1.报告--Reports

代码本（Codebook），OLAP多维数据集（OLAP Cubes），个案汇总（Case Summaries），按行汇总（Report Summaries In Rows）和按列汇总（Report Summaries In Columns）

2、表格--Tables

定制表（Custom Tables）和多响应集（Multiple Response Sets）

3、描述统计--Descriptive Statistics

频率分析（Frequencies）、描述性分析（Descriptives）、探索分析（Explore）、列联表（交叉表）分析（Crosstabs）、TURF分析（Total Unduplicated Reach and Frequency，累积不重复到达率和频次分析）、比率统计（Ratio Statistics）、P-P图（P-P Plots, proportion-proportion plot）、Q-Q图（Q-Q Plots，Quantile-Quantile plot）

4、平均值--Means

平均值（Means）分析、单样本t检验（One-Sample T Test）、独立样本t检验（Independent-Samples T Test）、配对样本t检验（Paired-Samples T Test）和单向方差分析（One-Way ANOVA）

5、相关--Correlate

双变量相关（Bivariate Correlation）、偏相关（Partial Correlation）和距离（Distances）相关

6、一般线性模型--General Linear Model

单变量方差分析（Univariate Analysis of Variance）、多元方差分析（Multivariate Analysis of Variance）、重复测量方差分析（Repeated Measures Analysis of Variance）和方差分量分析（Variance Components Analysis）

7、广义线性模型--Generalized LinearModels

广义线性模型（Generalized Linear Models）和广义估计方程（Generalized Estimating Equations）

8、混合模型--Mixed Models

线性混合模型（Linear Mixed Models）和广义线性混合模型（Generalized linear mixed models）

9、对数线性模型--Loglinear

一般对数线性分析（General Loglinear Analysis），Logit对数线性分析（Logit Loglinear Analysis）和模型选择对数线性分析（Model Selection Loglinear Analysis）

10、神经网络--Neural Networks

多层感知器（MultilayerPerceptron）和径向基函数（Radial Basis Function）

11、回归--Regression

自动线性建模（Automatic Linear modeling）、线性回归（Linear Regression）、曲线估计（Curve Estimation）、偏最小二乘回归（Partial Least Squares Regression）、二元Logistic回归（Binary Logistic Regression）、多元Logistic回归（Multinomial Logistic Regression）、有序回归（Ordinal Regression）、概率单位法（Probit，probability unit）、非线性回归（Nonlinear Regression）、权重估计法（Weight Estimation）、两步最小二乘回归（2-Stage Least Squares Regression）及分类回归（Categorical Regression）

12、分类分析--Classify

两步聚类分析（TwoStep Cluster Analysis）、逐步聚类分析（K-Means Cluster Analysis）、系统聚类分析（Hierarchical Cluster Analysis）、决策树（Decision Trees）、判别分析（Discriminant Analysis）及最近邻分析（Nearest Neighbor Analysis）

13、降维分析--Dimession Reduction

因子分析（Factor analysis），对应分析（Correspondence analysis）和最优尺度（Optimal Scaling）分析：多重对应分析（Multiple Correspondence Analysis，MCA）、分类主成分分析（Categorical Principal Components Analysis，CATPCA）、非线性典型相关分析（Nonlinear Canonical Correlation Analysis，OVERALS）

14、尺度分析--Scale

可靠性分析（Reliability Analysis）、多维尺度分析（Multidimensional Scaling Analysis，ALSCAL）和多维邻近尺度分析（Multidimensional Scaling Analysis，PROXSCAL）及多维展开分析（Multidimensional Unfolding Analysis，PREFSCAL）

15、生存分析--Survival

寿命表（Life Tables）、Kaplan-Meier法（Kaplan-Meier）、Cox回归（Cox Regression）和含时间依赖协变量的Cox回归（Time-Dependent Cox Regression）

16、多响应分析--Multiple Response

定义多响应集（Define Sets）、多响应频率分析（Multiple Response Frequencies）和多响应交叉表（Multiple Response Crosstabs）分析

17、缺失值分析--Missing Value Analysis

缺失值分析（Missing Value Analysis）

18、非参数检验--Nonparametric tests

单样本非参数检验（One-Sample Nonparametric Tests）、两个或更多独立样本非参数检验（Two or More Independent SamplesNonparametric Tests）、两个或更多相关样本非参数检验（Two or More Related Samples NonparametricTests）、卡方检验（Chi-SquareTest）、二项检验（BinomialTest）、游程检验（RunsTest）、单样本Kolmogorov-Smirnov检验（One-Sample Kolmogorov-Smirnov Test）、两独立样本非参数检验（Two-Independent-Samples Test）：Mann-Whitney U检验（Mann-Whitney U test）、Moses极端反应检验（Moses extreme reactions test）、Kolmogorov-Smirnov Z检验（Kolmogorov-Smirnov Z test）、Wald-Wolfowitz游程检验（Wald-Wolfowitz runs test），多个独立样本非参数检验（Tests for Several Independent Samples）：Kruskal-Wallis H检验（Kruskal-Wallis H Test）、中位数检验（Median Test）和Jonckheere-Terpstra检验（Jonckheere-Terpstra Test），两相关样本非参数检验（Two-Related-Samples Tests）：Wilcoxon符号秩检验（Wilcoxon Signed Ranks Test）、符号检验（Signed Test）、McNemar检验（McNemar Test）和边际同质性检验（Marginal Homogeneity Test），多个相关样本非参数检验（Test for Several Related Samples）：Friedman检验（Friedman Test）、Kendall W检验（Kendall’s W Test）和Cochran Q检验（Cochran’s Q Test）

19、预测--Forecasting

时间序列建模器（Time Series Modeler）：专家建模器（Expert Modeler）、指数平滑法（Exponential Smoothing），综合自回归移动平均模型（ARIMA），季节分解法（Seasonal Decomposition），谱分析（Spectral Analysis），序列图（Sequence Charts），自相关（Autocorrelations）和互相关（Cross-Correlations）图

20、多重插补--Multiple Imputation

分析模式（Analyze Patterns）和插补缺失数据值（Impute Missing Data Values）

21、复杂抽样--Complex Sample

选择样本（Select a Sample），准备分析（Prepare for Analysis）及以下统计分析的复杂抽样计划（Complex Sample Plan）：频率分析（Frequency），描述性分析（Descriptive），交叉表（Crosstabs）分析，比率分析（Ratios），一般线性模型（General Linear Model），Logistic回归（Logistic Regression），有序回归（Ordinal regression）和Cox回归（Cox Regression）

22、模拟--Simulation

用现有模型文件或手动输入方程创建应用于统计模型的数据

23、质量控制--Qulity Control

控制图（Control Chart）：平均值、极差、标准差控制图（X-Bar, R, s Control Chart），单值、移动极差控制图（Individuals, Moving Control Chart），不合格品率、不合格品数控制图（p, np Control Chart）和缺陷数、单位缺陷数控制图（c, u Control Chart），帕累托图（Pareto Chart）：简单帕累托图（Simple Pareto Chart）和堆积帕累托图（Stacked Pareto Chart）

24、ROC曲线--ROC Curve

诊断学研究中一种非常重要的统计方法

25、直销分析

直销分析（Direct Marketing）共有8个方法：交易数据RFM分析（RFM Analysis from Transaction Data），客户数据RFM分析（RFM Scores from Customer Data），聚类分析（Cluster Analysis），潜在客户概要文件（Prospect Profiles），邮政编码响应率（Postal Code Response Rate）、购买倾向分析（Propensity to Purchase）、控制包装检验（Control Package Test）及评分向导（Scoring Wizard）

以上统计部分内容来源于张文彤老师教程：《SPSS统计分析初级教程》《SPSS统计分析高级教程》

当然，如果你面临自学而无导师指导，入门慢且无实操项目接触。CDA LEVEL I业务数据分析师旨在以最简易的工具和技能培养业务数据分析和实践运用能力。SPSS方向使用SPSS+Excel工具，结合银行、电信、零售等行业案例深入浅出讲解数据分析的流程和方法。

【培训信息】

北京&远程（SPSS专题）：5月28~6月18（8天）

授课安排：现场班6900元，远程班4900元

(1) 授课方式：面授直播两种形式，中文多媒体互动式授课方式

(2) 授课时间：上午9:00-12:00，下午13:30-16:30，16:30-17:00(答疑)

(3) 学习期限：现场与视频结合，长期学习加练习答疑。

【课程信息】

第一阶段：[5.28] 数理统计基础与SQL语言

1.商业数据分析前沿与概述


2.数据分析流程与方法论

3.数理统计基础知识


4.随机事件与随机变量


5.正态分布与中心极限定理


6.其他统计学三大分布


7.描述性统计分析


8.SQL数据库语言简介


9.Mysql安装、配置与实操

第二阶段：[5.29]数据分析统计基础理论P2

1.随机抽样知识

2.抽样估计基础

3.假设检验基础

4.方差分析

5.相关与回归分析

6.数据分析理论基础总结

第三阶段：[6.03]数据预处理技术P1

1.数据分析与SPSS介绍

a.实例演示

b.SPSS 的特点

c.SPSS 界面介绍

2.数据的输入与保存

a.数据获取及其格式

b.SPSS 数据变量详解

c.SPSS 访问外部数据

第四阶段：[6.04]数据预处理技术P2

1.数据预处理及分析

2.数据清理

3.新变量生成

4.描述统计分析

5.SPSS 统计图形与可视化

a.散点图（交互式）

b.比较子组

c.回归变量图

第五阶段：[6.10]数据分析与建模技术

1.相关分析

2.回归分析基础

3.简单回归分析

4.多元回归分析

a.案例分析：商品韧性材料的影响因素及其预测分析

5.卡方分析

a.案例分析：商品投诉因素分析

第六阶段：[6.11]数据分析与建模技术

1. 二分类 logistic 分析a.客户违约信息预测

2. 主成分分析与聚类分析

a.主成分分析

b.两步聚类法

3. RFM 客户价值模型

4. 统计报表过程

第七阶段：[6.17~18]案例分析及业务应用

1.数据挖掘方法论介绍

2.回归分析与因子分析方法

3.市场调研-用户体验评测案例（全咨询项目）

4.业务分析-球员综合评价案例

5.信用卡产能预测与监控

6.贷款违约预测建模全流程

【课程讲师】

马明

数据系统架构师和数据科学家，目前致力于机器学习在金融领域应用，例如时序分析和异常检测。曾任新浪微博数据中心系统架构师和新浪内部培训师，在数据分析领域有多年经验。

丁亚军

CDA数据分析师讲师/首席数据分析师。现任职于人大经济论坛评谷数据处理与分析研究中心，兼职中国学习路径图国际培训中心技术顾问，SAS、SPSS高级统计学讲师。曾参与2012国家宏观经济预测、中国城镇居民家庭投资调查、泸州老窖目标管理与绩效考核等大型数据处理项目，具有丰富的数据处理经验。

课程优惠

【课程优惠】

1.全日制在读学生8折优惠（需提供证件证明）；

2.参加过论坛其他现场班老学员9折优惠；

3.三人及以上9折优惠，五人及以上8折优惠；

4.同时报名参加LEVELⅠ和LEVEL Ⅱ享受8折优惠。

【报名流程】

1.在线填写报名信息

CDA官网：

CDA微店：

2.给予反馈，确认报名信息

3.网上缴费

4.开课前一周发送电子版课件和教室路线图

【咨询我们】

电话：010-68411404

手机：18811331062（田老师）QQ：2881989709

          18500368335（孙老师）QQ：2881989710

邮箱： tyx@cda.cn

           sj@cda.cn

近期培训信息

CDA LEVELI业务数据分析师-SPSS方向：北京&远程 5.28～6.18

直达：https://www.cda.cn/kecheng/30.html

CDA LEVELI业务数据分析师-R语言方向：深圳 6.03～6.25

直达：https://www.cda.cn/kecheng/43.html

CDA LEVELI业务数据分析师-SAS方向：上海&远程：5.27～6.18

直达：https://www.cda.cn/kecheng/36.html