SAS EG和SAS EM大数据挖掘课程课纲

SASEG数据挖掘与数据库交互课纲课程定位与课程目标1•从实际应用出发：结合讲师多年金融行业SAS与数据库结合实际应用开发实战经验，所有程序都是基于实际应用开发角度讲解。2•实例化讲解、清晰易学：每一个应用程序，都通过详细语法解读，同时进行实际运行操作讲解。3•内容丰富、深度解析：内容包括SAS对各类数据文件和数据集处理方法和技巧以及数据处理应用案例分析与解读,BASESAS所有常用的语句处理数据集的实际应用、SAS与数据库数据交互处理实际应用与开发步骤和SQL结构化查询语言，结合企业应用进行深度解析。课程设计：课程编号：21090203016授课课时：内容摘要：5天第一部分：SAS基础与数据挖掘（2天）第一章案例分析：SAS在金融行业的大数据应用某国有商业银行-大数据平台建设某城市农商行-商业智能平台建设识别和修正句法错误大数据无法转化为“大价值”的原因是什么?汇丰银行-风险管理Kabbage-开辟新商业模式大数据征信如何提升金融机构风控能力

汇丰银行-风险管理大数据征信开启风控新格局客户基本系信息和不良率的关联分析大数据评估和不良率的匹配情况第二章SAS基础强化1.学习SAS句法掌握基本概念识别和修正句法错误2.熟悉2.熟悉SAS数据集查看描述部分和数据部分访问SAS数据库4.读入4.读入SAS数据集读入数据入门将SAS数据作为输入选取部分观测和变量增加永久性变量属性5.读入5.读入Excel格式数据读入Excel格式数据6.读入固定格式的原始数据文件6.读入固定格式的原始数据文件读入标准的分隔符数据读入非标准的分隔符数据7.整理和清洗数据7.整理和清洗数据整理和清洗数据入门在读入原始数据时检验数据错误使用PRINT和FREQ过程呈现数据使用MEANS和UNIVARIATE过程呈现数据清洗无效数据8.生成数据8.生成数据创建变量创建条件变量选择部分观测9.拼接9.拼接SAS数据集拼接数据集入门扩展数据集合并数据集—对一合并数据集—对多合并数据集合并不匹配数据集10.增强报表通过全局语句增加标签和格式创建自定义格式选取部分观测及对观测进行分组处理将结果输出至外部文件11•使用SAS/GRAPH作图入门（自学）创建条形图、饼图创建点图强化输出第三章数据挖掘1、 描述性统计分析1.1数据的数字特征1.2数据的分布1.3多元数据的数字特征与相关分析2、 属性数据分析2.1属性数据2.2方差分析2.3列联表分析2.4有序变量的关联性分析3、判别分析3.1距离判别Bayes判别

8、 回归模型的扩展及系统建模8.1回归模型的扩展8.1.1异方差性8.1.2多重共线性8.1.3自相关性8.1.4虚变量8.2回归方程的选择与系统建模概述9、 传统时间序列分析9.1趋势建模与预测9.2确定性季节建模与预测9.3指数平滑预测法10、周期建模与预测10.1平稳时间序列ARMA时间序列及其特性ARMA时间序列的建模与预报ARIMA序列与季节性序列第二部分：SAS与数据库交互（3天）第一章基础文件处理1.1SAS如何处理DAT文件SAS如何处理EXCEL文件SAS如何处理txt文件SAS如何处理CARDS或DATALINES语句中的数据SAS如何对文件中的字段根据业务需求处理第二章交互操作APPEND过程SAS数据文件生成数据集装载到ORACLE数据库表SQL结构化查询语言与SQL过程应用处理数据集2.4函数在处理文件中的实际应用第三章应用案例与解