胡江堂：（所谓）技术博客
October 26th, 2011 — SAS
这个周五，我会跟同事（SAS程序员和生物统计师）一起去北大做个关于SAS编程与生物统计的经验交流，感兴趣的朋友不妨去转转。这个活动由我以前在学校的社团，北大应用统计研究会帮忙张罗。之前我在协会负责SAS俱乐部。
主题（关键字）：SAS编程、生物统计、行业应用
时间：2011年10月28号，周五，晚上，7点到9点
地点：北京大学，二教422（地铁北大东门下就是）
适用人群：对SAS与生物统计感兴趣的在校生，其他感兴趣的朋友也欢迎捧场
组织单位：北京大学应用统计研究会
出席人员：来自赛诺菲巴斯德(Sanofi Pasteur)生物统计中国部的SAS程序员与生物统计师
这将是一场非正规的经验交流（赶在这个校园招聘忙的季节），但我们也抱着接触潜在实习生与员工的想法。对我个人来说，就是趁着机会，回次学校，见见朋友，再体会一把久违的社团生活。
又，如果你是在校生，先读一下这篇文章会很有作用：
October 5th, 2011 — CDISC, SAS, 人物, 机器学习与数据挖掘, 统计备忘录, 胡说
大半年没跟新了。一些个人技术方面的动向在英文博客里：
CDISC Express是一款开源的SDTM转化器，基于SAS和Excel（其实背后是XML）。我为这个产品写了一系列的入门教程，并参加了一个相应的比赛（赢了一台iPad）。益辉最近也抽中了一台Kindle，加上上半年在SAS Global Forum拎回来的一台Kindle,不禁感慨，知识（和概率）真是咱农民的第一生产力呀。对着手头这台上世纪的诺基亚6300，我坚定的目光瞄上了iPhone5。有一句话说，做自己喜欢的事，然后找一个人或机构买单，人生一乐也。
又，把临床数据自动导入到符合CDISC标准的数据集，现在有不少vendor在做，很多药厂内部也有开发。感兴趣的朋友不妨也鼓捣鼓捣。
现在还提这个概念就较不时尚了，重要的是如何做，或者如何为以后做些准备。SAS也将加入对Hadoop的支持，不过现在Hadoop的框架还是基于Java，拣回来些C/C++、Java或者Python还是很有戏场的（甚至R也能够玩会Hapoop），对一个SAS程序员来说，是时候更新自个的工具箱了。
迄今为止，这个领域还是IT人士的天下。这一方面说明了我们这些传统的数据分析人员还需要夯实技术（去看看Hadoop的‘hello world’, 所有的操作都要分解为map()和reduce(),而这并不是所有人都习惯的），也说明目前这一块，发展还在起步阶段，因为这些框架，最终都是要为了让数据产生价值，而这就不可能有数据分析师的缺席。
3. SAS之外
这些日子，在SAS之外，试图拣回来些数据挖掘的东西。本来准备四月份在拉斯维加考下SAS数据挖掘的认证，后来还是被其他事情给挪掉了。最后所得就是，还是稍微看了下这块的东西，在概念上是过了一遍。这次在拉斯维加，碰到以前在北大一起做SAS俱乐部的朋友光辉，他现在加拿大工作。光辉说他趁着开会的缝隙，随手把SAS的数据挖掘认证（SAS Certified Predictive Modeler using SAS Enterprise Miner 5 or 6 Credential）给考了。这叫行动力啊。
机缘巧合，这上半年有朋友给我介绍Feature Selection（大白话就叫变量选择，在数据挖掘里面属于前期的工作），我就对着一个R的包看了一遍，也就是在脑袋里过一下，最后没有什么成果出来。另一个额外的好处是，这次我是对R在学习方面的优势有了切身体验，对R算是有了些个人感情。一边找论文看，然后几乎就能找到一个相应的R包跑一跑，增加些手感，这效果真是不错。
再说些R。我还真尝试过认真学一学R。做为一个SAS程序员，想，还是从input/output开始吧，就先研读官方文档R Data Import/Export，转了一圈，发现，这数据读取转存还是SAS更为方便有效，对我来说，鼓捣这个有点得不偿失，遂罢。
又想，R对SAS的一个优势在于它支持多种数据结构，像array、list之类，就从这入手了。不知道怎么搞的，在学习R的数据结构时，可能是我学习不够深入，修为不够，总觉得有些不够畅快——具体我说不上来。想，我还是把自己的Python拣回来吧，R跟Python有类似的地方。后来我就能说上来了，Python的List等数据结构，对我来说，的确是更为优雅（换一种说法，或者是因为我还没有读到一本“优雅地”介绍R数据结果的文档）。好吧，到此为止，我的R还停留在用它尝试算法的阶段。
然后就是捡回Python。我两年多的SAS程序员工作经历，一个直接的后果就是把之前学过的一点C++、Java和Python又打回“hello world”的水平，手都生疏了。我读了很多Jian Dai（他在加州做SAS程序员）的代码，包括Perl, C, JavaSAcript等等，想，做SAS程序员也不至于把其他的语言都丢掉，为了方便，又重新学习下Python。
为学而学毕竟有局限，在工作中使用当然来得最快。现在我还没有这机会，除了翻文档之外，就尝试用Python写些小东西，把它就当一回事一样。其实，除了工作中直接使用，还有一项就是参加开源运动——我看益辉这几年写R代码是风生水起，一个极大的外部刺激就是参与开源运动，整个积极性都给起来了。一个普通的统计学博士生，用不了那个多的代码量，那动力，就在于统计之外。
统计。今年的基础统计学习，没有去年那么饱满。每天跟统计师打交道，就想好好学习一下他们的语言。今年，到现在为止，算是在工作中（向统计师）学习，整了下CI calculation和euivalence and noninferiority test。下一步准备鼓捣些Sample Size之类。有个哥们写了一篇文章叫Programmers Need To Learn Statistics Or I Will Kill Them All，好吧，作为一个程序员，为了生命安全，每天跟统计师打交道，还是学下统计了。
4. 工作
不是说自己的工作，是说工作与实习机会。感兴趣的朋友，不妨跟我联系。中南大学统计系的本科生韩帅，不久前结束在我公司的实习，在Sxlion主持的SAS中文门户写了两篇非常有价值的总结文章，大伙可以去看看：
人是这样的，只有经历过了（我说的是第一份实习或其他），才能自信地自称“菜鸟”，否则就真是论坛里“弱弱地问”的菜鸟。我推荐我公司，当然是因为最熟悉。说实在的，在北京，在药厂，对SAS程序员来说，这的确是一份不错的的实习机会。去年我也推荐了汤耀华来我公司做实习生，他现在中科院读研。这两位都来自中南大学，怎么说？对我和我的同事来说，他们提升了中南大学在我们心目中的分量。在上海，我想，很多SAS程序员对中南大学也很有兴趣。
一些大学生朋友给我写邮件打电话，说些职业或技术选择的事。这不是选择两个到手的offer，大哥，随便扎进一个方向，都比在那犹豫强。
5. SAS
还是得提一下SAS。现在用上SAS9.2了（然后SAS9.3就华丽丽地发布了。。。），对我来说，直接地，有两个触动：
1）SAS9.2及以后，作图更漂亮，我终于有些动力研究下SAS作图了。在公司，去年与宾州的同事一道，把公司作图的macro（基于9.1.3）的更新以后，以后都直接调用，压根就没写过proc gplot之类，然后我就发现自己作图的那一点点手艺正在迅速凋零。。。
2）SAS9.2中，BASE中正式支持自定义函数（仿佛听到其他门类的程序员在冷笑，我弱弱地辩解一下，SAS/IML早就可以自定义函数，而且对SAS程序员来讲，一直使用macro写一种叫function-like macro，而且，macro也支持递归。。。）。这将给我们的编程生活带来不少乐趣，其中之一就是可以把以前的一些macro改写成函数（方便debug啊）。
在写函数之前，我把SAS BASE里面的函数都看了一遍，省得以后重复造轮子：
把所有的函数分门别类导入到Excel，然后动用一点VBA，把每个函数的解释都搁进每个函数名的comments里。这么一梳理，又发现不少有趣的东西，再议。
对SAS，这套软件，这家公司，还有这套软件这家公司后面的人，我都带着很浓重的个人感情。现在，可以自豪地宣布，我完成了人生一个的小小心愿，参观了SAS总部，还有就是当面见到了SAS公司1976年的三个创始人：
第一个Anthony James(Jim) Barr，更多地被称为Tony，SAS系统的发明人，今年4月份在佛罗里达拜访他并长谈（右一）：
Jim Goodnight和John Sall，现在SAS公司的一、二号当家，在拉斯维加斯的SAS全球大会见到。我没有跟Jim Goodnight有任何互动，最“近”的一次是几年前，当时在SAS中国研发中心，收到唯一一份来自Goodnight的邮件，大概是群发给全球一万多号员工的。John Sall来过北京，不过没机会见过。这次在拉斯维加，在一间中型会议室，看他慢慢演示JMP，差点超时。
第四个创始人Jane负责文档，还没有见过。不过去年，就在北京，有幸见过第一本SAS user guide (A User’s Guide to the Statistical Analysis System, 1972)的作者，Dr. Jolayne (‘Jo’) Service(左二):
Jo离开北京后，还随着美国统计学代表团参加了上海生物统计学术论坛（SBF）组织的活动。
March 20th, 2011 — SAS
“统计之都”(http://cos.name)的朋友拉来人大统计学院和中科大管理学院，一起办一个大学生数据挖掘的比赛（“第一届全国大学生数据挖掘邀请赛”）。非在校生的朋友可能也会感兴趣，这次比赛的赞助商是上海的一家婚恋交友网站，比赛的任务是，“评估给定的候选会员集合中，哪些会员更容易获得特定会员A的青睐”。有评论认为，这是两会之后，真正关注国计民生的好题目。
预祝这次竞赛活动圆满成功。先去围观了：
http://www.statmodelingcompetition.com
http://cos.name/2011/03/1st-data-mining-competetion-for-college-students/
2. SAS Global Forum 2011, Las Vegas, Apr 4-7
SGF2011的会议论文已经放在网上，大伙可以先睹为快：
http://support.sas.com/resources/papers/proceedings11/TOC.html
这将是我第一次参加SGF。我提交的论文很水，几乎跟SAS无关，讲的是装备一个SAS程序员的几个简单的工具：文本编辑器Notepad++、文件比较工具Beyond Compare以及个人信息门户Gmail和Google Reader。
——恩？怎么还有Gmail？这话题似乎难登大雅之堂，但我觉得还是非常重要的。总体而言，SAS程序员/SAS用户的技术装备水平不高。根据SAS邮件组SAS-L订阅者邮箱使用的相关数据（http://www.howles.com/sas-l），一共有3万7千个注册邮箱，现在能跟使用者本人对应起来的邮箱数大概是4千8百个。而在这4800个可以说是较为有效的邮箱中：
而在这2680个.com邮箱中，有大量分散的公司邮箱，不论，几个常用的免费邮箱是
这什么概念？首先，SAS用户，大量集中在企业，我猜R-help邮件组的Gmail使用者应该会非常多——当然这不是这里的重点。使用公司或机构邮箱的，大多数人用outlook之类的客户端收发邮件，其余的如Gmail、Yahoo、Hotmail用户大多使用Webmail的方式。作为一个Gmail爱好者，我好奇的是众多的非gmail用户如何管理（以及忍受）来自SAS-L成千上万的邮件的。
又，SAS-L的Gmail邮箱订阅者较少，还有一个可能，就是大伙都喜欢在工作时间收取SAS邮件。我个人推荐用Gmail收取邮件组的邮件，同样，根据个人兴趣，那天我还会跟SAS用户推荐Google Reader，这个所谓Web2.0时代的利器。这次SAS大会同样也充满2.0精神：
到时热闹了。
December 30th, 2010 — SAS
首先是oloolo同学在my.sas论坛问我以前那个Think SAS 系列继不继续。话说我有很多标记为“（一）”的文章没有继续下去，长此以往，国将不国，不好不好。趁着年假，把早就搁在机器的草稿拎出来，再推进了五六千字，《Think SAS》（二）：
感兴趣的朋友不妨去拍拍砖。还没写完，这个系列。
另外，我有一篇文章被明年的SAS全球论坛(SGF2011, April4-7, Las Vegas)接受，题目很大，叫做Work Smarter than Harder-tools for growing up a SAS programmer,写的是装备SAS程序员的一些普通工具。卑之无甚高论，但现实中一般SAS程序员的装备还是挺落后的，大都拿“分析员”而不是“程序员”的标准要求自个。这篇文章草稿在
http://jiangtanghu.com/docs/en/SGF2011_JiangtangHU(draft).pdf
一样欢迎大伙拍砖评论。
明年去拉斯维加斯，心里又不禁嘀咕，倒是可以趁着这个机会把SAS数据挖掘的认证考下来。这样这几个月就又有得东西忙了。
明年准备数据挖掘，但今年开始的统计学基础还不能丢。还想给“统计之都”写些类似“方差分析初步”之类的文字。统计学我的底子高深不了，就沉浸在表达这块了。
大伙新年愉快。
November 23rd, 2010 — SAS
SAS中国研发中心（北京）需要招几个统计学博士（modeling+SAS）。感兴趣的朋友可以跟我联系：
jiangtanghu<at>gmail<dot>com
这里只负责牵线搭桥，具体的会安排您跟SAS R&D的负责人谈。
全民皆博（非“微博”）的黄金时期已经过去，各种技术博客倒是风起云涌（再拽一个词，方兴未艾）。说说SAS博客的事。
英文世界里，SAS程序员第一个应该去的地方应该是SAS Community Planet:
http://www.sascommunity.org/planet/ RSS订阅：http://www.sascommunity.org/planet/rss20.xml
现在里面收录了24个相关博客（包括“技止于此”的英文博客，From a Logical Point of View），内容涵盖SAS编程、BI、行业信息等等。另外，SAS一些员工或部门也在在其主页开博（现在是15个），见
这里的博客与Planet的博客会有些重合，建议是一个个点过去，总能找到值得订阅的。比如，SAS公司负责IML开发的Rick Wicklin，今年的9月初开了一个IML相关的博客，唤作The Do Loop，现在已经有33篇了，质量都很高，而且适合不同层次的读者阅读。有意思的是，他有个明文的规矩，周一些初级篇，周三是中级篇，周五则是高级篇，各位读者，皆大欢喜（这里介绍了这么多Rick，也有一些私心。他上个月也推荐了一下我的一篇博文，也是关于IML的。之前我在blogger开英文博客，到现在也没写几篇，以后再接再厉了）。
回到中文世界。mysas论坛的掌门人shiyiming前些日子新开辟了一个栏目，叫做“SAS世博汇”，号称要“网聚全球优秀SAS博客的力量”（就是定期出爬虫抓取相关博客内容，中文为主，现在看到的数量是8个，包括Liu Wensui、ooloo等知名ID）。mysas现在也支持RSS订阅，所以这个渠道看着也还不赖。
上海还有一个活跃的朋友，sxlion，新开了一个SAS博客群，在网聚SAS博客方面，用功甚勤：
里面提供了一批SAS中英文博客（跟上面提到的也大多重合）。这个saslist还提供博客群服务，现在还是以mysas活跃的朋友为主，比如hopewell。刚刚建起，会有些粗糙的地方，有兴趣的朋友可以上午鼓捣一下。
关于群体博客，现在做得最好的是“科学松鼠会”，科普类。另外跟统计相关的，就是“统计之都”。sas群组，现在都还是刚刚起了个头。
September 18th, 2010 — CDISC, SAS
九月在北京和上海分别参加了三个SAS、CDISC相关的聚会。见牛人云集，跟着乐呵了。
1.北京数据管理与生物统计论坛（BBF）第三次聚会
9月4号下午，周六，北大医学部。详见：
2. mysas.net 线下交流
上海，谷麦咖啡店，9月11号，下午，参与者sxlion、jthu、tianwild、ahuige、shiyiming，话题：SAS非SAS，技术非技术，兴之所至，无所不聊。照片见：
http://mysas.net/sns/space.php?uid=1&do=album&picid=372
上海是SAS程序员的大本营。我第一次来上海，当然要去拜拜码头了。九月10号晚上我在北京发贴召集，还好有这么些活跃成员捧场。据说在上海，像这样临时凑一个局可不容易。
3. CDISC Interchange China 2010
这次CDISC交流大会中国站在上海举行，复旦大学医学院，9月15号。去年在北京办，跟同事也都参加了。一些话题：
3.1 CDISC Worldwide – Highlights 2010 (including Healthcare link, JIC, BRIDG) by Frank Newby and Rebecca Kush (CDISC)
演讲者是CDISC组织的二号人物，Frank Newby（简称“牛掰”。Rebecca Kush 是CDISC组织的CEO）。由于FDA的推动，CDISC现在一个很明显的动向就是与HL7的融合。这次大会本来还安排有HL7的CEO Charles Jaffe的演讲，Hl7-CDISC Relationship，应该也会很精彩，可惜Charles 没能过来。
3.2 x3C Updates
x3C包括J3C、K3C和C3C，分别代表日本、韩国和中国的CDISC协调委员会(CDISC Coordinating Committee)，演讲者是相应组织的负责人：
J3C: Yoshio Tsukada (GSK Japan)
K3C: Sukil Kim (Catholic University of Korea)
C3C: Simon Wang (Parexel China)
今年CDISC组织在亚洲的动作很大，你可以在CDISC的博客看些更新。
3.3 CDISC Standards for Study Start-up (Business Case, Protocol and Trial Registration, CDASH Standards for CRfs, eSource Data Interchange) by Frank Newby and Rebecca Kush (CDISC)
演讲者仍然是“牛掰”先生，强调把CDISC标准运用到临床研究的整个生命周期，从方案设计、数据收集到分析以及提交监管当局。
现在在概念上火的是CDASH，数据收集这块。我说是“概念”，是因为临床数据管理本身有很复杂和成熟的系统，要采用新的标准，还有很长一段路要走。
3.4 The future of Clinical Data: The Evolving Impact of CDISC and Hl7 Standards on Data Management, Submission, and Pharmacovigilance by Wayne R. Kubick (Phase Forward lincoln Safety Group)
Wayne R. Kubick 被认为是“CDISC之父”，在CDISC组织还没有形成时就是其领军人物。这次他讲临床数据的远景，其中一条也是与HL7的融合，以后大伙应该会经常CDISC/HL7的字眼。
Wayne 的口音跟相貌，都跟克林顿有类似，在Lincoln Technology工作（Lincoln Technology后来被Phase Forward 收购，而Phase Forward 最近又被Oracle收购）。
Lincoln Technology在临床研究领域是一个非常厉害的科技公司。会后我跟Wayne 聊到他部门另外一位伟大的科学家，William DuMouchel。William 在AT&T工作时发明了药物安全监测的Gamma Poisson Shrinker（伽玛泊松缩减）法，它是一种贝叶斯方法，为FDA推荐使用。
3.5 CDISC/FDA Pilot for Integrated Safety Data (Pediatrics Studies) by Yuguang Zhao (Eisai Global Clinical Development)
CDISC的SDTM标准已经被FDA接受。这次CDISC/FDA的联合活动，类似于完全运用CDISC标准向FDA提交临床研究报告的一次预演，包括SDTM、ADaM和define.xml。
这个演习活动，召集了业界二十来位好手，牵头人物是：
Chris Decker, d-Wise Technologies
Yuguang Zhao, Eisai Pharmaceuticals
Steve Hirschfeld, National Institute of Health
Yuguang之前在sanofi-aventis工作，是CDISC SDS TEAM的核心成员之一，今年上半年来我们办公室参观过。关于这次活动，你可以参考：
http://www.d-wise.com/papers/rs02.pdf
3.6 Building an eCRf CDASH library – A Case Study by Paula Silva (Phase Forward Services)
Paula讲的是CDISC的新宠，CDASH，以及Phase Forward公司的产品PhaseOne.
3.7 CAMD ADAS-cog Questionnaire SDTM and ADaM Implementation by Sandy Lei (J&J)
Sandy去年的CDISC活动中见过。她是中国CDISC的教母级人物，CDISC SDS TEAM的核心成员之一，前些年CDISC就是她给引进中国的。会后Sandy问我听得怎么样。我老实回答，其中只有SDTM/ADaM的部分能听懂，关于CAMD ADAS-cog 听得是一愣一愣的。回北京我是恶补了一下，你也可以参考下：
http://www.c-path.org/pdf/CAMDWorkScope.pdf
3.8 Update on Terminology and SHARE Project by Chris Tolk (CDISC)
Chris在CDISC组织里负责Terminology，她也是CDISC其他标准的活跃参与者。CDISC组织维护的Terminology，也被NCI的EVS系统收录，算是一个很大的成就了。
3.9 Integration of Electronic Data Capture (EDC) and Interactive Voice Response (IVR) randomization systems using ODM, vendor extensions and web services by Andrew Newbigging (Medidata Solutions Worldwide)
又是一位牛人(New–)，Andrew Newbigging讲的是在EDC以及IVR系统运用CDISC的ODM模型，又是临床数据管理方面的内容。
3.10 XML: The SAS Approach by John (Jiangtang) Hu and Na Ye (Sanof Pasteur Biostatistics China)
我跟同事Na带来的话题安排在下午，最后一场，以契合我们业界小兵的形象。来上海之前我在公司排练过一次，这次讲完后，有朋友提醒，我演讲时手一有机会就插兜里，噫。不是为了摆酷，手本来就跟香蕉一样，上台时就不知道该放哪。
CDISC各个标准，其数据都是通过XML来储存和传输，我们这个话题就是来讨论如何用SAS来处理XML数据——SAS程序员嘛。
August 8th, 2010 — SAS
1. Categorical Data Analysis Using the SAS System (2nd edition, SAS Inc., 2000)
作者三位（SDK），在这个领域都是行家，SAS公司的一位负责统计工具研发的总监Maura E. Stokes , 爱荷华大学生物统计系的教授Charles S. Davis（后来他投身工业界）以及北卡大学教堂山分校生物统计系的教授 Gary G. Koch 。用SAS做Categorical Data Analysis，这书是引用最多的一本。国内一本书，刘勤和金丕焕编的《分类数据的统计分析及SAS编程》（复旦大学出版社，2002），能看到本书的影子（美中不足的是，这本书丝毫没有提到SDK）。
我喜欢这本书，还因为它是我读过的SAS BBU（books by users）系列中排版较好的一本。BBU一般由SAS Press或Wiley两家出版社出版，一个印象是，Wiley出的SAS书排版会比SAS Press的质量高。这本书由这两家联合出版。
以前学Categorical Data Analysis，上手就是Logistic回归，做信用评分/数据挖掘需要这个（这本书的后半部分讲这些模型）。现在的工作，需要多的是本书的前半部分，对列联表做的各种检验，这是统计学里相对传统的部分，也是我这样非统计科班出身学统计学时忽略最多的部分。
还有，这本书的数序公式用得恰到好处，简洁又富有启发性，能让一个（只）有基本数学素养的SAS 程序员体会到模型的含义，又不至于淹没在数学符号的汪洋大海之中。
2.Common Statistical Methods for Clinical Research with SAS Examples(2nd edition, SAS Inc., 2002)
作者是SAS最老的一批咨询顾问Glenn A. Walker。现在这书出了第三版，加上了一位合作者，Duke Clinical Research Institute（世界上最大的学院CRO）的一位SAS程序员，Jack Shostak，他也是SAS Programming in the Pharmaceutical Industry的作者。
我没有比较与新版的区别，只说说手头的第二版。跟SDK一样，这本书是用来恶补现在所需要的统计学基础的，给回归只留了两个章节：
Chapter 1 – Introduction & Basics
Chapter 2 – Topics in Hypothesis Testing
Chapter 3 – The Data Set TRIAL
Chapter 4 – The One-Sample t-Test
Chapter 5 – The Two-Sample t-Test
Chapter 6 – One-Way ANOVA
Chapter 7 – Two-Way ANOVA
Chapter 8 – Repeated Measures Analysis
Chapter 9 – The Crossover Design
Chapter 10 – Linear Regression
Chapter 11 – Analysis of Covariance
Chapter 12 – The Wilcoxon Signed-Rank Test
Chapter 13 – The Wilcoxon Rank-Sum Test
Chapter 14 – The Kruskal-Wallis Test
Chapter 15 – The Binomial Test
Chapter 16 – The Chi-Square Test
Chapter 17 – Fisher’s Exact Test
Chapter 18 – McNemar’s Test
Chapter 19 – The Cochran-Mantel-Haenszel Test
Chapter 20 – Logistic Regression
Chapter 21 – The Log-Rank Test
Chapter 22 – The Cox Proportional Hazards Model
章节设置，跟Jerrold Zar那册有名的Biostatistical Analysis类似，正好方便SAS程序员备查。这些统计学，在药厂的clinical部门常用。至于模型味更浓的data mining系列，discovery和pharmacovigilance（PV，药物警戒）部门用得多些。
这本书在写作方面没什么特色，好处在于实用、全面，做工具书再好不过。
————————————————————-
作为非统计出身的SAS程序员，经常徜徉于data steps，现在翻翻它的统计部分，又能感受到它背后的另一片广阔天地。浏览一下SAS/STAT 9.2的研发团队，——罗列书名、人名总能激起我的斗志，噫。
May 22nd, 2010 — Computers and Internet, SAS
昨晚提到Excelpro的新书，《Excel图表之道——如何制作专业有效的商务图表》（刘万祥，北京：电子工业出版社，2010）。说些Excel，从一个SAS程序员的角度。
相对SAS，或其他的软件包（SPSS、R/S-Plus、Matlab等），Excel都是一个轻量级的分析工具。本来，Excel无意在统计分析方面跟那些统计工具包一较长短，各有适用的地方而已。但在商业世界，用Excel做分析的用户太多了，说最流行也不为过，一些统计学者，就提醒广大用户，用Excel做统计分析时一定要谨慎些，它有时候不够严谨有时候不够靠谱。详细的，可以参考谢益辉的三篇博文（以及他文中所附的参考材料）：
用Excel本身的计算引擎有时是不够严谨，这是故事的一个方面（当然，它应付日常工作还是可以胜任的，对Excel，我们这点信心还是有）。故事的另一个方面，是鉴于Excel的广泛流行，各大BI（商务智能）套件，包括SAS系统，都要提供与Office/Excel整合的功能。上面就是 SAS Add-In for Microsoft Office在Excel里面的一个截图。利用这个Excel插件，商业用户可以继续使用他/她熟悉的Excel，访问SAS数据，并利用SAS的计算引擎来分析和作图，最后结果返回到Excel（或者Word、PPT）。一家公司不提供这玩意，它的BI技术就要受到质疑，至少也是没有做到user-friendly。夸张点说，小小的Excel就这样爬上了BI平台的最顶端。
我们注意到，与Excel的整合，重点是把它作为用户接口和展示平台。对一个传统的SAS程序员，与Excel打交道也是他职业生涯的一部分：
1. 有时候，数据会存储在Excel里面。你可能没法理解，为什么要把数据存在Excel里面，这样轻量级的数据，存在文本里面不是更好吗？在真实世界里，大部分人的行为模式一般是这样，他们打开Word来记事，打开Excel来记录数据。数据存在Excel或许也能接受，如果它们规规矩矩，行列有序。有一种情形就是，在一个Excel Book里，数据散布于各个Sheets，在同一个Sheet，数据可能不是按行列来排，而是长得就像一个report。平心而论，这样的数据真的是user-friendly，只是不够machine-friendly。在Windows平台下，SAS Base有三种最常用的方式读取Excel数据：
1-1 proc import or Import Wizard
1-2 SAS Excel Libname Engine
1-3 SAS DDE (Dynamic Data Exchange，这属于Windows的技术)
Excel不是一个跨平台的数据格式。在Unix平台下，如何读取Excel数据呢？SAS也有解决方案，那需要用到一个SAS/ACCESS Interface to PC Files for UNIX和SAS PC File Server for Windows，这也是一个Libname Engine的方式。
2. 读入Excel数据，一个相反的操作就是把SAS数据（或output）转化成Excel。程序员或许不太愿意，但这在商业世界有需求。这里SAS更是提供了五花八门的解决方案：
2-1 proc Export or Export Wizard
2-2 SAS Excel Libname Engine
2-3 SAS DDE (Dynamic Data Exchange)
2-4 proc printto
2-5 SAS ODS
2-6 data steps
2-7 SAS Add-In for Excel
……
除了DDE，你还可以利用其他非SAS技术，比如ODBC、OLE DB等。有一个小花招。利用ODS，可以把数据转化成用户可以用Excel打开的CSV、XML或者HTML格式，而它们本身是比.xls更优越的存储格式。特别是CSV(comma-separated values file)，本身是文本文件，在Windows世界里，很多用户都把它当成Excel的一种格式，默认的打开方式也是Excel（而不是文本编辑器）。
罗列了这么多SAS与Excel的交互，回到Excel本身。它是一个功能强大的电子表格，在数据分析与展示方面也有不俗的表现（Excel作图，可以参考上面提到的Excelpro所达到的境界）。它赢得如此多的用户，说明它能满足大部分人大部分的需求。一个SAS用户，或者SPSS、R/S-Plus、Matlab等用户不必在统计分析方面展示对Excel的优越，这样显得就不够大气了——本来Excel就无意在这方面跟它们竞争。况且，即使工具之间有优劣，工具的本身的先后也不代表他们用户的先后，急于争辩工具厉害的人，往往忽略了人本身，自以为手持屠龙刀，就无敌于天下。笑话。
————————————————————————–
再讲个笑话，跟谢益辉有关（最近举例似乎老拿谢同学说事）。谢于数据可视化颇有研究，最近秀出了不少的工作，当然都是用R来展示。楼下便有人惊呼：R好强大啊。不知道谢听了做如何想。