Python商务数据分析与实战-教学大纲

1、Python商务数据分析与实战教学 大纲课程名称：Python商务数据分析与实战课程类别：必修适用专业：大数据技术类相关专业总学时：64学时（其中理论36学时，实验28学时）总学分：4.0学分一、课程的性质随着政府政策和企业加大移动端布“局”的推动，电子商务市场呈现出迅猛增长的态势， 与之相关的商务数据的规模与复杂程度也在迅速增大。数据分析技术将帮助企业用户在合理 时间内获取、管理、处理以及整理海量数据，为企业经营决策提供积极的帮助。数据分析作 为一门前沿技术，广泛应用于物联网、云计算、移动互联网等战略新兴产业。有实践经验的 数据分析人才已经成为了各企业争夺的热门。为了推动我国大数据，云计算，

2、人工智能行业 的发展，满足日益增长的数据分析人才需求，特开设Python商务数据分析与实战课程。二、课程的任务理论上，要求学生掌握商务数据分析概念、Python数据分析基础、数据获取、探索性分 析、数据预处理、数据挖掘算法基础等数据分析与挖掘的主要方法。技能上，结合餐饮系统、国民生产总值、便利店零售等现实场景，使学生学会使用Python 语言进行数据探索、数据预处理、分类与预测、聚类分析、时序预测、关联规则挖掘、智能 推荐等操作，并从020优惠券、超市零售、餐饮企业等贴近学生生活的场景案例，进行知 识点和真实案例相结合，使学生进一步掌握数据分析与数据挖掘的流程和技能。思政上，将落实立德树人的根

3、本任务，将育人元素揉入教学中，引导学生的环保理念, 增强学生法律意识，培养学生的工匠精神、安全生产、职业道德、技能宝贵、科学探索、独 立思考、思辨能力等。泰迪智能科技官网：/联系方式：189 2756 5259打造数据智能职业敕育领军企业三、课程学时分配序号教学内容理论学时实验学时其它1第1章商务数据分析概述202第2章Python数据分析简介223第3章数据获取214第4章探索性分析345第5章数据预处理346第6章构建模型647第7章020优惠券个性化投放648第8章零售商品购物篮分析639第9章 餐饮企业综合分析6410第10章基于TipDM数据挖掘建模平台进行餐饮企业综合分析02总计3

4、628四、教学内容及学时安排.理论教学序号章节名称主要内容教学目标学时1商务数据分析 概述.了解商务数据分析的基本概念.掌握数据分析流程.了解商务数据分析的常见应用场 景.了解常用的数据分析工具. 了解使用Python进行数据分析的 优势. 了解Python中的常用数据分析库1,掌握商务数据分 析的概念、流程与应 用场景了解常用的数据 分析工具和Python 进行数据分析的优 势了解Python常用 的数据分析库2联系方式：189 2756 5259联系方式：189 2756 5259泰迪智能科技官网：/打造数据智能职业敕育领军企业2Python数据分 析简介.了解 Python 的 Anac

5、onda 发行版.掌握Anaconda的安装.掌握Python的运行方式.掌握Python的基本运算、判断与循 环、函数等基本命令.掌握Python库的导入与添加第三 方库的方法.了解 Python 的 Anaconda发行版.掌握 Anaconda 的 安装和Python的运 行方法. Python的基本命 令的使用方法,掌握导入与添加 第三方Python库的 方法23数据获取. 了解常见的数据来源. 了解不同的数据类型.掌握常见的数据读取方式.掌握常用Python数据格式转换函 数.掌握常用Python数据读/写函数. 了解常见的数据 来源和数据类型.掌握不同类型数 据的读取方式.掌握Py

6、thon数据 格式转换和读/写函 数24探索性分析. 了解集中趋势统计指标的概念,了解离散程度统计指标的概念. 了解散点图、折线图、柱形图、饼 图、箱线图、热力图的概念和作用.掌握常用的Python基本统计分析 函数.掌握常用的Python作图函数.掌握描述性统计 分析的方法,掌握可视化分析 的方法.掌握常用的 Python基本统计分 析和作图函数35数据预处理.掌握缺失值、异常值处理方法.掌握多表合并的方法.掌握分组聚合的方法.掌握数据标准化和离散化的方法.掌握Python的主要数据预处理函 数.掌握数据合并的 原理与方法.掌握数据清洗的 基本方法.掌握基本数据标 准化的方法.掌握常用的数据

7、 转换方法3联系方式：189 2756 5259联系方式：189 2756 5259泰迪智能科技官网：/打造数据智能职业敕育领军企业6构建模型. 了解常用的分类与回归算法.掌握回归分析的原理.掌握决策树算法的原理.掌握神经网络算法的原理.掌握分类与回归算法的评价方法. 了解常用聚类分析算法.掌握K-Means聚类算法的原理.掌握聚类分析算法的评价方法. 了解Python主要关联规则算法.掌握Apriori算法的原理. 了解Python主要时序模式算法.掌握时间序列预处理的方法. 了解平稳时间序列分析.掌握非平稳时间序列分析. 了解Python主要智能推荐算法.掌握智能推荐模型的评价方法.掌握协

8、同过滤推荐算法的原理.掌握Python中分 类与回归的方法.掌握Python中聚 类分析的方法.掌握Python中关 联规则分析的方法.掌握Python中智 能推荐的方法.掌握Python中时 序模式的分析方法67020优惠券个 性化投放.分析020优惠券使用的背景和数 据.熟悉020优惠券使用预测的分析 步骤与流程.了解数据分析探索的方法.了解决策树算法.了解梯度提升算法.了解XGBoost分类算法.掌握分类模型的评价方法L 了解案例的背景、 数据说明和分析目 标.掌握描述性统计 分析方法,掌握分析优惠形 式、用户消费行为、 商户投放优惠券信 息的方法.掌握数据清洗和 数据变换的数据预 处理

9、方法.掌握构建决策树、 梯度提升和 XGBoost分类模型 的方法.掌握模型评价方 法6联系方式：189 2756 5259联系方式：189 2756 5259泰迪智能科技官网：/打造数据智能职业敕育领军企业8零售商品购物 篮分析L分析零售企业商品销售现状.了解某商品零售企业的基本数据 情况.熟悉购物篮分析的基本流程与步 骤.使用统计学知识分析热销商品.使用商品结构图分析售出商品的 结构. 了解Apriori算法的基本原理与使 用方法.构建零售商品的Apriori模型.根据模型结果提出商品销售策略.熟悉购物篮分析 的实现流程与步骤.掌握Apriori算法 的基本原理与使用 方法.分析商品销售状

10、 况与商品结构合理 性.分析零售商品间 的关联关系6联系方式：189 2756 5259联系方式：189 2756 5259泰迪智能科技官网：/打造数据智能职业敕育领军企业9餐饮企业综合 分析. 了解餐饮企业的数据情况.明确餐饮企业数据分析的流程.使用分组聚合和透视表这两种方 法统计每日用餐人数与销售额.计算一个月内的菜品热销度，并对 热销度进行Min-Max标准化处理.计算每个菜品的毛利率.绘制原序列的时序图，查看序列周 期性.检验原序列的平稳性和纯随机性8,使用BIC图进行定阶9,构建ARIMA模型，并分析预测结 果.根据订单详情表，构建客户ID和 菜品名称的二元矩阵.基于物品的协同过滤算

11、法，计算 菜品与菜品之间的相似度，并结合客 户的历史行为给目标客户生成推荐 列表.基于用户的协同过滤算法，计算 客户与客户之间的相似度，并结合客 户对菜品的兴趣给目标客户生成推 荐列表.对推荐结果进行评价.根据特征选取后的数据，构建购 物篮数据，然后构建二元矩阵，及关 联规则模型.根据关联规则模型的置信度，统 计得到的热销度和毛利率，及菜品详 情表的主推度，计算推荐的综合评分 16.对原始数据进行处理，提取餐饮 客户的3个特征数据.使用K-Means聚类算法对客户进 行分群.结合业务对每个客户群进行客户 价值分析.合并客户信息表和订单表，构建 相关客户流失特征.划分训练集和测试集，构建决策 树

12、模型.分析决策树模型的结果.熟悉餐饮企业数 据分析的步骤与流 程,了解简单的统计 分析的应用.使用ARIMA预 测销售额.使用协同过滤算 法对菜品进行智能 推荐.使用Apriori算法 对菜品进行关联分 析.使用K-Means算 法进行客户分群.使用决策树算法 进行客户流失预测6学时合计36联系方式：189 2756 5259联系方式：189 2756 5259泰迪智能科技官网：/打造数据智能职业敕育领军企业.实验教学泰迪智能科技官网：/联系方式：189 2756 5259序号实验项目名称实验要求学时1Python数据分 析环境搭建.在 Windows/Linux 系统上安装 Anaconda

13、.掌握Jupyter Notebook的常用功能.掌握Python的基本命令的使用.掌握Python库的导入和安装方法22Python数据读 写1 ,使用Python连接MySQL数据库.使用Python对数据库进行读取和存储操作.使用Python对文件进行读取和写入13探索性分析.使用Python进行描述性统计分析.使用Python进行可视化分析24数据预处理.使用Python进行数据清洗.使用Python进行数据变换.使用Python进行数据合并45构建模型.使用回归模型进行预测.使用决策树算法进行预测.使用神经网络算法进行预测.使用K-Means算法进行聚类分析.使用Apriori算法进

14、行关联分析.使用ARIMA模型进行时间序列分析.使用协同过滤推荐算法进行推荐分析46020优惠券个 性化投放.描述性统计分析.分析优惠形式信息.分析用户消费行为信息.分析商户投放优惠券信息.清洗数据.变换数据.构建决策树分类模型.构建梯度提升分类模型.构建XGBoost分类模型.评价分类模型47零售商品购物 篮分析.统计每种商品的频数、占比.对商品归类，统计每种类别的频数，并分析类别内部 商品的分布.使用apriori函数进行关联分析38餐饮企业综合 分析.统计每日用餐人数和销售额，计算菜品热销度和毛利 率.对原序列进行平稳性检验和纯随机性检验，对 ARIMA模型进行定阶，并进行残差检验，计算

15、平均误 差.对订单表和订单详情表进行特征选取，分别使用 ItemCF算法和UserCF算法构建模型，进行离线测试评4打造数据智能职业敕育领军企业价.基于特征选取后的数据构建购物篮数据，构建Apriori 模型，计算综合评分.再构建客户价值分析的关键特征，确定聚类数后构建 K-Means 模型.合并客户信息表和订单表，构建客户流失特征，构建 决策树模型，并对模型进行评价9基于TipDM数 据挖掘建模平 台进行餐饮企 业综合分析.使用TipDM大数据挖掘建模平台获取数据.使用TipDM大数据挖掘建模平台进行探索性分析、 数据预处理等操作.使用TipDM大数据挖掘建模平台进行特征构建和构 造K-Means模型等操作2学时合计28五、考核方式突出学生解决实际问题的能力，加强过程性考核。课程考核的成绩构成二平时作业 （10%） +课堂参与（20%） +期末考核（70%）,期末考试建议采用开卷形式，试题应包括 基本概念、绘图、分组聚合、数据合并、数据清洗、数据变