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 和SPSS 任務菜單編排與SEMMA 之間的關係. 16
第2 章描述數據特徵.. 19
2.1 認識數據類型 20
2.2 單變量描述統計方法 21
2.2.1 分類變量的描述 21
2.2.2 連續變量的描述 22
2.3 創建頻數報錶 35
2.4 生成匯總統計量.. 38
2.5 用匯總錶任務生成匯總報錶 41
2.6 繪製條形圖. 46
2.7 繪製地圖.. 53
2.8 使用SPSS 進行描述統計.. 55
2.8.1 頻率過程.. 56
2.8.2 描述過程.. 57
2.8.3 探索過程.. 58
2.8.4 P-P 圖與Q-Q 圖 58
2.9 使用SPSS 繪製統計圖形.. 60
2.9.1 作圖方法.. 60
2.9.2 餅圖、柱圖與條圖.. 64
2.9.3 綫圖、高低圖和雙軸圖 70
2.9.4 散點圖 73
第3 章描述性數據分析/挖掘方法. 75
3.1 客戶細分方法介紹. 76
3.1.1 客戶細分的意義 76
3.1.2 根據客戶利潤貢獻進行劃分. 77
3.1.3 根據個人或公司的生命曆程進行劃分 78
3.1.4 根據客戶的産品偏好進行劃分 79
3.1.5 根據客戶交易/消費行為進行劃分. 80
3.1.6 根據客戶的多維行為屬性細分 81
3.1.7 展現客戶/産品結構的戰略細分.. 81
3.1.8 客戶細分：綜閤運用. 82
3.2 連續變量間關係探索與變量約減. 82
3.2.1 多元統計基礎. 82
3.2.2 多元變量壓縮的思路. 87
3.2.3 主成分分析.. 89
3.2.4 因子分析. 103
3.2.5 對應分析. 112
3.2.6 最優尺度分析.. 119
3.2.7 多維尺度分析.. 124
3.3 聚類分析 133
3.3.1 基本邏輯. 134
3.3.2 係統聚類. 135
3.3.3 快速聚類. 146
3.3.4 兩步聚類. 155
第4 章預測性數據分析方法.. 161
4.1 假設檢驗概念. 162
4.1.1 統計推斷基本概念 164
4.1.2 變量分布的圖形探索.. 165
4.1.3 均值的置信區間. 167
4.1.4 假設檢驗基礎.. 168
4.1.5 T 檢驗. 169
4.2 構造對連續變量的預測模型. 174
4.2.1 方差分析（ANOVA） 174
4.2.2 綫性迴歸. 190
4.2.3 綫性迴歸的模型診斷.. 203
4.2.4 綫性迴歸的全流程 211
4.3 構造對二分類變量的預測模型 217
4.3.1 分類變量之間的相關性檢驗.. 217
4.3.2 邏輯迴歸. 224
第5 章時間序列.. 240
5.1 時間序列的趨勢分解法 241
5.1.1 趨勢分解法簡介. 241
5.2.2 使用SAS EG 進行時間序列趨勢分解.. 242
5.2.3 使用SPSS 進行時間序列趨勢分解 244
5.2 平穩時間序列（ARMA）模型設定與識彆. 245
5.2.1 平穩時間序列定義 245
5.2.2 平穩時間序列模型建模. 246
5.2.3 ARMA 的模型設定與識彆.. 247
5.3 非平穩時間序列（ARIMA）模型設定與識彆.. 250
5.4 SAS EG 時間序列建模步驟.. 252
5.5 SPSS 時間序列建模步驟. 258
5.5.1 SPSS 構造ARIMA 模型使用的任務菜單.. 258
5.5.2 “定義日期”任務.. 260
5.5.3 “序列圖”任務 261
5.5.4 “自相關”任務 262
5.5.5 “創建模型”任務.. 263
5.5.6 “使用模型”任務.. 267
5.5.7 其他內容. 267
附錄A 數據說明.. 271
附錄B CDA 數據分析師緻力於最好的數據分析人纔建設.. 278
參考文獻 282
· · · · · · (收起)