第1章 數據分析方法概述 1
1.1　數據分析概述 2
1.1.1　數據分析過程 2
1.1.2　數據分析的商業驅動 3
1.2　數據分析與挖掘方法分類介紹 5
1.2.1　描述性——無監督的學習 7
1.2.2　預測性——有監督的學習 10
1.3　數據分析的方法論 12
1.3.1　數據挖掘的項目管理方法論：CRISP-DM 13
1.3.2　數據整理與建模的方法論：SEMMA 14
1.3.3 SAS EG任務菜單編排與SEMMA之間的關係 16
第2章 描述數據特徵 18
2.1　認識數據類型 19
2.2　單變量描述統計方法 20
2.2.1　分類變量的描述 21
2.2.2　連續變量的描述 21
2.3　創建頻數報錶 31
2.4　生成匯總統計量 33
2.5　用匯總錶任務生成匯總報錶 35
2.6　繪製條形圖 37
2.7　繪製地圖 41
第3章 描述性數據分析/挖掘方法 45
3.1　客戶細分方法介紹 46
3.1.1　客戶細分的意義 46
3.1.2　根據客戶利潤貢獻進行劃分 47
3.1.3　根據個人或公司的生命曆程進行劃分 48
3.1.4　根據客戶的産品偏好進行劃分 49
3.1.5　根據客戶交易/消費行為進行劃分 50
3.1.6　根據客戶的多維行為屬性細分 51
3.1.7　展現客戶/産品結構的戰略細分 51
3.1.8　客戶細分：綜閤運用 52
3.2 連續變量間關係探索與變量約減 52
3.2.1 多元統計基礎 52
3.2.2 多元變量壓縮的思路 56
3.2.3 主成分分析 58
3.2.4　因子分析 66
3.3 聚類分析 72
3.3.1 基本邏輯 74
3.3.2 係統聚類 74
3.3.3 快速聚類 81
第4章 預測性數據分析方法 87
4.1　構造對連續變量的預測模型 88
4.1.1 方差分析（ANOVA） 88
4.1.2　綫性迴歸 99
4.1.3 綫性迴歸的模型診斷 111
4.2 構造對二分類變量的預測模型 119
4.2.1 分類變量之間的相關性檢驗 119
4.2.2 邏輯迴歸 123
4.3 數據挖掘流程及示例 135
第5章 時間序列 143
5.1 認識時間序列和趨勢分解法 144
5.2 平穩時間序列（ARMA）模型設定與識彆 147
5.2.1 平穩時間序列定義 147
5.2.2 平穩時間序列模型建模 148
5.2.3 ARMA的模型設定與識彆 148
5.3 非平穩時間序列（ARIMA）模型 152
5.4 時間序列建模步驟 153
附錄A 數據說明 160
附錄B CDA（注冊數據分析師）緻力於最好的數據分析人纔建設 167
參考文獻
· · · · · · (收起)