（1）作者背景資深：4位作者都是在金融領域有10~20年數據挖掘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年項目實戰和項目咨詢經驗，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，涵蓋金融數據分析的全流程，告別純理論和不接地氣。（4）從入門到進階：幫助讀者零基礎掌握金融數據分析的工具、思路、方法和技巧，快速實現從入門到進階的突破。

●前言
分析工具篇
第1章 數據科學與數理統計
1.1 數據科學的基本概念
1.2 數理統計技術
1.2.1 描述性統計分析
1.2.2 統計推斷與統計建模
第2章 SAS EG數據操作基礎
2.1 SAS EG入門
2.1.1 SAS EG簡介
2.1.2 SAS EG的窗口及菜單
2.2 訪問數據
2.2.1 SAS EG實現方式
2.2.2 SAS程序實現方式
2.3 定義SAS數據集
2.3.1 SAS數據的相關概念
2.3.2 SAS EG實現方式
2.3.3 SAS程序實現方式
2.4 導入其他格式的數據文件
2.4.1 SAS EG實現方式
2.4.2 SAS程序實現方式
第3章 Python編程基礎
3.1 Python概述
3.2 Anaconda的安裝及使用方法
3.2.1 下載與安裝
3.2.2 使用Jupyter Notebook
3.2.3 使用Spyder
3.2.4 使用Conda管理第三方庫
3.3 Python的基本數據類型
3.3.1 字符串
3.3.2 浮點型和整型
3.3.3 布爾類型
3.3.4 其他數據類型
3.4 Python的基本數據結構
3.4.1 列表
3.4組
3.4.3 集合
3.4.4 字典
3.5 Python的編程結構
3.5.1 三種基本的編程結構簡介
3.5.2 順序結構
3.5.3 分支結構
3.5.4 循環結構
3.6 Python的函數與模塊
3.6.1 Python的函數
3.6.2 Python的模塊
3.7 使用Pandas讀寫結構化數據
3.7.1 讀數據
3.7.2 寫數據
第4章 在SAS EG中使用程序
4.1 如何在SAS EG中使用程序
4.2 SAS程序
4.2.1 SAS程序分析簡介
4.2.2 DATA步
4.2.3 PROC步
數據處理篇
第5章 描述性統計分析與制圖
5.1 描述性統計分析
5.1.1 變量度量類型與分布類型
5.1.2 變量的統計量
5.1.3 連續變量的分布與集中趨勢
5.1.4 連續變量的離散程度
5.1.5 數據分布的對稱與高矮
5.2 制作報表與統計圖
5.3 制圖步驟及統計圖適用場景
5.4 利用SAS EG進行統計分析
5.4.1 連續變量描述性統計分析
5.4.2 單因子頻數統計分析
5.4.3 彙總統計分析
5.4.4 繪制條形圖進行統計分析
5.4.5 繪制地圖進行統計分析
第6章 表數據的行處理
6.1 數據篩選
6.1.1 SAS EG實現方式
6.1.2 SAS程序實現方式
6.2 排序與求秩
6.2.1 SAS EG實現方式
6.2.2 SAS程序實現方式
6.3 抽樣
6.3.1 抽樣理論介紹
6.3.2 SAS EG實現方式
6.3.3 SAS程序實現方式
6.4 數據分組和彙總
6.4.1 SAS EG實現方式
6.4.2 SAS程序實現方式
第7章 表數據的列處理
7.1 構造列變量
7.2 拆分列
7.3 堆疊列
7.4 轉置列
7.4.1 SAS EG實現方式
7.4.2 SAS程序實現方式
7.5 對列重編碼
7.5.1 SAS EG實現方式
7.5.2 SAS程序實現方式
7.6 變量標準化
7.6.1 SAS EG實現方式
7.6.2 SAS程序實現方式
第8章 數據集的操作
8.1 縱向連接
8.1.1 SAS EG實現方式
8.1.2 SAS程序實現方式
8.2 橫向連接
8.2.1 SAS EG實現方式
8.2.2 SAS程序實現方式
8.3 數據集的比較
8.3.1 SAS EG實現方式
8.3.2 SAS程序實現方式
8.4 創建格式
8.4.1 相關理論介紹
8.4.2 SAS EG實現方式
8.4.3 SAS程序實現方式
8.5 刪除數據集、格式和視圖
8.5.1 SAS EG實現方式
8.5.2 SAS程序實現方式
第9章 利用Python處理數據
9.1 數據整合
9.1.1 行操作和列操作
9.1.2 條件查詢
9.1.3 橫向連接
9.1.4 縱向合並
9.1.5 排序
9.1.6 分組彙總
9.1.7 拆分與堆疊列
9.1.8 賦值與條件賦值
9.2 數據清洗
9.2.1 重復值處理
9.2.2 缺失值處理
9.2.3 噪聲值處理
9.3 實戰
9.3.1 提取行為特征的RFM方法
9.3.2 使用RFM方法計算變量
9.3.3 數據整理與彙報
統計分析篇
第10章 數據科學的統計推斷
10.1 基本的統計學概念
10.1.1 總體、樣本和統計量
10.1.2 點估計、區間估計和中心極限定理
10.2 假設檢驗
10.2.1 理論介紹
10.2.2 利用Python實現單樣本t檢驗
10.2.3 利用SAS EG實現單樣本t檢驗
10.2.4 利用SAS EG實現雙樣本t檢驗
10.2.5 利用Python實現雙樣本t檢驗
10.3 方差分析
10.3.1 利用Python實現單因素方差分析
10.3.2 利用SAS EG實現單因素方差分析
10.3.3 利用Python實現多因素方差分析
10.3.4 利用SAS EG實現多因素方差分析
10.4 相關分析
10.4.1 相關分析理論
10.4.2 Python實現方式
10.4.3 SAS EG實現方式
10.5 列聯表分析與卡方檢驗
10.5.1 利用Python實現列聯表分析
10.5.2 利用SAS EG實現列聯表分析
10.5.3 利用Python實現卡方檢驗
10.5.4 利用SAS EG實現卡方檢驗
第11章 構造連續變量的預測模型
11.1 線性回歸模型介紹
11.1.1 簡單線性回歸
11.1.線性回歸
11.2 模型的構建
11.2.線性回歸模型的構建
11.2.2 將連續變量和分類變量同時作為解釋變量來構建模型
11.3 線性回歸模型的診斷
11.3.1 殘差
11.3.2 強影響點
11.3.3 共線性
11.4 建模流程
11.5 利用SAS EG實現客戶價值預測
11.5.1 單連續變量下建模
11.5.2 多連續變量下建模
11.5.3 加入分類解釋變量建模
第12章 構造二分類變量的預測模型
12.1 邏輯回歸入門
12.2 模型表現優劣的評估
12.3 多水平值分類變量的邏輯回歸
12.4 關於構造因果關繫模型的討論
12.5 利用SAS EG實現貸款違約可能性預測
第13章 描述性數據分析方法
13.1 客戶細分
13.1.1 客戶細分的意義
13.1.2 根據客戶利潤貢獻細分
13.1.3 根據個人或公司的生命歷程細分
13.1.4 根據客戶的產品偏好細分
13.1.5 根據客戶的多維行為屬性細分
13.1.6 根據客戶結構細分
13.1.7 綜合應用
13.2 連續變量間關繫探索與變量壓縮
13.2.變量間關繫統計基礎
13.2.變量壓縮的思路
13.2.3 主成分分析
13.2.4 因子分析
13.3 聚類分析
13.3.1 基本邏輯
13.3.2 層次聚類
13.3.3 快速聚類
13.3.4 兩步法聚類
第14章 時間序列分析
14.1 時間序列及其分析方法簡介
14.2 利用效應分解法分析時間序列
14.2.1 時間序列的效應分解
14.2.2 SAS EG實現方式
14.2.3 Python實現方式
14.3 平穩時間序列分析
14.3.1 平穩時間序列簡介
14.3.2 AR模型、MA模型、ARMA模型簡介
14.3.3 Python實現方式
14.4 非平穩時間序列分析
14.4.1 差分與ARIMA模型
14.4.2 SAS EG實現方式
14.4.3 Python實現方式

這是一本金融商業數據分析的實戰工具書。作者都是在金融行業有10~20年數據分析經驗的資深專家，他們將多年來的項目經驗、培訓和咨詢經驗融合成了這本書。它將指導讀者零基礎掌握金融數據分析的工具、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、數據處理、統計分析等數據分析的全流程。本書內容共14章，可分為3篇。分析工具篇（第1~4章）：首先介紹了數據科學和數理統計的基本常識，然後講解了數據分析工具SASEG和Python的基礎知識。數據處理篇（第5~9章）：首先通過描述性統計分析進行數據探索，繼而講到基本的報表和統計制圖，還包括使用SASEG進行數據處理，用Python進行數據整合、數據清洗，構建出滿足分析需求的數據集。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，等