sas一元回归分析_商业分析的应用

领域：零售，电子商务，旅游，酒店，物流和制造业

商业分析师必备的技能：

理解商业和商业问题

可应用于商业数据的数据分析技术和算法

计算机编程

数据结构和数据存储或数据仓库技术，包括如何有效地查询数据

数据分析中使用的统计和数学概念（朴素贝叶斯算法，回归，矩阵代数和成本优化算法，梯度下降或上升算法）

从商业问题开始，所有数据视为和商业问题相关/从数据开始，了解从数据红观察到的模式和解读到的信息-研究数据，删除已丢失数据元素或数据错误-检查数据中的异常值，清除异常值，降低对分析的不利影响-确定要使用的数据分析技术（监督或无监督方法）-分析结果，检查有无其他可替代技术，以获得可能的更好结果-验证结果后，解释结果-发布结果，学习和模型-应用从结果模型获得的只是-使用学习，模型不断进行校正

商业分析框架：

推理统计：
中心极限定理，t检验，假设检验，卡方检验，F检验（SPSS，Strata）

知识发现：

机器学习，数据挖掘，web挖掘，预测分析（R,Spark,SAS）

报告：

执行信息，系统，决策支持，仪表板和积分卡，数据可视化（MS Excel,Tableau,SM BI）

数据仓库：

关系数据库/NoSQL数据库/数据集市/元数据

商业分析和统计工具：

Excel:描述性统计，F检验，卡方检验，t检验，方差分析（ANOVA），条形图，饼图，线性回归

Gretl(开源软件)：回归和时间序列分析，最小二乘法，极大似然，GMM，单方程和系统方法，时间序列方法：ARIMA，各种各样的单变量模型

Octave(开源)：概率分布，描述性统计学，假设检验，t检验，方差分析，绘图，直方图，聚类分析

MATLAB：全套统计和机器学习功能，非线性优化，系统识别和财务模型，Hadhoop中的MapReduce功能，并通过接口与ODBC/JDBC数据库连接

PSPP：开源软件，比较方法，线性回归，逻辑回归，信度分析（克朗巴哈系数，非失效分析或韦伯分布），数据重新排序，非参数检验，因子分析，聚类分析，主成分分析，卡方分析

OpenStat：包含大量各种各样的参数，非参数，多变量，度量，统计过程控制，财务以及其他算法

Salsat：开源软件，描述性统计，推论统计，参数和非参数分析，条形图，箱线图，直方图等

IBM SPSS：全套统计分析，参数非参数分析，分类，回归，聚类分析，条形图，直方图，箱线图，社交媒体分析，文本分析等

Stata：描述性统计，ARIMA，方差分析和多元方差分析，线性回归，时间序列平滑，广义线性模型（GLM），聚类分析

Statistica：统计分析，图表，绘图，数据挖掘，数据可视化

sciPY：优化，线性代数，插值，数字信号和图像处理和机器学习技术

Weka:包含一系列可视化工具，用于数据分析的算法和预测建模，具有图形用户界面

RapidMiner：机器学习环境搭建，数据挖掘，文本挖掘，预测分析和商业分析

R：支持统计分析，直方图，箱线图，假设检验，推理统计，t检验，方差分析，机器学习，聚类等全套功能

Minitab：描述性统计分析，假设检验，数据可视化，t检验，方差分析，回归分析，信度分析，生存分析

Tableau Desktop：数据的统计摘要，趋势分析实验，回归和相关性，直接把数据仓库和现场最新的数据分析进行连接

TIBCO Spotfire：统计和完整预测分析。把R，S+，SAS和matlab集成在一起，以及定制应用程序

SAS：高级统计和机器学习等功能