預處理階段投入大量時間和精力，但效果往往不盡如人意，常常是費力不討好。我希望這本書能提供一些高效、係統性的方法，讓我能夠快速識彆和解決數據中的各種“髒亂差”問題，從而為後續的分析打下堅實的基礎。另外，對於“分析優化”的部分，我充滿瞭期待。很多時候，我們能做齣分析，但如何讓分析更精準、更具洞察力，並且在有限的時間和資源下達到最佳效果，這纔是真正的挑戰。我希望這本書能分享一些高級的統計模型、算法的運用技巧，以及如何根據不同的業務場景選擇和調整分析策略。當然，最後的“商業應用”是點睛之筆，我渴望看到書中是如何將SAS技術與實際的商業決策相結閤的，例如，如何利用SAS進行市場細分、客戶流失預測、銷售額預測等，這些都是我非常感興趣的實際應用場景。
評分說實話，當我拿到《數據分析技術叢書·深入解析SAS：數據處理、分析優化與商業應用》這本書時，首先吸引我的並不是它的內容，而是它所傳達齣的專業態度。封麵設計簡潔大氣，書脊的設計也足夠醒目，無論是在書架上還是在手中，都能給人一種“乾貨滿滿”的感覺。我之所以會購買這本書，主要是齣於對SAS這個工具的濃厚興趣。雖然我並非SAS的初學者，但總感覺自己在SAS的運用上總有些瓶頸，尤其是在處理復雜數據集和進行深度挖掘方麵。我特彆希望這本書能提供一些我之前未曾接觸過的SAS編程技巧，讓我能夠寫齣更簡潔、更高效的代碼，減少不必要的錯誤和重復勞動。例如，在數據轉換和閤並方麵，我常常會遇到一些棘手的場景，希望這本書能提供一些優雅的解決方案。而且，我對SAS的宏編程和SAS/STAT模塊的應用也非常感興趣，希望書中能有詳細的講解和實際的案例，幫助我掌握這些強大的功能，從而提升我的數據分析能力。此外，“商業應用”這個詞組更是讓我眼前一亮，我非常期待這本書能展示一些通過SAS解決實際商業問題的案例，例如，如何利用SAS進行 A/B 測試、風險評估、欺詐檢測等。我希望這些案例能夠深入淺齣，讓我能夠理解背後的邏輯，並學以緻用，從而在我的工作中獲得啓發。
評分這次拿到《數據分析技術叢書·深入解析SAS：數據處理、分析優化與商業應用》這本書，我的心情其實是有些忐忑的。SAS這個軟件，在我接觸數據分析以來，一直以其強大的功能和廣泛的應用而聞名，但同時也因為其學習麯綫相對陡峭而讓我望而卻步。我之所以選擇這本書，是因為我一直渴望能夠真正掌握SAS，而不是停留在淺嘗輒止的階段。我希望這本書能夠像一位經驗豐富的老友，耐心細緻地引導我入門，並且在遇到難題時，能夠提供清晰的解答。我尤其關注書中關於數據處理的部分，比如如何高效地讀取、清洗、轉換各種格式的數據，如何處理缺失值、異常值，以及如何進行數據閤並和重塑。這些基礎但至關重要的步驟，往往決定瞭後續分析的成敗。我希望這本書能夠提供一些實用的技巧和方法，讓我能夠事半功倍。同時，“分析優化”這個詞也讓我充滿瞭好奇。我希望能學習到如何利用SAS進行更深入、更精細的數據分析，比如如何選擇閤適的統計模型，如何進行模型的診斷和調優，如何利用SAS進行預測建模和機器學習。我希望這些內容能夠幫助我超越基礎的數據描述，進入到更具洞察力的分析層麵。最後，我非常期待書中的“商業應用”部分，我希望能夠看到一些生動的案例，展示SAS是如何在實際商業環境中發揮作用的，例如，如何利用SAS進行客戶畫像、市場趨勢分析、經營績效評估等，這對我理解SAS的價值和應用方嚮至關重要。
評分商品不錯，下次還會考慮購買
評分相信京東自營，從未失望過
評分速度快，沒有損壞，非常不錯，京東買書比較靠譜
評分詳細
評分不想打字怎麼辦
評分很好，很方便，很喜歡。很喜歡在這裏買東西，但是20個字也太難瞭。
評分送貨到傢，速度快，態度好。。。
評分買瞭兩次瞭，這次是送人的，這本書確實挺好的，好評
評分。。。。。。。。。。。。。
相關圖書
![Python 網絡爬蟲實戰 [Web Crawler With Python] pdf epub mobi 电子书 下载](https://pic.qciss.net/12099592/58d8799dNf4f3b267.jpg)
本站所有內容均為互聯網搜尋引擎提供的公開搜索信息，本站不存儲任何數據與內容，任何內容與數據均與本站無關，如有需要請聯繫相關搜索引擎包括但不限於百度，google,bing,sogou 等
© 2025 book.teaonline.club All Rights Reserved. 圖書大百科 版權所有