《电子商务数据分析》高职全套教学课件

电子商务数据分析全套可编辑PPT课件content数据及电子商务数据分析知识数据分析指标体系数据分析模型123目录数据及电子商务数据分析知识1数据及电子商务数据分析知识11.了解数据的相关知识。2.掌握电子商务数据分析的概念和意义。3.理解电子商务数据分析的主要任务和流程。4.培养辩证思维能力。5.树立崇高理想,激发勇于探索、不断进取的科研精神。数据及电子商务数据分析知识1一、工作情景描述在电子商务行业火爆和转型的背后,数据分析工具是一个关键因素,通过对商品、用户、平台数据的分析,商家就能知道什么样的商品好卖,什么样的顾客爱买,哪一类的促销活动更受欢迎等,这样能够更有针对性地调整策略,精准营销。为更好地实施电子商务数据分析,本任务主要讲述数据及电子商务数据的相关概念。1.数据

数据是指对客观事件进行记录并可以鉴别的符号,是对客观事物的性质、状态及相互关系等进行记载的物理符号或这些物理符号的组合,是构成信息或者知识的原始材料。数据可以有数字、字母、数字符号的组合、图形、图像、音频、视频等多种表现形式。2.大数据(1)Volume(大量):(2)Velocity(高速):(3)Veracity(真实):(4)Variety(多样):(5)Value(价值):(一)数据与大数据1数据及电子商务数据分析知识二、相关知识数据及电子商务数据分析知识1

(二)电子商务数据及类型

1.市场数据市场数据是企业所处行业的整体数据,包含行业产品总销售额、竞争对手销售额、行业产品需求量、目标客户购物偏好等。

2.企业数据

(1)运营数据

(2)产品数据电子商务数据分析的概念01电子商务数据分析的意义02大数据在电子商务领域的作用03数据及电子商务数据分析知识1

(三)电子商务数据分析的概念和意义1.行业分析2.客户分析3.产品分析4.运营分析数据及电子商务数据分析知识1

(四)电子商务数据分析的主要任务数据及电子商务数据分析知识1

(五)电子商务数据分析的流程电子商务数据分析的流程主要包括确定设计方案、收集数据、数据处理与集成、数据分析、数据可视化、撰写分析报告,如图1-2所示。图1-2数据分析流程1.科学性3.针对性5.趋势性2.系统性4.实用性数据及电子商务数据分析知识1

(六)电子商务数据分析的原则Excel01SPSS02Python04SQL05BI06数据及电子商务数据分析知识1

(七)数据分析工具EViews07SAS03数据及电子商务数据分析知识1三、实训过程实训-微任务1:熟悉电子商务数据及分析流程

1.微任务引入要进行数据分析,首先要认识到电子商务数据的重要性,厘清数据分析的相关概念,知晓分析原则和步骤,用理论指导实践,这样才能高屋建瓴、少走弯路。本微任务要求加深对电子商务数据的认识,能辨认和区分电子商务数据,理解电子商务数据分析的流程。数据及电子商务数据分析知识1

2.实训操作一步骤1:分小组讨论信息、数据的概念,数据的表现形式、数据与信息的关系。完成表1-1的填写。数据及电子商务数据分析知识1步骤2:讨论分析市场数据、企业运营类数据、企业产品类数据分别包含哪些范畴,并将下面提到的数据进行分类,完成表1-2的填写。行业销售量2000万件、浏览量3549、展现量1803、产品搜索指数3500、企业市场占有率1%、竞争对手客单价223元、销售量80件、销售额8万元、客单价152元、库存数量126件、售罄率80%、件单价10元、订单响应时长30秒、行业销售额增长率15%、红色37码女靴、注册客户数1000、采购金额3万元、投资回报率70%、成交客户数量670、访客数956、点击量1651、跳失率11%、成交转化率33.16%、客户流失率11.2%、采购数量3000件、库存周转率75%、竞争对手销售额10万元数据及电子商务数据分析知识1数据及电子商务数据分析知识1步骤3:结合生活中的现实例子,讨论电子商务数据分析的流程。电子商务数据分析流程:

现实例子:

数据分析指标体系2数据分析指标体系21.理解并掌握电子商务数据分析的常用指标。2.能较熟练地进行数据分析指标体系的搭建。3.能进行数据分析指标体系的验证。4.树立正确的电子商务数据意识,培养良好的职业道德。5.培养勤于动脑、善于总结、勇于创新的思维习惯。数据分析指标体系2一、工作情景描述在各大电子商务平台或电子商务公司内部,最常见到各种数据监控大屏,用于帮助平台和商家实时了解业务情况。要观测数据,首先就要建立一套正确的、完备的数据指标体系,定义清楚要看什么、怎么看,从而做到有的放矢、有效解决关键问题。要进行电子商务分析,需要了解电子商务方面的数据指标、数据分析指标体系,知晓如何搭建和验证数据分析指标体系。数据分析指标体系2二、相关知识

(一)电子商务数据分析指标指标可以理解为用来描述事物的数量。比如最为常见的指标有:页面浏览量(PV),也就是描述页面被浏览的次数;转化率,也就是描述目标被转化的次数。用一句话来将其分类就是:谁,干了什么,结果怎样?电子商务数据分析的常用指标大类有网站运营指标、经营环境指标、营销活动指标、消费者价值指标,具体细类则包括日活跃量(DAU)、周活跃量(WAU)、跳失率、转化率等。数据分析指标体系2

(二)商品类指标商品类指标包括:订单量、订单金额、每订单金额、商品销售量、支付转化率、有效订单指标、订单有效率、销售任务、库存量单位SKU、商品毛利、店铺佣金、成交总额GMV。

(三)会员类指标会员类指标有:购买会员数、活跃会员数、可营销会员数、会员激活率、老会员数、新会员数、复购率、流失会员数、会员异动比。数据分析指标体系2

(四)网店运营类指标网站运营类指标主要包括:到达率、独立访客UV、访问量Visit、页面浏览量PV、新访问占比、访问深度、停留时间、跳出率、退出率、产品页转化率、加入购物车转化率、结算转化率、订单转化率、购物车内转化率、目标转化率、其他网站成本指标、其他网站收益指标。1配送业务量3配送满足率2满载率4配送准确率数据分析指标体系2

(五)物流配送数据指标数据分析指标体系2

(六)营销数据指标营销数据指标指在电子商务运营过程中产生的数据,营销数据指标包括:曝光量、点击量、点击率、CPM、CPD、CPC、CPA、每订单成本,每有效订单成本、投入产出比。数据分析指标体系2

(七)数据指标体系

1.数据指标体系的作用从不同的维度梳理业务,把数据指标系统地组织起来,这就是数据指标体系。数据指标体系的作用如下:1监控业务情况2通过拆解指标寻找当前业务问题3评估业务可改进的地方,找出下一步工作的方向数据分析指标体系2

2.搭建数据指标体系的思路

(1)梳理业务场景及产品核心流程,同时跟业务方沟通数据指标需求①全面、完整的数据指标体系都会包含不同业务场景或者不同流程的指标。②不同类型产品的业务目标、产品流程不同,数据指标体系也不一样。③明确了业务逻辑和产品流程后,会有一个初步的指标体系。关注业务需求和业务目标是什么,就明确了数据指标体系到底该包含哪些部分,以及要细化到什么程度。数据分析指标体系2

(2)结合业务场景和业务方需求,按照不同划分方式搭建指标体系。

(3)明确数据指标的定义,完善分析维度、时间粒度以及数据的实时性。取数逻辑指标的定义包括业务描述、数据口径和计算公式。

(4)指标体系验证完整性———最基础的一项评估标准,用来评估指缺失的程度。指标缺失可分为选择错误和漏的程度。准确性———数据标记录的信息是否存在异常或错误。合理性———指标数据是否符合其定义,以及遵循预语法规则的程度。数据分析指标体系2

3.电子商务数据常见指标体系电子商务数据常见的分析指标体系有:总体运营指标、流量指标、销售转化(转化率)指标、用户价值指标、商品及供应链指标、营销活动指标、市场竞争指标、风控控制指标,如图1-3所示。图1-3电子商务数据分析指标体系数据分析指标体系2三、实训过程

实训-微任务1:熟悉数据分析常见的指标

1.微任务引入电子商务的每个环节都有相应的数据指标,这些数据指标从各方面量化和反映运营情况。进行电子商务数据分析,就需要明晰电子商务有哪些常见数据指标,以及每个指标的含义和使用环境。本微任务要求熟悉电子商务数据指标的分类,掌握常见电子商务数据指标的涵义。数据分析指标体系2

2.实训操作步骤1:熟悉电子商务数据分析常见指标。

________________________________________________________

________________________________________________________

________________________________________________________

数据分析指标体系2步骤2:课堂思考与讨论环节。问题1:网站中某个用户在一次访问内下了两个订单,其中一个订单包含2个商品,另一个订单包含1个商品。请问订单量是多少?总商品销售量是多少?

________________________________________________________

________________________________________________________

________________________________________________________

数据分析指标体系2问题2:为什么需要GMV指标?

________________________________________________________

________________________________________________________

________________________________________________________问题3:什么是会员异动比?会员异动比是不是越大越好?

________________________________________________________

________________________________________________________

________________________________________________________

数据分析指标体系2问题4:用户在当天既产生了第一次访问,又产生了第二次访问,网站分析系统会在新访问量和老访问量里面哪里加1呢?

________________________________________________________问题5:退出与跳出的区别是什么?

________________________________________________________问题6:如果一个广告展现了20000次,约定CPM为50元,那么商家该付多少广告费?

________________________________________________________

数据分析指标体系2

实训-微任务2:数据分析指标体系搭建与验证

1.微任务引入某天猫旗舰店经营类目为服装(服装价位50~450元),预计双十一的目标是:企业销售额达到2亿元,并增加用户数4万个。调查了最近几年服装行业的天猫双十一活动时的客户下单转化率约为18%。本微任务要求根据情景描述,判断出此电商活动的主要目的,并能围绕主题找出关键的数据指标,搭建并验证数据分析指标体系。

数据分析指标体系2

3.实训操作步骤1:核心数据指标确定。

________________________________________________________

________________________________________________________

________________________________________________________步骤2:明确指标影响因素,拆分数据指标。

________________________________________________________

________________________________________________________

________________________________________________________

数据分析指标体系2步骤3:结合分析目标和指标影响因素,构思思维导图,可参考图1-4。

图1-4思维导图构思数据分析指标体系2使用软件将构思好的思维导图绘制出来。可以使用MicrosoftOfficeVisio软件、XMind软件绘制,也可以使用Word中的SmartArt工具绘制,这里以XMind软件为例。首先在百度搜索栏中输入XMind,找到XMind官网,免费下载并安装好XMind软件,如图1-5所示。

图1-5搜索并下载XMind软件数据分析指标体系2步骤4:安装后打开XMind软件,选择一种模板创建思维导图,如图1-6所示。

图1-6创建思维导图数据分析指标体系2步骤5:使用XMind的工具绘制出思维导图的框架,如图1-7所示。步骤6:使用XMind软件的面板工具可以修改模板结构样式,也可以进行形状和文字的调整和美化,如图1-8所示。图1-7绘制思维导图图1-8XMind软件的面板界面数据分析指标体系2步骤7:同理,确定并绘制出完整的指标体系,如图1-9所示。图1-9指标体系数据分析模型3数据分析模型31.了解模型的含义。2.理解各种分析模型的含义。3.掌握各种分析模型的特点以及适用范围。4.能熟练应用5W2H分析模型。5.能熟练应用逻辑树分析模型。6.树立科学价值观,培养积极探索、善于总结的能力。7.培养创新意识和辩证思维能力。数据分析模型3一、工作情景描述模型是指对于某个实际问题或客观事物、规律进行抽象后的一种形式化表达。任何模型都是由三个部分组成:目标、变量和关系。明确变量,改变变量,即可直接呈现目标结果。如果要一个电子商务企业从零开始摸索搭建数据分析模型,项目周期长、成本高、风险也高,若有现成的电子商务数据分析模型,就能极大地缩短项目周期,减少成本投入,降低试错风险和试错成本。数据分析模型3二、相关知识

(一)PEST分析模型

PEST分析模型是指宏观环境的分析,宏观环境又称一般环境,是一切影响行业和企业的宏观因素。分析宏观环境因素,不同行业和企业根据自身特点和经营需要,分析的具体内容会有差异,但一般都应对政治(Politics)、经济(Economic)、社会(Society)和技术(Technology)进行分析,本质上是一种对环境的把控,如图1-10所示。数据分析模型3

(二)SWOT分析模型

SWOT分析模型是指基于内外部竞争环境和竞争条件下的态势分析,就是将与研究对象密切相关的各种主要内部优势、劣势和外部的机会、威胁,通过调查列举出来,并依照矩阵形式排列,用系统分析的思想,将各种因素相互匹配加以分析,从中得出一系列相应的结论,而结论通常带有一定的决策性。运用这种方法,可以对研究对象所处的情景进行全面、系统、准确地研究,根据研究结果制定相应的发展战略、计划以及对策等。数据分析模型3

S(strengths)是优势、W(weaknesses)是劣势、O(opportunities)是机会、T(threats)是威胁,如图1-11所示。按照企业竞争战略的完整概念,战略应是一个企业“能够做的”(组织的强项和弱项)和“可能做的”(环境的机会和威胁)之间的有机组合。从整个价值链的每个环节上,将企业与竞争对手做详细的对比,如产品是否新颖,制造工艺是否复杂,销售渠道是否畅通,以及价格是否具有竞争性等。数据分析模型3图1-10PEST分析模型图1-11SWOT分析模型数据分析模型3

(三)4P分析模型

4P分析模型是营销学的一种组合概念,包括产品(Product)、价格(Price)、渠道(Place)、促销(Promotion)。产品:包括质量、外观样式、品牌类别、规格等属性,是该模型的核心,主要是为了满足消费者的需求,产品可以是有形的,也可以是无形的。价格:包括基本价格、促销价格、付款价格等。定价是一种手段,也是一门艺术,影响产品定价的因素有很多,包括品牌的定位、切入的市场格局、产品分量、包装尺寸等。渠道:互联网的销售渠道是以用户为主,即靠用户来扩散渠道,以用户来拉取更多的用户。促销:即推广,互联网产品推广的形式更加多样化,包括广告、营销、优惠活动、宣传、周年庆等形式。数据分析模型3

(四)KANO分析模型

KANO分析模型是东京理工大学教授狩野纪昭(NoriakiKano)发明,此模型以分析用户需求对用户满意的影响为基础,体现了产品性能和用户满意之间的非线性关系,常用于产品设计时的属性定位。根据不同类型的质量特性与顾客满意度之间的关系,可将产品服务的质量特性分为五类:基本(必备)型质量是产品最核心的属性;期望(意愿)型质量是一维属性,与用户态度线性正相关;兴奋(魅力)型质量是超出用户期望的属性;无差异型质量是无关因素也是可有可无因素;反向(逆向)型质量是反而让用户不满的因素,其分析模型如图1-12所示。数据分析模型3前三种质量特性需求根据绩效指标分类就是基本因素、绩效因素和激励因素。图1-12KANO分析模型数据分析模型3如图1-13所示,某手机产品属性开发优先级为“基本属性→一维属性→魅力属性→无关因素”。图1-13产品属性开发KANO优先级模型数据分析模型3

(五)5W2H分析模型

5W2H分析模型又称5W2H分析法,也称七问分析法,5W2H分析模型围绕时间、地点、人物、事件、原因、方式方法、程度7个要素,即为什么(Why)、什么事(What)、谁(Who)、什么时候(When)、什么地方(Where)、如何做(How)、什么价格(Howmuch)。5W2H是用户行为分析和业务场景分析的常用模型,主要用于用户行为分析、业务问题分析、营销活动等。

Why———为什么要做?可不可以不做?有没有替代方案?例如:用户购买的目的是什么、产品在哪些方面吸引用户。What———是什么?目的是什么?做什么工作?例如:用户购买了什么、与用户需求是否一致。数据分析模型3

Who———谁?由谁来做?例如:用户是谁、用户有什么特点。

When———何时?什么时间做?什么时机最适宜?例如:何时是购买的高峰

Where———何处?在哪里做?例如:用户在什么平台购买;用户从什么渠道获取信息。

How———怎么做?如何提高效率?如何实施?方法是什么?例如:用户购买方式有哪些、用户支付方式有哪些。

Howmuch———多少?做到什么程度?数量如何?质量水平如何?费用产出如何?例如:用户购买总额是多少。数据分析模型3

(六)RFM分析模型

1.RFM分析模型含义根据会员最近一次购买时间R(Recency)、购买频率F(Frequency)、购买金额M(Monetary)计算得出RFM得分,评估客户的订单活跃价值,用以客户分群或价值区分。该模型常用于电子商务(交易类)企业的会员分析。根据划分出的8个部分,将RFM三项指标的价值按照高低划分到表1-3中,即可完成客户分类。数据分析模型3数据分析模型3

2.RFM分析模型作用

(1)重要价值客户,三项指标值都很高,该类客户距离最近一次消费时间较近,购买频率较高,购买金额较大。

(2)重要发展客户,购买频率低,其他两个值较高。

(3)重要保持客户,最近消费距离现在时间较远,但购买频率和购买金额高。

(4)重要挽留客户,最近消费时间距离现在较远、购买频率低,但购买金额高。数据分析模型3

(5)一般价值客户,该类客户距离最近一次购买时间间隔较近,购买频率高,购买金额小。

(6)一般发展客户,该类客户购买频率低、购买金额少,距离上一次购买时间间隔近,可能属于流失或即将流失客户。

(7)一般保持客户,该类客户购买频率较高,但最近未产生过购买行为,且购买金额较低。

(8)低价值客户,该类客户最近未产生过购买行为,购买频率较低且购买金额小,可能是新客户。数据分析模型3

3.RFM分析模型演变

RFE模型是RFM模型的演变,基于用户的普通行为(非转化或交易)产生。RFE模型是根据会员最近一次访问时间R(Recency)、访问频率F(Frequency)和页面互动度E-(Engagements)计算得出的RFE得分。数据分析模型3

(七)漏斗分析模型

1.漏斗分析模型含义漏斗分析模型是一套流程式数据,它能够科学反映用户行为状态以及从起点到终点各阶段转化率情况,如图1-14所示。图1-14漏斗模型数据分析模型3

2.漏斗分析模型演变

(1)AIDMA模型

AIDMA模型是将消费者从浏览信息到购买产品的整个过程归纳为五个步骤:注意(Awareness)→兴趣(Interest)→欲望(Desire)→记忆(Memory)→购买行动(Action)。从吸引消费者的注意力,到引起用户可以转向购买欲望的兴趣,同时能够记忆住足够的时间,以便用户做出行动。数据分析模型3

(2)AISAS模型

AISAS模型可以分为注意吸引(Attention)、激发兴趣(Interest)、信息搜索(Search)、产生行动(Action)和信息分享(Share),即“注意→兴趣→搜索→行动→分享”,如图1-15所示。用户从接受到产品的宣传营销信息,到引起兴趣,然后开始搜索进行了解(多渠道),到下载产生订单并支付,以及后续的评价进行分享。图1-15AISAS模型数据分析模型3该模型也可以分为两个阶段:粉丝聚集阶段(AI):营销平台聚集粉丝的吸引注意(Attention)→激发兴趣(Interest)阶段;粉丝互动阶段(SAS):营销平台与粉丝、粉丝与自己的粉丝,平台的粉丝与粉丝,形成多层次互动的“信息搜索(Search)→产生行动(Action)→信息分享(Share)”阶段。数据分析模型3

(3)AARRR模型分析法

AARRR模型可归纳为五个步骤:获客(Acquisition)、激活(Activation)、留存(Retention)、变现(Revenue)、自传播(Referral),如图1-16所示。分别对应用户生命周期中的5个环节:获取用户、提高活跃度、提高留存率、获取收入、自传播。①获客(Acquisition)获客是互联网产品运营的首要指标,即通常所说的“拉新”,具体量化指标包括:渠道曝光量指通过各个渠道看到产品推广信息的人数;渠道转换率指因渠道曝光转换成用户的人数;日新增用户数指日新增用户是多少;日应用下载量指每天有多少用户下载了产品;获客成本指获取一个客户所花费的成本。数据分析模型3图1-16AARRR模型数据分析模型3②激活(Activation)激活是指把新用户转化为活跃用户,让用户乐于使用产品。具体量化指标包括:日活跃用户数指一天之内,登录或使用了某个产品的用户数,同理还有周活跃、月活跃用户数;活跃率(活跃用户占比)是某一时间段内活跃用户占总用户量的比率。③留存(Retention)留存是指解决“用户来得快、走得也快”问题,提升用户粘性,避免用户流失的手段。留存的目标是培养用户行为,指新会员(用户)在经过一定时间后,仍然会访问、登录、使用、下单成交转化等特定行为,留存用户占当时新用户的比例就是留存率,分为日留存、周留存、月留存。数据分析模型3④变现(Revenue)获取收入是产品运营的核心,也是找到产品的盈利模式,保障产品能够持续运营的重要手段。具体量化指标有客单价、付费用户占比、每用户平均收入、复购率、销售额等。⑤自传播(Referral)自传播是社交网络兴起后,对运营工作的拓展。自传播基于社交网络的病毒式传播,运用好自传播能够降低运营成本并取得良好效果,其常用的指标计算公式为转发率=某功能中转发用户数/看到该功能的用户数转化率=某段时间内产生购买行为的客户人数/所有到达店铺的访客人数广告转化率=点击广告进入推广网站的人数/看到广告的人数K因子=每个用户向他的朋友们发出的邀请的数量×接收到邀请的人转化为新用户的转化率数据分析模型3

(4)RARRA分析模型

RARRA分析模型是AARRR分析模型的演变,包含用户留存(Retention)、用户激活(Activation)、用户推荐(Referral)、商业变现(Revenue)、用户拉新(Acquisition)五个环节。用户留存为用户提供价值,使用户产生更多回访;用户激活确保新用户在首次启动时看到产品价值;用户推荐让用户分享、讨论产品;商业变现产生收入、盈利;用户拉新鼓励老用户带来新用户。数据分析模型3

(八)生命周期分析模型生命周期分析模型可分为用户生命周期模型(图1-17)和产品生命周期模型(图1-18),用户生命周期是以用户为核心,指用户从“摇篮”到“坟墓”的整个过程,而产品生命周期是站在产品角度,分析产品从研发到灭亡的过程。图1-17用户生命周期图1-18产品生命周期数据分析模型3

(九)逻辑树分析模型

1.逻辑树分析模型概述图1-19逻辑树分析模型数据分析模型3

2.逻辑树分析模型的种类议题树1假设树2是否树3数据分析模型3

3.逻辑树分析模型的作用

(1)逻辑树能理清思路,避免重复和无关的思考;

(2)逻辑树能保证解决问题过程的完整性;

(3)逻辑树能将工作细分,确定各部分的优先顺序,责任明确到单位。数据分析模型3

4.逻辑树分析模型的应用

(1)确定问题———将原本模糊的问题确定为一个具体的问题,可将需要解决的问题作为树干。

(2)分析问题———将问题的各个结构拆分成更细致的互相独立的部分,不重复不遗漏。

(3)剔除次要问题———针对各个部分再依次进行分析,找出问题的关键点。

(4)进行关键分析———针对关键驱动点,集思广益,找出解决方案。

(5)按照前四步骤思考形成逻辑树,输出实际分析报告。数据分析模型3

5.逻辑树分析模型的应用原则

(1)要素化。把相同问题总结归纳成要素。

(2)框架化。将各个要素组织成框架,遵守不重不漏的原则。

(3)关联化。框架内各要素保持必要的相互关系,简单而不孤立。数据分析模型3三、实训过程实训-微任务1:5W2H模型

1.微任务引入

5W2H模型简单、方便,易于理解、使用,富有启发意义,广泛用于企业管理和技术活动,对于决策和执行性的活动也非常有帮助,有助于弥补考虑问题的疏漏。本微任务要求灵活运用5W2H模型分析用户购买手机时的决策过程和影响因素。数据分析模型3

2.实训操作步骤1:熟悉5W2H模型的核心内容。

________________________________________________________步骤2:分析用户购买决策过程要经历哪几个阶段。

________________________________________________________步骤3:以用户购买决策过程,针对某商品(手机)的用户购买偏好为例,进行5W2H分析,填入表1-4。

数据分析模型3数据分析模型3步骤4:根据步骤3的顾客行为,使用5W2H模型为手机卖家整理出几条销售业务关注点,填入表1-5。数据分析模型3数据分析模型3实训-微任务2:逻辑树分析模型

1.微任务引入逻辑树有三种类型,虽然这三种逻辑树结构类似,但是有不同的使用前提,合理地使用逻辑树,对于我们分析问题和制订解决方案能起到事倍功半的效果。本微任务要求根据不同的主题目标,设计出相应的逻辑树。数据分析模型3

2.实训操作步骤1:熟悉逻辑树的三种类型。

________________________________________________________步骤2:以“公司利润下滑原因”(拆解到2层分支)为主题,使用Visio软件、XMind软件或者Word中的SmartArt工具绘制、设计并绘制问题树。可参考图1-20进行绘制。数据分析模型3图1-20绘制问题树数据分析模型3步骤3:以“提高销售额”为主题,使用Visio软件、XMind软件或者Word中的SmartArt工具绘制、设计并绘制假设树。可参考图1-21进行绘制。图1-21绘制假设树数据分析模型3步骤4:以“产品是否有竞争力”为主题,使用Visio软件、XMind软件或者Word中的SmartArt工具绘制、设计并绘制是否树。可参考图1-22进行绘制。图1-22绘制是否树谢谢观看电子商务数据分析content数据采集数据清洗12目录数据采集1数据采集11.了解商务数据的来源。2.熟悉数据采集工具。3.能进行电子商务数据采集。4.增强法律意识,培养诚实守信、遵纪守法,遵守规则的行为习惯。5.培养多角度思考问题的能力。数据采集1一、工作情景描述在进行电子商务数据分析之前,必须了解电子商务数据的来源,并学会电子商务数据采集方法。本任务主要讲述电子商务数据采集方法与实施。1数据采集二、相关知识

(一)电子商务数据的来源就电子商务数据而言,数据采集的渠道主要包括电子商务网站、网店后台、平台提供的数据工具、政府部门、机构协会、媒体、企业以及权威网站数据机构等。针对不同的采集渠道,可以选择不同的采集工具。具体选择时,应考虑各种工具的适用范围、可以采集的数据类型,以及该工具的具体功能等因素。互联网中可供采集的数据非常多,采集的方法也各有不同。数据采集1按照数据资料的性质划分01按照数据来源的范围划分按照数据来源的对象划分0203数据采集1

(二)电子商务数据采集商务数据采集方法商务数据采集流程数据采集数据采集的原则3214数据采集的注意事项5数据采集1

(三)数据采集工具针对不同的采集渠道,可以选择不同的采集工具。具体选择时,应考虑各种工具的适用范围、可以采集的数据类型,以及该工具的具体功能等因素。互联网中可供采集的数据非常多,采集的方法也各有不同。这里主要介绍采集网络平台中的数据,以及利用各种数据采集工具抓取网页中的数据的方法。数据采集1

1.采集网络平台中的数据网络平台中的数据采集方法分为两种,下载或复制,即下载并保存数据文件,复制并粘贴数据。

2.使用工具软件采集数据下面介绍部分目前比较好用的免费数据采集工具。数据采集1(1)八爪鱼采集器(2)火车头采集器(3)近探中国(5)ForeSpider(6)生意参谋(7)后羿采集器(4)ContentGrabber数据采集1三、实训过程实训-微任务1:使用记录单录入库存商品信息

1.微任务引入数据直接录入也是数据采集的一种方式。当有大量库存商品数据需要录入时,可以使用记录单登记商品数据,这样不仅可以避免遗漏数据,还可以在记录单中检查数据。本微任务要求在Excel中使用记录单快速录入商品库存数据。数据采集1

2.实训操作步骤1:新建一个Excel工作簿,命名为“商品库存信息.xlsx”。录入“商品名称”“品牌”“入库时间”“期初数量”“入库数量”“出库数量”“结存数量”“库存标准量”,待录入的数据信息如图2-1所示:图2-1待录入的库存信息数据采集1步骤2:添加记录单功能。执行“文件”→“选项”命令,弹出“Excel选项”对话框,单击左侧“自定义功能区”,对话框右侧列表框中勾选“数据”复选框,单击“新建组”按钮,如图2-2所示。选择新建的组,单击“重命名”按钮,显示名称为“录入”,如图2-3所示。数据采集1图2-2在数据组选项卡里新建组数据采集1图图2-3将新建组重命名为“录入”数据采集1步骤3:Excel选项对话框的左侧列表框中单击“自定义功能区”,在“从下列位置选择命令”下拉列表中选择“所有命令”选项,在命令列表中选择“记录单”选项,单击“添加”按钮,如图2-4所示。这样便将“记录单”命令添加到新建的录入组中了,如图2-5所示。步骤4:选中A2单元格,切换到“数据”选项卡,在“录入”组中单击“记录单”按钮,如图2-6所示。数据采集1图2-4添加“记录单”数据采集1图2-5“记录单”添加成功图2-6点击“记录单”按钮数据采集1步骤5:弹出“Sheet1”对话框,在各字段中输入新商品信息,录入完第1条记录后,单击“新建”按钮,继续录入下一条记录,如图2-7所示。图2-7录入信息数据采集1步骤6:依次录入其他各条记录,录入完毕后,检查录入的商品库存信息,调整并适当美化表格,如图2-8所示。图2-8录入后的信息数据采集1实训-微任务2:使用工具软件采集数据

1.微任务引入数据采集软件是为了解决从网页上大批量、自动化采集信息的商务需求而由专业的互联网软件公司研发的一整套工具软件。某图书经营企业为了了解散文类图书的市场情况,准备从网页中采集散文类图书的书名、评分和评论人数数据,可利用数据采集软件有针对性地进行采集。本微任务要求使用后羿采集器工具软件从豆瓣读书官网采集部分散文类图书的相关数据。数据采集1

2.实训操作步骤1:下载并安装后羿采集器,如图2-9所示。运行后羿采集器,如图2-10所示。图2-9下载后羿采集器数据采集1图2-10运行后羿采集器数据采集1步骤2:打开浏览器,进入豆瓣读书官网,搜索散文图书,如图2-11所示。图2-11打开豆瓣网并搜索散文数据采集1步骤3:将散文图书所在的网址复制粘贴到后羿采集器界面的“手动输入”框中,如图2-12所示。图2-12将散文网址复制到后羿采集器中数据采集1步骤4:设置后羿采集器的启动参数,还可以进行添加字段、删除字段、修改字段名、字段数据处理等操作,如图2-13所示。步骤5:开始采集,当采集到预期的数据量时,单击“停止”按钮,停止采集。采集停止界面如图2-14所示。图2-13启动设置数据采集1图2-14停止采集数据采集1步骤6:单击“浏览”按钮并选择文件的导出类型,将采集到的数据导出,如图2-15所示。图2-15导出数据数据采集1步骤7:检查采集到的数据,如图2-16所示。图2-16检查采集到的数据数据采集1实训-微任务3:从网页中采集表中数据到Excel

1.微任务引入

Excel软件具备获取外部数据的功能,外部数据可以来自于Access、网站、文本或其他来源。如果网页中的数据是以表格形式呈现的,则可以在Excel中直接采集,获取网页中的这些数据。本微任务要求能够直接采集网页中的表格数据。

数据采集1

2.实训操作步骤1:在浏览器中搜索需要抓取的网站。步骤2:打开网站,查看网站数据是否可以抓取。查看网站源代码,有Table则可抓取,没有则不能抓取。在网站数据可抓取的情况下,复制网址。例如:执行“国家统计局”→“统计数据”→“数据查询”命令,查看统计局数据;执行“中国银行”→“金融数据”→“中国银行外汇牌价”命令,查看外汇牌价数据。数据采集1步骤3:打开Excel,执行“数据”→“获取外部数据”→“自网站”命令,如图2-17所示,打开一个浏览器窗口。图2-17选择获取外部数据选项数据采集1步骤4:在打开的浏览器窗口的地址栏,复制粘贴预采集数据所在网页的网址(第四次全国经济普查公报(第七号)的网址),单击“转到”按钮,浏览器中呈现对应的页面,如图2-18所示。图2-18粘贴网址数据采集1步骤5:找到网页中数据所在的表格,如图2-19所示。选中网页中的表格,单击“导入”按钮,如图2-20所示。设置导入数据的放置位置,这里设置起始位置为“=$A$1”,如图2-21所示。可以看到Excel显示正在获取数据,如图2-22所示。图2-19定位数据所在表格数据采集1图2-20选中数据所在表格数据采集1图2-21选择数据的放置位置图2-22获取数据数据采集1图2-23检查采集到的数据步骤6:在Excel中可以看到直接从网站上采集导入的数据信息,如图2-23所示。数据清洗2数据清洗21.理解并掌握电子商务数据分析的常用指标。2.能较熟练地进行数据分析指标体系的搭建。3.能进行数据分析指标体系的验证。4.树立正确的电子商务数据意识,培养良好的职业道德。5.培养勤于动脑、善于总结、勇于创新的思维习惯。数据清洗2一、工作情景描述通过各种渠道收集来的数据,常出现缺失、异常、冗余、不一致等现象,并不能直接为数据分析所用,例如拼写错误的单词、难以去除的尾随空格、不需要的前缀、不正确的大小写和缺失的内容,这些因素都会导致数据混乱。此外,一些成熟的数据分析模型对处理数据有特定的要求,比如一定的数据类型、统一的数据量纲、数据的冗余性要求、属性的相关性要求等。本任务主要讲述如何对收集来的数据进行清洗、处理与计算。数据清洗2二、相关知识

(一)数据清洗的含义数据清洗(DataCleaning)是在对数据进行审查和校验的过程中,发现并纠正数据文件中可识别的错误,包括数据一致性检查、处理无效值和缺失值等,目的在于删除重复信息、纠正存在的错误,并规范数据的一致性。因为数据仓库中的数据是面向某一主题的数据集合,这些数据从多个业务系统中抽取且包含历史数据,这样就避免不了有的数据是错误数据、有的数据相互之间有冲突,这些错误的或有冲突的数据称为“脏数据”,应按照一定的规则把“脏数据”“洗掉”,这就是数据清洗。数据清洗2

(二)数据清洗规则完整性1全面性2合法性3唯一性4数据清洗2

(三)数据清洗中的简单加工1.数据转化2.数据转置3.字段分列数据清洗2三、实训过程实训-微任务1:数据清洗

1.微任务引入在数据采集过程中,往往会因为数据来源不稳定、采集方式不恰当等原因造成采集到的数据存在一定的缺陷,不能直接使用。图2-24中的数据是统计调查收集来的数据,表中数据明显存在一些问题,这会直接影响后续的数据分析。本微任务要求对表中数据进行清洗操作。数据清洗2图2-24数据格式不一致的资料数据清洗2

2.实训操作步骤1:数据一致性处理。经过观察,可以看出“身高”“体重”“月生活费”“家庭年收入”“每周课外学习时间”这几列均存在单位不统一的现象。

(1)将图2-25中“身高”字段中的数据去掉字符“cm”。

(2)单击C列,或者选中C列的所有数据,执行“查找和选择”→“替换”命令,如图2-26所示。

数据清洗2图2-25选择C列数据清洗2

(3)弹出“查找和替换”对话框,在“替换”选项卡下的“查找内容”中输入“cm”,设置“替换为”为空,单击“全部替换”按钮完成替换,如图2-27所示,替换后的结果如图2-28所示。

图2-26选择“替换”命令图2-27输入查找内容和替换内容数据清洗2图2-28替换后的结果数据清洗2

(4)使用相同的方法,对数据不一致的“体重”“月生活费”“家庭年收入”“每周课外学习时间”进行操作,使每列的数据呈现形式一致。在处理“家庭年收入”列时,需要将此列所有数据的单位统一成“万”(“0000”替换为“万”),再统一去掉单位“万”。

(5)上述操作是去掉数据后面的单位。如果要为某列数据统一加上某种单位,可通过设置单元格格式来实现。例如要给“每周课外学习时间”列统一加上小时单位,可以选中此列所有数据,单击“设置单元格格式”,如图2-29所示。在设置单元格格式对话框中,执行“数字”→“自定义”命令,在类型中输入“0"小时"”即可,如图2-30所示。数据清洗2图2-29选择“设置单元格格式”图2-30统一加上单位小时数据清洗2步骤2:缺失数据的处理。将“年龄”字段中的空值均替换为“18”。

(1)选择“年龄”所在的E列,执行“查找和选择”→“定位条件”命令,如图2-31所示。在“定位条件”对话框中,选中“空值”单选项,如图2-32所示。数据清洗2图2-31选择“定位条件”命令图2-32选择定位条件“空值”数据清洗2

(2)单击“确定”按钮,E列所有的空白单元格呈选中状态。输入替代值“18”,按“Ctrl+Enter”组合键确认,所有选中的空白单元格中统一被输入了“18”,如图2-33所示。图2-33空白单元格中统一输入新的数据数据清洗2步骤3:删除重复记录。单击数据表的任意位置,执行“数据”→“删除重复项”命令,如图2-34所示。

图2-34删除重复项数据清洗2步骤4:清洗后的信息补充。数据清洗是人为的科学处理方式,因此其结果存在无可避免的偏差,在确实无法保证信息的完整性与准确性时需要对文件添加说明。说明的方法是在工作表的最后添加一列备注项,凡是做了什么样的操作在备注里都具体写明,数据需要怎么用由数据处理者酌情考虑。步骤5:美化和修饰表格。数据清洗2实训-微任务2:数据的转置与分列

1.微任务引入采集到的数据有可能是杂乱无章、难以理解的,这时需要对数据进行转置或分列,保留和呈现有用的、待分析的数据。本微任务要求使用Excel软件对数据进行转置与分列操作。

2.实训操作步骤1:数据转置最简单的操作方法:先复制好某行或某列数据,在粘贴时单击“开始”按钮,单击“剪贴板”组“粘贴”按钮下面的三角箭头,单击“转置”图标,如图2-35所示。转置后的效果如图2-36所示。数据清洗2图2-35转置性粘贴数据清洗2图2-36转置后的数据数据清洗2步骤2:字段分列

(1)选择“字段分列”工作表的A列数据,如图2-37所示;执行“数据”→“分列”命令,如图2-38所示。数据清洗2图2-37选中要操作的列图2-38数据分列数据清洗2

(2)要将A列字段“姓名,家庭地址,邮编”分列出三列,因为数值之间用逗号隔开,且数值内容长短不一,所以选中“分隔符号”单选项,单击“下一步”按钮,如图2-39所示。图2-39选中“分隔符号”单选项数据清洗2

(3)选择什么样的分隔符,要根据原始数据中的分隔符来确定,这里勾选“逗号”复选框为分隔符,单击“下一步”按钮,如图2-40所示。图2-40选中“逗号”为分隔符数据清洗2

(4)在弹出的对话框中,确定目标区域的起点单元格。这里将B1单元格作为起始位置,即目标区域为“=$B$1”,放置分列后的数据,如图2-41所示。图2-41确定目标区域数据清洗2

(5)单击“完成”按钮,分列的结果如图2-42所示。图2-42分列结果谢谢观看电子商务数据分析content数据处理数据可视化分析数据分组分析123目录数据处理1数据处理11.了解数据处理的意义。2.熟悉常见的运算函数。3.能熟练对数据进行处理。4.加强辩证思维能力。5.培养爱岗敬业、诚实守信的职业素养。数据处理1一、工作情景描述数据处理的基本目的是从大量的、难以理解的数据中抽取并推导出对于某些特定用户来说是有价值、有意义的数据。数据加工处理的手段主要有字段匹配、数据抽取、数据计算。本任务要求学生能够使用Excel软件对数据进行加工、处理和运算。1数据处理二、相关知识

(一)字段匹配有时候原数据表中没有可用的字段内容,需要从其他数据表中获得,实现这个步骤的过程为字段匹配。字段匹配就是将原数据清单中没有但其他数据清单中有的字段匹配过来。VLOOKUP函数是Excel中的一个纵向查找函数,与LOOKUP函数和HLOOKUP函数属于一类函数,在工作中都有广泛应用,实现按列查找,最终返回该列所需查询序列所对应的值;与之对应的HLOOKUP是按行查找的。数据处理1该函数的语法规则如下:VLOOKUP(lookup_value,table_array,col_index_num,[range_lookup])即:VLOOKUP(查找值,区域,要返回第几列的内容,1近似匹配0精确匹配)数据处理1

(二)数据抽取数据抽取指从数据源系统中抽取出目的数据源系统所需要的数据,也就是从数据源中抽取所需数据的过程,常见的操作包括拆分数据部分信息、保留部分数据、抽取匹配数据等。数据源又可以简单分为结构化数据、半结构化数据和非结构化数据。Excel中数据抽取是指利用原数据清单中某些字段的部分信息得到一个新字段。常用的数据抽取函数有LEFT()、RIGHT()、MID()、YEAR()

MONTH()、DAY()、WEEKDAY()等。数据处理1

(三)数据计算数据计算是Excel的一个核心功能。数据计算是根据原有字段数据,通过计算形成新的字段数据。1.使用公式计算2.使用函数计算3.公式和函数的区别4.取整函数数据处理1

(四)Excel中公式的引用方式相对引用1绝对引用2混合引用3三维引用和外部引用4数据处理1三、实训过程实训-微任务1:数据抽取与匹配

1.微任务引入电子商务中,一些数据中往往蕴含了很多信息,比如收货地址包含了省份、城市等信息,身份证号里的数字都有特殊的含义,有时就需要通过收货地址统计客户的省份、城市,通过身份证号判断客户的生日等,这就涉及数据抽取操作。本微任务要求对表中的数据进行抽取、匹配处理。数据处理1

2.实训操作步骤1:提取收货地址中的省份信息。由于在收货地址数值中,省份数值在最左端,因此可以使用LEFT函数。选中B2单元格,输入公式“=LEFT(A2,2)”,按Enter键确认,就得到A2单元格中的省份信息,如图3-1所示。向下拖动B2单元格右下角的填充柄,引用公式。图3-1提取省份信息数据处理1步骤2:提取收货地址中的邮编信息。邮编信息在收货地址最右端,可以使用RIGHT函数。选中C2单元格,输入公式“=RIGHT(A2,8)”,按Enter键确认,就得到C2单元格中的邮编信息。向下拖动C2单元格右下角的填充柄,引用公式,如图3-2所示。图3-2提取邮编信息数据处理1步骤3:在E2单元格中输入公式“=YEAR(D2)”、F2单元格中输入公式“=MONTH(D2)”、G2单元格中输入公式“=DAY(D2)”、H2单元格中输入公式“=WEEKDAY(D2,2)”,用鼠标同时框选E2、F2、G2、H2,双击框选区域的右下角填充柄,即可完成表中A列所有订单付款时间“年”“月”“日”“星期”的信息提取,如图3-3所示。图3-3提取年、月、日和星期数据处理1步骤4:在步骤1、2中,省份信息和邮编信息的提取结果有些粗糙,如果想让提取结果更为精准,则需辅助使用FIND函数,如图3-4所示。FIND函数的作用是返回一个字符串在另一个字符串中出现的起始位置。省份信息提取时需要通过考虑省份的具体字数,即第一个空格前的数据。图3-4精确提取省份信息数据处理1步骤5:在“数据匹配”工作表中完成省份信息匹配。字段匹配就是将原数据清单中没有但其他数据清单中有的字段匹配过来。通过身份证号的字段匹配省份编码,结果返回匹配编码和省份单元格中。图3-5精确提取邮编信息数据处理1

(1)首先需要了解身份证号码18位数字的含义:前1~2位是所在省份的代码;第3~4位是所在城市的代码;第5~6位是所在区县的代码;第7~14位表示出生年、月、日;第15~16位表示所在地的派出所代码;第17位表示性别,奇数表示男性,偶数表示女性;第18位数字是校验码。身份证号表示省份的代码使用LEFT函数或MID函数将“身份证号码”列中数据的前两个数字取出来,如图3-6所示。数据处理1

(2)根据给定省份编码,使用VLOOKUP函数匹配出所对应的省份。选中C2单元格,执行“公式”→“插入函数”命令,选择类别为“全部”或“查找与引用”,找到VLOOKUP函数并确定,如图3-7、图3-8所示。图3-7插入VLOOKUP函数数据处理1图3-8VLOOKUP函数各参数设置数据处理1

(3)使用相对引用的方法引用公式,完成列中其他数据的计算,如图3-9所示。图3-9最终匹配结果数据处理1实训-微任务2:数据计算

1.微任务引入有的信息不会直接在原始数据呈现,需要根据研究目的找到数据,分析指标之间的关联,通过对相应数据计算,才能得到相应的信息。本微任务要求对图3-10所示的表中信息进行数据计算。图3-10待计算的数据数据处理1

2.实训操作步骤1:使用公式“销售额=单价×销量”,计算销售额。选中J2单元格,输入公式“=B2*C2”,向下引用公式,如图3-11所示。图3-11计算销售额数据处理1步骤2:计算销售天数、销售年数。使用公式“销售天数=下架日期-上架日期”和“销售年数=销售天数/365”。在K2单元格中输入“=I2-H2”,如图3-12所示。计算出的“销售年数”数值不一定是整数,可以用INT函数取整,在L2单元格中输入“=INT(K2/365)”,如图3-13所示。图3-12计算销售天数数据处理1图3-13计算销售年数数据处理1步骤3:计算退款金额。使用公式“退款金额=单价×退款单数”,在M2单元格中输入“=B2*D2”,如图3-14所示。图3-14计算退款金额数据处理1步骤4:计算退款率、差评率、好评率。退款率、差评率、好评率的数值应以百分比的形式呈现。以好评率为例,好评率的计算公式是“好评率=好评单数/总评价单数”,计算结果如图3-15所示。图3-15计算好评率数据处理1步骤5:计算每种商品的销售量占比。计算出所有商品的总销量,以总销量为分母进行运算。也可以直接运用公式,注意分母的公式要使用绝对引用或混合引用,计算结果如图3-16所示。图3-16计算销量的占比数据处理1步骤6:销售年数的取整。销售年数=(下架时间-上架时间)/365。通常计算出来的年数是一个小数,如果希望得到整数,可以用INT函数取整,使用公式“=INT(D2)”,结果是3。如果要进行四舍五入式取整,则要用函数RONUD,在编辑栏将公式修改为“=RONUD(D2,0)”即可,如图3-17所示。图3-16计算销量的占比数据处理1步骤7:计算转化率。计算加购物车的转化率、交易转化率,计算结果如图3-18所示。图3-18计算转化率数据可视化分析2数据可视化分析21.理解数据可视化的基本流程和常用方法。2.熟悉各种图表的特点和功能。3.灵活运用图表进行数据可视化分析。4.熟练制作动态图表。5.熟练使用切片器。6.提高视觉审美鉴赏能力,提升美学素养。7.培养独立思考能力和分析抗辨能力。数据可视化分析2一、工作情景描述通常情况下,数据分析的结果是通过图表来展现的,这样比较直观,人们也更愿意接受图表这种数据展现方式,因为它能更加形象、有效地传递出分析人员所要表达的观点。不同的图表类型所承担的功能是截然不同的,同样的数据可以使用不同的图表呈现出不同方面的特征。因此在设计信息图之前,要厘清需求,再判断和选择具体使用哪种图表。本任务主要讲述图表类型、数据的可视化作图。数据可视化分析2二、相关知识

(一)数据可视化基本流程数据可视化的目的不只是把数据通过各种图形展示出来,更是要借助这些图形来探索数据的隐藏信息。1明确目的3视觉设计2选择合适的图表4突出信息数据可视化分析2

(二)主要的图表类型3.折线图2.气泡图1.散点图7.雷达图6.面积图5.饼图4.柱形图与条形图数据可视化分析2

(三)数据可视化方法

1.数据对比可视化分析数据对比通常是把两个或两个有一定联系的数据指标进行比较,从数量上展示和说明被对比对象规模大小、水平高低、速度快慢等。在数据对比可视化分析时,常用的图表类型有柱形图和条形图。数据可视化分析2

2.数据趋势可视化分析数据趋势可视化分析一般适用于某些指标或维度的长期跟踪,一方面可以看出所分析对象的变化情况,更重要的是发现变化趋势中明显的拐点,以便分析出现拐点的原因。常用的图表类型有折线图和面积图。

3.数据占比可视化分析数据占比可视化分析可以直观地看到各项数据所占比例大小,快速找准处于核心地位或起关键作用的数据对象。常用的图表类型有饼图和圆环图。数据可视化分析2

4.数据分布可视化分析数据占比可视化分析可以直观地看到各项数据所占比例大小,快速找准处于核心地位或起关键作用的数据对象。常用的图表类型有饼图和圆环图。数据可视化分析2

(四)数据透视表与数据透视图1.数据透视表2.数据透视图数据可视化分析2

(五)切片器切片器是一个非常实用的筛选器。在Excel中,切片器可以根据具体条件,快速筛选出数据,应用非常灵活,尤其在制作动态图表时,可以创建连接多个图表,切换切片器的选项,图表也会相应的变动,呈现出“动态”的数据展示。日常操作中,有时会配合使用多个切片器来查找和筛选数据,数据的展现更细化,更明确。数据可视化分析2三、实训过程实训-微任务1:图表可视化分析

1.微任务引入

Excel提供了多种类型的图表,本微任务要求熟悉Excel的各种图表,为给定的数据创建合适的图表,并能使用图表的各种属性选项美化图表。

2.实训操作步骤1:打开Excel软件,熟悉各种图表类型,分析各种图表类型各自的特点、适用场景等。数据可视化分析2步骤2:可以直接以月份为横坐标,以“目标”列、“销售一部”列、“销售二部”列、“销售三部”列的数值为纵坐标,创建簇状柱形图。为了使图表效果更为突出和直观,建议创建组合图表。选中A2:E14区域,如图3-19所示,在“插入”菜单下找到图表项、单击“推荐的图表”或展开“查看所有图表”。图3-19选择图表类型数据可视化分析2在“插入图表”对话框中,选择“所有图表”选项卡下的“组合”,“目标”系列设置“簇状柱形图”,“销售一部”系列、“销售二部”系列、“销售三部”系列设置“带数据标记的折线图”,如图3-20所示。图3-20创建组合图表数据可视化分析2步骤3:在创建的组合图表上方添加标题“各月销售目标达成分析图”,如图3-21所示。图