商品簡介
這是一本金融商業資料分析的實戰工具書。作者都是在金融行業有10~20年資料分析經驗的資深專家，他們將多年來的項目經驗、培訓和諮詢經驗融合成了這本書。它將指導讀者零基礎掌握金融資料分析的工具、思路、方法和技巧，快速實現從入門到進階的突破。
本書強調實戰，方法論與實踐相結合，所有案例均來自實際的金融業務，涵蓋工具使用、資料處理、統計分析等資料分析的全流程。
本書內容共14章，可分為3篇。
分析工具篇（第1~4章）：首先介紹了資料科學和數理統計的基本常識，然後講解了資料分析工具SAS EG和Python的基礎知識。
資料處理篇（第5~9章）：首先通過描述性統計分析進行資料探索，繼而講到基本的報表和統計製圖，還包括使用SAS EG進行資料處理，用Python進行資料整合、資料清洗，構建出滿足分析需求的資料集。
統計分析篇（第10~14章）：從統計學的基本概念引出假設檢驗與樣本t檢驗，三大統計檢驗、構造預測模型，並分享基於時間序列算法的建模方法。
作者簡介
張秋劍
就職於騰訊雲金融拓展中心，從事微信財富營銷管理、資料中臺、AI應用等解決方案拓展工作，研究方向包括數字化轉型、創新實踐等。
張浩
曾任騰訊雲金融首席架構師和星環科技金融行業技術總監，主要從事大資料、人工智能、雲計算、區塊鏈、聯邦學習等相關技術研發與產品設計，具有豐富的企業架構設計、企業數字化戰略轉型運營與業務諮詢經驗。
周大川
就職於某中央金融企業金融科技研發中心，主要從事企業級數據平臺開發、核心業務平臺建設、AI賦能金融科技創新等工作，具有豐富的新一代金融業務系統建設經驗。
常國珍
曾任畢馬威諮詢大資料總監，具有近20年資料採擷、精益資料治理、數字化運營諮詢經驗，是金融信用風險、反欺詐和反洗錢算法領域的專家。
名人/編輯推薦
（1）作者背景資深：4位作者都是在金融領域有10~20年資料採擷和分析經驗的資深專家，技術功底深厚，業務經驗豐富。
（2）高維指導低維：作者在金融行業有10~20年項目實戰和項目諮詢經驗，深知初學者的難點和痛點，量身打造，事半功倍。
（3）金融業務驅動：以真實的業務場景和案例為驅動，涵蓋金融資料分析的全流程，告別純理論和不接地氣。
（4）從入門到進階：説明讀者零基礎掌握金融資料分析的工具、思路、方法和技巧，快速實現從入門到進階的突破。
序
為什麼要寫這本書
隨著現代信息技術的不斷發展，以大資料為基礎的各類金融科技應用成為市場熱點。近年來，隨著資料治理不斷被強化及資料資產的熱度不斷升溫，各金融機構已經有了一定的資料基礎。基於資料採擷手段開展精準營銷、風險管控、運營優化，已經成為資料應用的必然趨勢。未來，隨著物聯網等技術的不斷推廣，資料量的增速將更為迅猛，大資料應用勢不可擋。在大資料轉型趨勢下，各企業也在思考如何不被市場淘汰，如何使資料的價值最大化。
大資料應用一方面需要有資料可挖掘，另一方面需要資料分析專家。賦能金融企業內部人員，使之成為業務感知能力強、分析技術過硬的雙料人才，是培養資料分析專家最快捷、最實際的途徑。因此，市場上急需一本金融業務與資料分析技術相融合的參考書。
基於對當前金融機構在資料分析中的痛點、通病的認識，以及在業界一流企業和頂級諮詢公司的實踐，我們決心編寫一本適合金融行業資料分析人員入門的圖書。
讀者物件
根據當前金融行業數字化轉型先進案例，我們知道客戶、產品、運營等前臺部門，以及資料管理、風險管理等中臺部門的從業人員均需要具備資料分析思維。也就是說，本書面向的讀者群包括：
營銷、運營部門的資料分析師
風控部門的從業人員
大資料部門的工程師
高校數學、統計學、金融工程、計算機科學及技術等專業的學生
科技金融、金融大資料相關行業的同人
本書特色
雖然資料分析已經不是新概念，但是市面上系統地講解金融行業資料分析師如何成長的書不多。本書在業務方面涵蓋使用者畫像、客戶價值預測、精準營銷預測等，在方法論方面涵蓋描述統計、假設推斷、預測性建模等。同時，本書貼合金融行業的分析軟件環境，將新興的Python與傳統的SAS相結合，以便於讀者快速掌握相關技術。
另外，市面上Python的程序設計基礎和機器學習圖書眾多，但是鮮有從資料分析角度進行講解的，而且Python本身的資料分析套裝軟件也不完善。在本書中，筆者結合多年的資料分析諮詢經驗，提供了常用的函數，便於讀者在實際工作中快速上手。
如何閱讀本書
本書共14章，分為3篇。
分析工具篇（第1～4章）：介紹SAS EG的功能表操作和Python的入門知識。
資料處理篇（第5～9章）：從構建統計指標和資料可視化開始講解，將資料查詢、資料整合、資料清洗相結合，構建出滿足分析需求的資料集。
統計分析篇（第10～14章）：從假設檢驗開始，介紹如何從業務洞察中獲取靈感，然後用資料驗證靈感，並且根據得到的靈感構建統計模型，以便預測客戶的未來價值或者營銷響應的概率。
其中，統計分析篇通過實例講解資料分析應用，相比於前兩篇更獨立。如果你是一名有程序設計經驗的高手，可以直接閱讀這部分內容。如果你是一名初學者，請一定從第1章的基礎理論知識開始學習。
勘誤和支持
請關注微信公眾號“資料資管”，以下載書中的演示資料和腳本，觀看教學視頻，交流問題和回饋意見。也可以發送郵件至453288431@qqcom與作者聯繫。期待得到你們的真摯回饋！
致謝
首先，感謝指導過我們工作和寫作的各位領導、老師，正是他們的鼓勵和鞭策才使得本書最終上市。
其次，感謝機械工業出版社華章公司的策劃編輯楊福川，他在這一年多時間中始終支持我們的寫作，鼓勵和幫助我們順利完稿。
最後，謹以此書獻給我們最親愛的家人，以及眾多熱愛金融資料分析的朋友們！
目次
前言
分析工具篇
第1章 資料科學與數理統計2
11 資料科學的基本概念2
12 數理統計技術5
121 描述性統計分析5
122 統計推斷與統計建模6
第2章 SAS EG資料操作基礎8
21 SAS EG入門8
211 SAS EG簡介8
212 SAS EG的窗口及功能表9
22 訪問資料10
221 SAS EG實現方式11
222 SAS程式實現方式13
23 定義SAS資料集13
231 SAS資料的相關概念13
232 SAS EG實現方式16
233 SAS程式實現方式18
24 導入其他格式的資料檔案19
241 SAS EG實現方式19
242 SAS程式實現方式21
第3章 Python程序設計基礎22
31 Python概述22
32 Anaconda的安裝及使用方法23
321 下載與安裝23
322 使用Jupyter Notebook24
323 使用Spyder25
324 使用Conda管理協力廠商庫27
33 Python的基底資料型別29
331 字串29
332 浮點型和整型29
333 布林類型30
334 其他資料類型31
34 Python的基本資料結構31
341 清單32
342 元組33
343 集合33
344 字典34
35 Python的程序設計結構35
351 三種基本的程序設計結構簡介35
352 順序結構35
353 分支結構36
354 迴圈結構37
36 Python的函數與模組40
361 Python的函數40
362 Python的模組42
37 使用Pandas讀寫結構化資料43
371 讀數據43
372 寫資料46
第4章 在SAS EG中使用程式47
41 如何在SAS EG中使用程式47
42 SAS程式49
421 SAS程式分析簡介49
422 DATA步50
423 PROC步51
資料處理篇
第5章 描述性統計分析與製圖54
51 描述性統計分析54
511 變數度量類型與分佈類型54
512 變數的統計量56
513 連續變數的分佈與集中趨勢56
514 連續變數的離散程度58
515 資料分佈的對稱與高矮59
52 製作報表與統計圖60
53 製圖步驟及統計圖適用場景64
54 利用SAS EG進行統計分析67
541 連續變數描述性統計分析67
542 單因數頻數統計分析69
543 匯總統計分析72
544 繪製橫條圖進行統計分析76
545 繪製地圖進行統計分析79
第6章 表資料的行處理82
61 資料篩選82
611 SAS EG實現方式82
612 SAS程式實現方式84
62 排序與求秩87
621 SAS EG實現方式87
622 SAS程式實現方式94
63 抽樣95
631 抽樣理論介紹95
632 SAS EG實現方式97
633 SAS程式實現方式99
64 資料分組和匯總100
641 SAS EG實現方式100
642 SAS程式實現方式102
第7章 表資料的列處理103
71 構造列變數103
72 拆分列105
73 堆疊列107
74 轉置列110
741 SAS EG實現方式111
742 SAS 程式實現方式113
75 對列重編碼114
751 SAS EG實現方式114
752 SAS程式實現方式119
76 變數標準化119
761 SAS EG實現方式120
762 SAS程式實現方式122
第8章 資料集的操作124
81 縱向連接124
811 SAS EG實現方式125
812 SAS程式實現方式127
82 橫向連接131
821 SAS EG實現方式131
822 SAS程式實現方式135
83 資料集的比較138
831 SAS EG實現方式138
832 SAS程式實現方式141
84 創建格式142
841 相關理論介紹142
842 SAS EG實現方式143
843 SAS程式實現方式146
85 刪除資料集、格式和視圖147
851 SAS EG實現方式147
852 SAS程式實現方式148
第9章 利用Python處理資料149
91 資料整合150
911 行操作和列操作150
912 條件查詢152
913 橫向連接155
914 縱向合併157
915 排序159
916 分組匯總160
917 拆分與堆疊列163
918 賦值與條件賦值165
92 資料清洗167
921 重複值處理167
922 缺失值處理168
923 噪聲值處理170
93 實戰175
931 提取行為特徵的RFM方法175
932 使用RFM方法計算變數176
933 資料整理與彙報177
統計分析篇
第10章 資料科學的統計推斷180
101 基本的統計學概念180
1011 總體、樣本和統計量180
1012 點估計、區間估計和中心極限定理181
102 假設檢驗186
1021 理論介紹186
1022 利用Python實現單樣本t檢驗189
1023 利用SAS EG實現單樣本t檢驗189
1024 利用SAS EG實現雙樣本t檢驗189
1025 利用Python實現雙樣本t檢驗191
103 方差分析193
1031 利用Python實現單因素方差分析193
1032 利用SAS EG實現單因素方差分析198
1033 利用Python實現多因素方差分析202
1034
您曾經瀏覽過的商品
購物須知
大陸出版品因裝訂品質及貨運條件與台灣出版品落差甚大，除封面破損、內頁脫落等較嚴重的狀態，其餘商品將正常出貨。
特別提醒：部分書籍附贈之內容(如音頻mp3或影片dvd等)已無實體光碟提供，需以QR CODE 連結至當地網站註冊“並通過驗證程序”，方可下載使用。
無現貨庫存之簡體書，將向海外調貨：
海外有庫存之書籍，等候約45個工作天;
海外無庫存之書籍，平均作業時間約60個工作天，然不保證確定可調到貨，尚請見諒。
為了保護您的權益，「三民網路書店」提供會員七日商品鑑賞期(收到商品為起始日)。
若要辦理退貨，請在商品鑑賞期內寄回，且商品必須是全新狀態與完整包裝(商品、附件、發票、隨貨贈品等)否則恕不接受退貨。