循序漸進學習商業分析：使用SAS與R語言 Learn Business Analytics in Six Steps Using SAS and R

Subhashini Sharma Tripathi是一位數據分析專家，在與GE Money、渣打銀行、Tata Motors Finance和Citi GDM合作10年後，於2012年開始從事教學、撰寫博客和提供諮詢等工作。
在工作期間，她堅信數據科學和分析技術有助於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，它還有助於定義長期戰略並提供更好的選擇。
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□□個產品是Pexitics Talent Score。
該公司可提供有效的人力資源管理工具，並提供分析諮詢服務。

1章分析的過程 1
1.1分析的定義 1
1.1.1簡單的分析示例 2
1.1.2典型日常工作 3
1.1.3適合數據分析師職業的個人特質 3
1.2分析的演變 4
1.2.1質量運動 5
1.2.2二次世界大戰 7
1.2.3統計的影響和涉及面 7
1.3商業智能的曙光 8

2章了解SAS和R  11
2.1選擇SAS和R的原因 11
2.1.1市場概況 11
2.1.2高級分析的定義 12
2.2 SAS和R的歷史 13
2.2.1 SAS的歷史 14
2.2.2關於EG  15
2.2.3獲得SAS Enterprise Guide軟件的方式 15
2.2.4 R的歷史 15
2.2.5關於R的命名 16
2.2.6關於R  16
2.2.7關於RStudio  16
2.2.8關於CRAN  18
2.2.9關於R的附加軟件包 19
2.2.10微軟公司收購Revolution Analytics的意義 20
2.3安裝SAS和R  20
2.3.1獲得SAS  20
2.3.2 SAS University Edition 21
2.3.3 SAS OnDemand for Academics  26
2.3.4 Education Analytical Suite  29
2.3.5安裝R  29

3章使用SAS和R進行數據處理 33
3.1定義：數據處理之前的階段 33
3.2常見業務問題的基本理解 34
3.2.1數據來源 36
3.2.2使用基準創建佳定義陳述 36
3.3從ERP到業務分析SaaS的數據流 37
3.3.1主鍵 38
3.3.2關係數據庫 38
3.4數據完整性檢查 39
3.5 SAS案例研究1  39
3.5.1問題陳述 40
3.5.2導入數據 41
3.5.3查看數據 42
3.5.4收集和組織數據 44
3.5.5可視化 47
3.5.6執行分析 50
3.6 R案例研究1  52
3.6.1問題陳述 52
3.6.2導入數據 53
3.6.3查看數據 53
3.6.4收集和組織數據 56
3.6.5可視化 63
3.6.6執行分析 68

4章使用SAS和R發現有關數據的基本信息 73
4.1關於描述性統計 73
4.1.1有關推論和描述統計的更多信息 74
4.1.2表格和描述性統計 75
4.1.3關於頻率分佈 76
4.2 SAS案例研究2  78
4.2.1問題陳述 78
4.2.2導入數據 79
4.2.3查看數據 80
4.2.4關於單變量過程 82
4.2.5收集和組織數據 85
4.2.6可視化 90
4.2.7執行分析 91
4.3 R案例研究2  92
4.3.1問題陳述 92
4.3.2導入數據 93
4.3.3查看數據 93
4.3.4收集和組織數據 95
4.3.5可視化 102
4.3.6執行分析 102
4.4使用描述性統計 104
4.4.1集中趨勢的度量 104
4.4.2散佈的度量 105
4.4.3差異分析 106
4.4.4方差 107

5章可視化 111
5.1可視化的定義 111
5.2當今世界的數據可視化 113
5.3進行數據可視化的理由 113
5.4常見的圖形和圖表類型 115
5.5 SAS案例研究3  116
5.5.1關於數據 116
5.5.2數據內容 116
5.5.3定義 116
5.5.4問題陳述 117
5.5.5 SAS解決方案 117
5.6 SAS代碼和解決方案 118
5.6.1導入數據 118
5.6.2查看內容並了解變量 121
5.6.3保留所需的變量 121
5.6.4創建所需的欺詐指標變量 122
5.6.5組織和整理數據 123
5.6.6可視化y變量 125
5.7 R案例研究3  129
5.7.1關於數據 129
5.7.2數據內容 130
5.7.3定義 130
5.7.4問題陳述 130
5.7.5 R中的解決方案 130
5.8 R代碼和解決方案 131
5.8.1導入數據 131
5.8.2查看內容並了解變量 132
5.8.3保留所需的變量 134
5.8.4創建所需的欺詐指標變量 135
5.8.5組織和整理數據 136
5.8.6可視化y變量 137
5.9相關性和協方差 141
5.10對相關性的解釋 142

6章概率 143
6.1概率的定義 143
6.2獨立事件的概率：兩個或多個事件的概率 144
6.3條件事件的概率：兩個或多個事件的概率 144
6.4使用概率的原因 145
6.5使用貝葉斯定理計算概率 146
6.5.1貝葉斯定理的似然性 146
6.5.2從條件概率推導貝葉斯定理 147
6.5.3決策樹：用它來理解貝葉斯定理 148
6.6計算概率的頻率 148
6.6.1離散變量 148
6.6.2連續變量 149
6.6.3正態分佈 149
6.6.4變量不是正態分佈的情形 150
6.7 SAS案例研究4  151
6.7.1問題陳述 151
6.7.2導入數據 152
6.7.3查看數據 152
6.7.4定義業務問題 153
6.7.5可視化 154
6.7.6查看變量的基本統計信息 156
6.7.7組織和整理數據 158
6.7.8 SAS練習1  160
6.7.9 SAS練習2  165
6.8 R案例研究4  165
6.8.1問題陳述 165
6.8.2導入數據 166
6.8.3查看數據 166
6.8.4定義業務問題 167
6.8.5可視化 168
6.8.6查看變量的基本統計信息 169
6.8.7組織和整理數據 170
6.8.8執行分析 173
6.8.9 R練習 179

7章樣本和抽樣分佈 181
7.1了解樣本 181
7.2抽樣分佈 185
7.2.1離散均勻分佈 187
7.2.2二項分佈 188
7.2.3連續均勻分佈 189
7.2.4泊松分佈 190
7.2.5概率分佈的使用 190
7.3中心極限定理 190
7.4大數定律 191
7.5使用統計數據進行業務決策 192
7.6參數檢驗 193
7.7非參數檢驗 194
7.8 SAS案例研究5  195
7.8.1問題陳述 195
7.8.2導入數據 195
7.8.3查看數據 196
7.8.4組織和整理數據 197
7.8.5執行分析 201
7.9 R案例研究5  204
7.9.1問題陳述 204
7.9.2導入數據 204
7.9.3收集和組織數據 204
7.9.4可視化 205
7.9.5執行分析 207

8章分析的置信區間和正確性 213
8.1確定統計結果的方式 213
8.2關於P值 216
8.3假設檢驗中的錯誤 218
8.4 SAS案例研究6  219
8.4.1問題陳述 219
8.4.2  导入数据 219
8.4.3查看數據 220
8.4.4組織和整理數據 221
8.4.5執行分析 222
8.5 R案例研究6  223
8.5.1問題陳述 223
8.5.2導入數據 223
8.5.3查看數據 223
8.5.4組織和整理數據 225
8.5.5執行分析 226

9章結論和見解 229
9.1關於見解 229
9.1.1描述統計 230
9.1.2圖表 231
9.1.3推斷統計 231
9.1.4差異統計 232
9.2 SAS案例研究7  232
9.2.1問題陳述 233
9.2.2導入數據 233
9.2.3查看數據 233
9.2.4組織和整理數據 233
9.2.5可視化 234
9.2.6執行分析 239
9.3 R案例研究7  240
9.3.1問題陳述 240
9.3.2導入數據 241
9.3.3查看數據 241
9.3.4組織和整理數據 241
9.3.5可視化 242
9.3.6執行分析 244