数据采集与处理 课件 任务1 商务数据基本分析方法概述

项目七商务数据分析与应用任务1商务数据基本分析方法概述一、描述性数据分析方法描述性数据分析法即对调查总体所有变量的有关数据进行直观性描述，简单来说就是将一系列复杂的数据集用几个有代表性的数据进行描述，进而能够直观的解释数据的变动。描述性数据分析方法包括数据的离散程度分析、集中趋势分析、频数分析、分布以及一些基本的统计图形等。（一）直接数据观察法一、描述性数据分析方法所谓直接数据观察法，是指借助各种数据平台展示的数据内容,直接观察数据的大小、异常等情况。一般而言，对于基础的数据分析来说,利用直接观察法，能有效的提高数据信息处理的效率。（二）描述性特征值分析法一、描述性数据分析方法描述性指标特征值包括均值、标准差、最大值、最小值、极差、中位数、众数、变异系数等。仍以上述某电脑公司业务人员某月某IT产品销售情况为例，通过描述性统计特征值进行分析。（二）描述性特征值分析法一、描述性数据分析方法第一步，数据准备。打开Excel表格，准备一些需要操作的数据，如图7-1-2所示（二）描述性特征值分析法一、描述性数据分析方法第二步，在左上角点击“文件”，寻找到“选项”的按钮并点击，如图7-1-3所示。（二）描述性特征值分析法一、描述性数据分析方法第三步，在弹窗中选择“加载项”，设置完成后，点击“转到”按钮，如图7-1-4所示。（二）描述性特征值分析法一、描述性数据分析方法第四步，设置完成后返回excel界面，点击“数据”寻找到“数据分析”并点击，如图7-1-5所示。（二）描述性特征值分析法一、描述性数据分析方法第五步，在弹出的弹框中，选择“描述统计”，然后点击“确定按钮”，如图7-1-6所示。（二）描述性特征值分析法一、描述性数据分析方法第六步，在弹出的弹框中，在输入区域选择要统计的数据区域，设置输出区域即可。（二）描述性特征值分析法一、描述性数据分析方法第七步，在excel表中查看最终的描述性统计分析结果。结构分组分析法是在数据分组的基础上，将组内数据与总体数据之间进行对比的分析方法。结构分析法分析各组部分占总体的比例，属于相对指标。如客户的忠诚度，老用户的复购率在50%，说明老用户对于公司的产品足够满意、放心，这个时候就可以把重心放在发展新用户上。具体分析方法可参照项目四的相关内容。二、结构分组分析法（一）比较分析法的概念三、比较分析法比较分析法是将两个或两个以上的数据进行对比，分析差异进而揭示这些数据所代表的规律，以了解各方面数据指标的一种分析方法。比较分析法是商务数据分析的常用方法,例如分析竞争结构时，可以将自己的数据与竞争对手的数据进行比较,了解双方的优势与劣势,以便调整或制定相应的策略。（二）比较分析法的种类三、比较分析法2.纵向比较纵向比较即不同时间条件下同一数据采集对象指标的对比，如本月销售量与上月销售量进行对比，本月成本数与上月成本数进行对比等。1.横向比较横向比较即同一时间下不同数据采集对象指标的对比，如某品牌空调与其他品牌空调销售量比较，书店的销售额对比等。（三）比较分析法的应用维度三、比较分析法1.与竞争对手或行业对比通过将自身数据与竞争对手或行业的大盘数据进行对比，企业能了解自己在该行业中所处的位置，并进一步分析出现问题的原因，这是一种横向对比。例如某网店发现自己的网页点击率低于竟争对手，该网店就应该分析成交转化率过低的原因，并及时采取优化措施以提高成交转化率。（三）比较分析法的应用维度三、比较分析法2.与企业自身不同时期的数据比较企业通过对不同时期的数据进行比较，可以反映出企业的发展状况，从而推出相应的改进措施。例如利用本月订单量与去年同月份的订单量对比，就能明确本月订单的增减情况和增减幅度。（三）比较分析法的应用维度三、比较分析法3.与开展活动的前后期数据比较为提升销售额，企业往往会不定期地开展各种活动,此时就需要对活动前后的各项数据指标进行对比,这样能够判断出活动开展的效果及活动策划的优点与不足等，为下一次活动策划提供数据支持，进一步优化活动的效果。（三）比较分析法的应用维度三、比较分析法4.与优化前后的对比在网店数据化运营过程中，网店会经常对运营策略进行调整，如修改关键词、优化推广图片、修改商品详情页等，此时应进行优化前后的比较，否则就无法判断调整的效果。通过比较分析，可以直接观察到目前的运营水平，一方面找到当前已经处于优秀水平的方面，后续予以保持；另一方面及时发现当前的薄弱环节，重点突破。四、相关分析法相关分析研究的是2个或2个以上随机变量之间是否存在某种依存关系，并对具体有依存关系的现象探讨其相关方向和相关程度。相关关系是一种非确定性的关系，具有随机性。例如：商品需求量的影响因素，除了价格外，还受消费者的影响，因此，不能完全根据商品的价格求出需求量。（一）相关分析法的概念四、相关分析法相关分析可分为线性相关（也称直线相关）和非线性相关（也称曲线相关），最常用的是线性相关如下图所示：四、相关分析法相关系数是反映变量之间线性关系的强弱程度的指标，相关系数的绝对值越大，相关性越强，相关系数越接近于1或-1，相关度越强，相关系数绝对值越接近于0，相关度越弱。相关系数绝对值的范围在0.8-1.0之间，两变量间极强相关；相关系数绝对值在0.6-0.8之间，两变量间为强相关；相关系数绝对值在0.4-0.6为中等程度相关；相关系数绝对值在0.2-0.4范围内，为弱相关；相关系数绝对值在0.0-0.2之间，两变量极弱相关或无相关。利用Excel数据工具库中的相关分析,能找出变量之间所存在的相关系数。（二）相关系数四、相关分析法案例：某网店某商品月销售及费用统计表，假设支付商品件数与推广费用之间存在线性相关关系，要求：计算支付商品件数与推广费用的相关系数。（三）相关系数的求解五、回归分析法回归分析法是由一个或一组非随机变量来估计或预测某一个随机变量的观测值时,所建立的数学模型及所进行的统计分析,称为回归分析。回归分析是定量预测分析的一种方法。因变量（y）：被预测或被解释的变量成为因变量；自变量（x）：用来预测或用来解释因变量的一个或多个变量称为自变量。例如:子女身高（y）与父亲身高（x）之间的关系；收入水平（y）与受教育程度（x）之间的关系；粮食亩产量（y）与施肥量（x1）、降雨量（x2）、温度（x3）之间的关系；（一）回归分析的概念五、回归分析法按照自变量的多少,分为一元回归分析与多元回归分析之分；按照自变量和因变量之间的关系类型,分为线性回归分析和非线性回归分析。（二）回归分析的分类五、回归分析法回归直线的拟合优度：是指回归直线对观测值的拟合程度。显然，若观测点离回归直线近，则拟合程度好；反之则拟合程度差。R2度量拟合优度的统计量是可决系数（亦称判定系数）。R2的取值范围是[0,1]。R2的值越接近1，说明回归直线对观测值的拟合程度越好；反之，R2的值越接近0，说明回归直线对观测值的拟合程度越差。一般认为超过0.8的模型拟合优度较高。（三）回归直线的拟合优度五、回归分析法（三）回归直线的拟合优度Excel中使用图表分析进行回归问题的求解：案例:某种合成纤维的强度与其拉伸倍数之间存在一定关系,下表(“线性回归分析”工作表)是实测12个纤维样品的强度y与相应的拉伸倍数x的数据记录。试求出它们之间的回归关系。六、时间序列分析法（一）时间序列分析法的概念时间序列分析法就是应用数理统计方法对相关数据进行处理，以预测未来事物发展变化的一种方法。时间序列预测一般反映三种实际变化规律:趋势变化、周期性变化、随机性变化。六、时间序列分析法（二）时间序列的测定1.长期趋势：长期趋势是指时间序列在一段较长的时期内呈现出来的持续向上或持续向下的变动状况。长期趋势常用平滑法和回归分析法来测定。2.季节变动：季节变动是指时间序列在一年内重复出现的周期性波动。它是受到气候条件、生产条件、节假日或人们的风俗习惯等