（模块三）单元四 数据计算

电子商务数据分析基础模块三数据分类与处理CONTENT目录单元一认识数据分类与处理认识单元二分类统计单元三数据处理单元四数据计算单元四数据计算引导案例某网店是一家天猫旗舰店，专营女士牛仔裤。近日该店主上新一批商品，并将其中两款商品加入了直通车推广，一个星期后，后台统计结果如图3-77所示。为了解此次直通车的推广效果，该店主通过以下公式进行了计算:ROI=利润÷投资总额×100%直通车ROI=总成交金额÷花费商品系列采购单价/元采购数量/条销售单价/元销售数量/条直通车投放金额商品A24506040600商品B585011828600引导案例计算结果如图3-78所示。结合案例，思考并回答以下问题:（1）商品A与商品B，哪款推广效果更好?（2）通过公式，商家应如何提高ROⅠ?（3）在电商运营中，还有哪些核心数据需要计算?商品系列ROI直通车ROI商品A33.33%4商品B1.00%6.88单元四数据计算电子商务环境下常见的数据计算形式数据计算的形式一览表序号形式示例1包含常量运算的公式计算=20*3+25*22包含单元格引用的公式计算=A1*3+B1*23包含函数的计算=sum（A1:A10）4包含名称的公式计算=销售单价*销售量5包含数组运算的公式计算{=A1：A10+B1：B20}7单元四数据计算电子商务数据计算类型常规计算日期计算加权计算单元四数据计算一、常规计算某网店经营女装和男装两大类的商品，现需统计出某一时间段女装的销量情况，并将结果存放在G2单元格中。常规计算包括公式计算与函数计算，大多数的电子商务数据均可通过常规计算完成计算处理。单元四数据计算在G2单元格中输入公式“=B2+C2+D2”，通过单元格引用完成计算，结果如第一张图所示；在G2单元格中输入函数“=SUM(B2:D2)”，同样也可以完成计算，结果如第二张图所示。单元四数据计算二、日期计算日期与时间本身就属于数字范畴，即可以执行计算操作，如两个日期相减、日期时间和数值的四则运算等。Excel中还提供了一些特殊的日期函数，这些函数可以根据需要计算的日期返回特定的值，如间隔的年、月、日、工作日等。以DATEDIF函数和DAYS360函数为例：利用DATEDIF函数计算日期差值1语法DATEDIF(date1,date2,code)单元四数据计算说明start_date表示起始日期;end_date表示结束日期;unit表示要返回两个日期的参数代码:Y表示两个日期相差的总年数,M表示两个日期相差的总月数，D表示两个日期相差的总天数，YM表示两个日期一年内相差的月数，YD表示两个日期一年内相差的天数，MD表示两个日期一个月内相差的天数。功能用于计算两个日期之间相差的年数、月数或天数单元四数据计算如图所示，统计企业会员从首次下单至最近一次下单之间的间隔时长。在编辑栏中输入“=DATEDIF(C2,D2,"M")”，按回车键后即在E2单元格中返回第一位会员的间隔时长，该时长以月为单位，用同样的方法得到其他会员的间隔时长。13单元四数据计算DATEDIF函数共有3个参数，前两个参数即参与计算的两个日期。需要注意的是，第2个参数的日期序列号要大于第1个参数的日期序列号，否则Excel会返回错误值，如图所示。14利用DAYS360函数计算日期差值2语法DAYS360(start_date,end_date,method)功能按照一年360天的算法（每个月以30天计，一年共计12个月），用于返回两个日期间相差的天数说明Start_date表示计算期间天数的起始日期；end_date表示计算期间天数的终止日期；Method是一个逻辑值（可选参数），它指定在计算中是采用欧洲方法还是美国方法。如果start_date在end_date之后，则DAYS360将返回一个负数。单元四数据计算15单元四数据计算某线下实体店初步尝试转战电子商务平台，十分注重用户体验和用户评价。由于部分用户确认收货后会忘记填写商品评价，部门经理要求客服人员针对确认收货10天仍未评价的用户进行站内提醒服务。如图所示，在编辑栏中输入“=DAYS360(D2,TODAY())”，按回车键后即在E2单元格中返回第一位会员的评价超时天数，其中TODAY()表示提取当前日期。用同样的方法可以得到其他会员的评价超时天数。16单元四数据计算三、加权计算加权计算不是简单的数据相加，需要通过数与权的乘积来计算，“加权”是指“乘以权重”，即“乘以系数”的意思。SUMPRODUCT函数1语法SUMPRODUCT（array1,array2,array3,...）功能返回相应数组或区域乘积的和。说明Array1,array2,array3,...为2到255个数组，其相应元素需要进行相乘并求和.17单元四数据计算某电商企业在年中大促前选择了多种不同的推广渠道，同时进行了活动宣传，推广效果各有不同。衡量不同渠道的推广效果，需要考虑多个指标，且各指标的权重不同。该企业详细划分了评估指标，给出了指标权重，并分别对其进行了打分，如图所示：18使用加权计算法，在F2单元格中输入“=SUMPRODUCT(B2:E2,I$2:L$2)”按回车键后即在F2单元格中返回推广渠道A的综合得分，其中I$2:L$2用到了绝对引用$，表示引用的单元格固定不变，这样有利于使用填充柄进行向下填充，完成其他推广渠道的综合得分计算，如图所示：单元四数据计算119单元四数据计算使用常规计算方法，在F2单元格中输入“=B2*I2+C2*J2+D2*K2+E2*L2”，将各指标得分与指标权重的乘积相加，同样也可以得到推广渠道A的综合得分，如图所示。据此观察，SUMPRODUCT函数在维度较多的计算中使用比较方便。220单元四数据计算实训专区3-4调取源数据3-4，分别计算2022年1—6月每月的成交转化率、客单价、毛利率。21单元四数据计算1+X考证提要本单元需重点理解与掌握的内容（1）电子商务数据计算的常见类型:常规计算、日期计算和加权计算。（2）使用SUM函数和公式完成常规计算，常用指标平均购买次数、成交转化率、支付转化率、退货退款率等。（3）使用DATEDIF函数、DAYS360函数等日期函数完成日期计算。(4)加权计算即数与权的乘积之和，通过SUMPRODUCT函数实现。竞赛直达赛题一:男装网店无线端流量结构核心数据处理背景:某品牌男装网店主要经营男士T恤、衬衫、夹克、牛仔裤、休闲裤等，因其工艺精湛、款式新颖、质量上乘、品类众多、价格亲民等优势，迅速赢得了广大消费者的喜爱。经过一段时间的运营，店铺销量逐步稳定。为了判断店铺的流量来源结构是否健康，网店准备对近4周的店铺无线端流量来源关键数据进行分类统计，包括访问、下单、支付等全路径的关键指标。要求:调取源数据3-5，并完成以下操作:利用嵌套分类汇总的方法，先对网店近4周的访客数、下单买家数、支付买家数按流量来源进行汇总，然后按来源明细再进行一次汇总（注意:分类汇总前需要先进行排序)。利用分级显示列表，隐藏数据明细，快速找到访客数最高的流量来源，并设置该单元格及其对应访客数数值为浅绿色。竞赛直达赛题二:童车网店会员信息数据处理背景:某品牌童车网店主要经营婴幼儿手推车、学步车及相应推车配件等，产品质量精良，款式多样。8月初，网店进行了为期7天的会员有礼活动，在此期间，会员用户任意购买一件商品即可0.01元换购指定商品。活动结束后，运营人员采集了相关会员信息数据，以此作为评估用户维护效果的依据。为了保证数据分析的准确性，现需要预先进行一系列数据处理。要求:调取源数据3-6，并完成以下操作:①逻辑错误清洗。本次换购活动仅针对2022-8-1至2022-8-7期间购物的会员，利用“条件格式”，将不在此时间范围内的“订单创建时间”用浅红色填充。②缺失值清洗。“性别”列存在大量空格，使用“定位”工具快速对其进行内容填充，统一填充为“未知”，并填充黄色。③重复值清洗。利用“删除重复项”，对数据表进行重复值清洗。④数据排序。按“会员编号”对数据表进行升序排序。竞赛直达赛题三:零食店铺商品支付转化率计算背景:某零食网店主要经营面包、蛋糕、点心等小零食。经过精心运营后，网店3月份销售额环比上月增加了11%，小明对3月份的店铺类目结构数据进行了统计，请根据统计数据完成以下题目。要求:调取源数据3-7，计算二级类目“饼干/膨化”整体的支付转化率，并为计算结果所在单元格填充黄色，完成后将包含操作结果的文件以附件形式上传（计算结果百分数显示，四舍五入保留2位小数)。数据赋能数据智能化助力税务风险防控2019年年初，国家税务总局深圳市税务局风险防控部门通过大数据扫描，破获了一起代号为“海啸四号”的特大增值税发票虚开案。这起案件税务风控部门之所以能够及时发现疑点，实现快速精准打击，主要得益于科技手段对风险纳税人的精准锁定。税务风险管理主要依靠风险防控数据智能平台，它能多维度搜集纳税人的“数据脚印”，将企业成立以来存在的涉税问题、行为、环节进行税务风险测定，勾勒出企业的行为特点，还原企业真实的业务逻辑，进而给企业“画像”。数据赋能基于大数据引擎进行分析，数据加工能力更加智能化。以深圳市税务局为例，税务人员利用人工智能搭建AI风控平台，结合税务登记数据、个人征信数据等多维度数据，利用机器学习的算法进行建模，为企业画像，根据画像结果精准识别税收风险，风险识别命中率高达90%。自从将数据智能作为风险分析工具被正式运用到税收管理工作中，税收大数据和风险管理局、税收经济分析部门与其他部门已形成专业分工、优势互补的税收数据应用处理联动机制，可以对税收数据进行“链条式”加工处理。看似没有价值的数据，通过分析、挖掘，变成了有价值的数据资产，再经由模型分析，可形成逐渐清晰的个体用户画像及群体特征，同时，数据分析结果更加具象。法治导航直播带货是一种新兴的商业模式，随着直播电商行业的发展，强者愈强的“马太效应”愈发凸显，制止流量造假就显得格外重要。一、商家刷单、刷好评欺骗消费者在电商行业中，商家通过刷单、刷好评误导消费者下单的现象较为常见。为吸引更多消费者，许多商家通过购买刷单服务或使用刷单软件，更改直播间观看人数、销售金额和商品评价，过分夸大商品的人气和销量，对商品或服务涉及的数据进行虚假宣传。二、主播刷人气欺骗商家获取广告利益“直播带货”中的两大“数据造假”行为法治导航在直播行为中，部分主播或网红经纪机构(Multi-ChannelNetwork，MCN)通过虚构营销数据或成交量，来骗取商家的坑位费和佣金。此外，部分商家和MCN机构的推广合同中还会针对坑位费约定“对赌协议”，如主播在一定期间内未达到较高的投资回报率指标，则需退还全部坑位费。常见的主播数据造假事件如某主播直播间在线人数达311万人实际人数仅为11万人;某明星直播时产品当场售空，直播结束后退货率高达76.4%。《中华人民共和国反不正当竞争法》第八条规定，经营者不得对其商品的性能、功能、质量、销售状况、用户评价、曾获荣誉等作虚假或者引人误解的商业宣传，欺骗、误导消费者。经营者不得通过组织虚假交易等方式，帮助其他经营者进行虚假或者引人误解的商业宣传。常见的商家虚构销售额、虚构商品评价等行为，起到了吸引消费者的目的，构成虚假宣传行为。法治导航除了《中华人民共和国反不正当竞争法》之外，《网络交易监督管理办法》也对网络交易经营者的虚构交易、编造用户评价等不正当竞争行为进行了明确。《网络交易监督管理办法》第十四条规定，网络交易经营者不得违反《中华人民共和国反不正当竞争法》等规定，实施扰乱市场竞争秩序，损害其他经营者或者消费者合法权益的不正当竞争行为。网络交易经营者不得以下列方式，作虚假或者引人误解的商业宣传，欺骗、误导消费者:(一）虚构交易、编造用户评价;(二）采用误导性展示等方式，将好评前置、差评后置，或者不显著区分不同商品或者服务的评价等;(三）采用谎称现货、虚构预订、虚假抢购等方式进行虚假营销;(四）虚构点击量、关注度等流量数据，以及虚构点赞、打赏等交易互动数据。网络交