商务大数据分析导论 课件 项目七 商务大数据应用场景

商务大数据

应用场景目录01.税收大数据02.金融大数据03.电子商务大数据04.财务大数据05.旅游大数据税收大数据PARTONE1.税收大数据的内涵税收大数据是基于互联网新技术及云计算的新处理模式才具有高增长率、多样化的涉税海量信息数据资产，是针对总局、省局、市局等不同税收管理层面、不同税收总体的涉税海量信息数据资产，而非通过随机抽样获得的部分的小规模的涉税信息数据。012.税收大数据应用税收大数据技术是指对海量、巨量的涉税信息数据快速获取、存储、处理、分析、挖掘的现代信息技术。目前所说的“税收大数据”不仅指数据本身的规模体量，同时包含税收大数据获取、存储、挖掘、分析及可视化应用的现代信息技术手段。(1)税收大数据技术（1）税收大数据技术数据获取技术数据获取技术包括ETL工具、网络爬虫技术等。数据存储技术数据存储技术包括结构化数据存储技术、半结构化数据存储技术和非结构化数据存储技术。数据处理技术数据处理技术是在进行数据分析前，对获取的原始数据进行的诸如清洗、填补、平滑、合并、规格化、一致性检验等一系列操作技术。数据统计分析技术数据统计分析技术主要包括假设检验、显著性检验、差异分析、相关分析、T检验、均值与方差分析、离散度分析、回归分析等技术。数据分析挖掘技术数据分析挖掘技术主要包括分类（classification）、聚类（clustering）、估算（estimation）、预测（prediction）、相关性分析、回归分析等技术。数据可视化展现技术数据可视化展现技术是对税收大数据挖掘分析结果通过图像、图表、动画等方式的呈现技术，是了解复杂数据、开展数据深入分析不可或缺的技术手段和方法。（2）税收大数据分析在税收治理中的主要应用税收形势分析税收形势分析是由收入规划核算部门牵头负责、其他业务部门配合开展的一项税收大数据分析应用工作。经济税源分析经济税源分析简称税源分析，根据分析的视角，在有些情况下又称经济形势分析。税收经济分析税收经济分析是站在税务机关的角度分析经济运行的变化及税收经济之间的关联影响关系。税收风险分析税收风险分析是税收大数据应用的重要核心领域，是指围绕税收风险管理目标，依据掌握的税收大数据，构建税收风险指标体系。税收政策效应分析税收政策效应分析是从事前、事中和事后，密切跟踪税制改革和税收政策发展变动及实施效果等情况，测算税收政策变动、减税降费政策实施等对税收和经济社会发展、产业结构优化调整、动能转换等的定量影响。3.案例解析——税收大数据治理税收大数据治理又称“以数治税”，是现代税收治理体系中重要的组成部分（1）有效提升纳税服务的专业化、精细化水平（2)有效提升税收风险分析识别的精准性，降低征纳成本，提高智能化税收风险'控能力(3)以税收大数据为驱动力，开发建设“信用+风险”高效联动的、智能化综合评定信息系统。(4)税收大数据治理是“智慧税务”的大脑与核心金融大数据PARTTWO1.大数据金融的内涵金融行业的大数据（1）传统的结构化数据，如各种数据库和文件信息等。（2）以社交媒体为代表的过程数据，涵盖了用户偏好、习惯、特点、发表的评论、朋友圈之间的关系等。（3）日益增长的机器设备以及传感器所产生的数据，如柜面监控视频、呼叫中心语音、手机、ATM等记录的位置信息等。2.大数据在金融商业银行中的应用(1)大数据与商业银行优势第一，商业银行的业务系统信息化程度高，数据资源充足第二，商业银行的数据规模庞大，数据种类较为齐全第三，由于商业银行受到严格的监管，其数据的格式较为规范，数据的准确性也相对较高（2）大数据在反洗钱工作中的应用大数据在反洗钱工作中的优势（1）发挥商业银行的数据优势（2）提高反洗钱调查的时效性（3）提升反洗钱工作的效率（2）大数据在反洗钱工作中的应用逻辑分层a.源数据b.数据存储c.数据汇聚d.数据分析e.信息管理f.决策分析反洗钱工作系统的系统架构3.大数据在证券行业中的应用(1)大数据与证券在金融行业中，证券业属于数据密集型行业，积累了上市公司财务报表、客户关系、市场信息、交易数据等大量信息，伴随着时间增长和上市公司数量不断加，其数据已呈指数型增长趋势。而这些数据的分析和处理对投资者、券商乃至整个证券市场来说都是至关重要的。（2）基于技术分析的数据挖掘方法在股票分析中的应用股票分析与预测

数据挖掘算法基本面分析技术分析股票选择建构投资组合选择投资策略选择买卖时机决策树○×○○人工神经网络○○○×遗传算法×○○×聚类○×××逻辑回归×○○○时许模式分析×××○关联分析×○○○基于基本面分析和技术分析的算法分类4.大数据在保险行业中的应用（1）数据驱动与互联网保险的渠道驱动不同的是，大数据保险是由数据驱动的。保险数据处理技术的变革和应用是大数据保险发展的关键驱动力。（2）问题思维在运用大数据技术实现数据挖掘和数据价值变现的过程中，大数据技术消灭信息不对称、不匹配的能力得以体现。（3）融合创新大数据技术在保险领域中的应用使保险业在与新技术相融合的过程中，推出更多具有创新性的产品和服务，也使保险公司的业务模式得到了创新和优化。（4）运营提升通过利用大数据技术，大数据保险的资金摩擦被最小化，资源配置的过程得到充分优化，进而使大数据运营效能得到了有效的提升。（5）活力生态随着大数据技术与保险行业的深度融合，数字生态系统的建立势在必行。在这一生态系统中不仅有保险公司的参与，还有其他行业的从业者参与其中。（6）服务导向大数据保险利用大数据技术在交互的价值网络中及时、有效地获取信息，实现了信息数据的透明化，进而帮助保险公司为客户提供恰当的优质的保险服务。(1)大数据与保险（2）大数据在车险定价中的应用1.车险费率厘定的基本模式2.OBD和UBI车险(1)OBD与车险费率厘定(2)UBI与车险费率厘定3.基于OBD+UBI的车险费率厘定(1)“从车+从人”的定价模式(2)车险费率的厘定方法车险保费新定价模式电子商务大数据PARTTHREE1.电子商务数据分析的内涵电子商务数据分析是运用分析工具研究电子商务数据信息，搭建数据分析与电子商务管理的桥梁，指导电子商务决策的一门新兴学科。通常概念下，电子商务数据分析指的是对电子商务经营过程中产生的数据进行分析，在研究大量的数据的过程中寻找模式、相关性和其他有用的信息，从而帮助商家做出决策。011.电子商务数据分析的内涵电子商务数据分析的主要任务（1）行业分析行业分析流程包括行业数据采集、市场需求调研、产业链分析、细分市场分析、市场生命周期分析、行业竞争分析等。（2）客户分析客户分析的流程包括客户数据收集、客户特征分析（客户画像）、客户行为分析、客户价值评估、目标客户精准营销（营销策略制定和资源配置）、销售效果跟踪等。（3）产品分析产品分析流程包括竞争对手分析、客户特征分析、产品生命周期分析、客户体验分析，最后通过调研报告形成合理化建议，对产品开发及市场走向提出预测。（4）运营分析运营分析流程包括销售数据分析、推广数据分析、客服数据分析。2.大数据在电子商务中的应用（1）应用于客户体验。电子商务平台网站的界面结构和功能是吸引大量客户的关键，多数电商企业为提高客户在交易过程的第一体验，根据大数据技术分析客户消费行为的历史记录建模，然后在此基础上使用web挖掘技术改进关键字加权法，有效地将用户输入的关键字合理地拓展延伸，提高商品信息检索功能的精准率。（2）应用于市场营销。电商企业引进了先进的大数据技术，在市场营销各环节最大限度地降低人力、财力以及时间成本。技术部门可构建分布式存储系统，运用web数据挖掘技术将客户在不同网络平台上的个人信息以及动态的浏览习惯贴上“标签”，根据不同格式的数据选取不同的存储策略，再针对性、大范围地对潜在的客户进行商品与服务推销。（3）应用于库存管理。在零售业中，库存销量比是一种重要的效率指标，数据仓库可以使管理人员实时追踪商品库存的流入与流出，并通过在线的市场供求变化数据分析，准确把握预期的市场供求动态，制定合理的生产计划，降低库存积压风险，提高企业的资金周转能力。（4）应用于客户管理。客户管理的实质是为消费者提供可持续的产品和服务。运用大数据分析的优势，电商可以划分普通用户群和核心用户群，并且建立会员信誉度级别。在各大电商平台的领军企业，技术人员利用大数据技术根据买家的消费行为定量定性地评定买家信用，同时也能够通过跟踪商家的服务质量和产品销量来评定商家的信用，这样买卖双方都能尽可能遵守交易的规范，以此促进电商交易平台的良性发展。3.案例解析——电子商务在客户分析中的应用主要数据指标有价值的客户数活跃客户数客户活跃率客户回购率客户留存率平均购买次数客户流失率基于分类算法的客户特征模型决策树算法“5W”“1H”和“6O”客户行为分析的基本框架客户忠诚度指标权重的计算方法财务大数据PARTFOUR1.税收大数据的内涵在当今科技应用和财务转型高速发展的时代背景之下，社会各行业对财务人员提出了越来越高的数据分析需求和综合能力要求。在上海国家会计学院等单位发布的“影响中国会计从业人员的十大信息技术”评选结果中，大数据技术占有越来越重要的位置。012.大数据在财务中的应用大数据在财务中的应用(1)大数据技术可以提升财务信息收集的精确性。(2)大数据技术可以提升财务信息预测与评价的工作效率。(3)大数据技术可以提升财务信息评价的精确性。3.案例解析—产品标准成本计算旅游大数据PARTFive1.税收大数据的内涵旅游行业本身包括“食、住、行、游、购、娱”六大要素，涉及范围广泛并且具各领域边缘模糊等特点，加之大数据具有容量大和复杂性的特征，决定了旅游大数据涉及的数据量大，除了旅游主管部门、景区景点积累的数据外，还包含了关联行业数据、游客的行为数据等。同样，旅游大数据的来源范围较广，包括旅游主管部分业务数据、旅游基础数据、旅游行业数据、搜索引擎数据、OTA数据、通信运营商数据、媒体数据、用户消费数据、APP行业监测数据、游客行为数据、智慧城市关联数据等。012.主要应用需求(1)旅游大数据的类型报告或指数类型以数据报告或者大数据指数为主要表现形态，主要由国家各级政府或文化和旅游主管部门所定制的文化和旅游行业数据报告，利用互联网第三方数据的整合，作为各级文化和旅游主管部门的外部数据验证、决策支撑、内部报告。这样的大数据产品定制化程度较高，且更具有辅助决策的属性。数据中心（展厅）类型依赖于数据中心或者展厅展现文化和旅游大数据的方式，其硬件部分主要由IDC机房、展示大屏幕、高速网络组成，数据部分主要来自OTA、运营商、UGC口碑评论、交通定位、旅游局等单位以及外部数据。这类数据一般由省一级文化和旅游局（厅）建设，同时各地市及景区也有部分自建所属辖区范围内的文化和旅游大数据中心。云服务类型以数据云服务(SoftwareasaService，SaaS)作为大数据的主要体现形式，该类型主要指的是基于公有云或远端服务提供文化和旅游行业大数据服务，以供相关机构以购买账号的方式购买该数据服务为机构使用。大数据解决方案类型以大数据解决方案作为主要的体现形式，主要提供基于大数据的实际解决方案，真正从数据中得到最终的价值服务。大数据解决方案要求对业务非常熟悉，并能定制化解决实际问题，且对方法、算法、处理能力要求较高。（2）旅游大数据的种类交通大数据在预订方面，航空大数据主要应用于后台实时监控机票价格的浮动来进行后续的价格调整，以及航线直飞的路线的选定等方面；在机场服务方面，透过CRM（客户关系管理）最快速、最满意、最大限度地满足客户需求，提供贵宾室服务，基于航班历史数据判断航空的准点率，改进航班延误险服务；在目的地服务方面，对旅游需求进行定位分析。住宿业大数据住前数据就是用户在人住前的选择行为数据，比如用户在OTA平台的搜索数据、浏览数据、预订交易等这些数据反映了客人的需求和偏好。住中数据是指客人在酒店入住过程中所形成的数据，即酒店管理系统（PropertyManagementSystem，PMS）中的经营和管理的闭环数据，这些数据反映了酒店的经营状况，以及客人入住后的感知数据等。景区行业大数据景区行业大数据分为游前、游中、游后数据。其中，游前数据就是旅游者在旅游前的搜索景区或预约景区门票等行为所产生的数据，比如景区预约码、OTA订单数据、游客画像、购买行为等。游中数据主要是对人园人数实时监测的数据，以及旅游者在景区内的消费方式、行动轨迹和参观感知等形成的数据。旅行服务大数据旅行服务大数据主要包括了导游和行程过程中所产生的数据。首先，导游自主执业化产生的导游大数