《电子商务数据分析与应用》教学教案.docx
《《电子商务数据分析与应用》教学教案.docx》由会员分享，可在线阅读，更多相关《《电子商务数据分析与应用》教学教案.docx（62页珍藏版）》请在冰点文库上搜索。
电子商务数据分析与应用教案
电子商务数据分析与应用
教案
2
目录
第1章绪论 1
第2章电子商务数据分析模型 6
第3章电子商务数据分析方法 12
第4章数据的采集 19
第5章数据导入与预处理 25
第6章数据可视化 31
第7章电子商务行业数据分析 38
第8章电商客户数据分析 44
第9章商品数据分析 52
第10章电商运营数据分析 59
第1章绪论
“电子商务数据分析与应用”课程混合式教学方案
（课前）BlackBoard系统+（课中）理论授课+（课后）雨课堂测试
课程名称：
电子商务数据分析与应用
任课教师：
屈莉莉
开课单位：
航运经济与管理学院
教学对象：
电子商务专业2020级
章节名称：
第1章绪论
教学目标：
1.理解电子商务数据分析的相关概念与意义
2.熟悉电子商务数据分析的流程和原则
3.了解电子商务数据分析的主要任务
重点难点：
1.理解电子商务数据分析与应用的相关概念
2.认识电子商务数据分析的流程
3.理解电子商务数据分析与应用的意义
教学安排：
教学环节
教学内容
教学工具
（1）课堂教学OFFICE工具；
（2）雨课堂：
实施反馈与课后测试
教学任务
1.1电子商务数据分析与应用的概念及意义
1.2电子商务数据分析与应用的流程及原则
1.3电子商务数据分析与应用的主要任务
思维导图
内容引入
通过案例进行本章内容的导入。
阿迪达斯的“黄金罗盘”的案例中，阿迪达斯借助数据分析，让数据说话，帮助经销商选择最适合的产品。
阿迪达斯得出了哪些潜在有价值的结论呢？
数据分析有效帮助阿迪达斯重新定义产品供给组合，在适当的时机，将符合消费者口味的产品投放到相应的区域市场之中。
授新环节
1.1电子商务数据分析的概念及意义
1.1.1电子商务数据分析的相关概念
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。
1.1.2电子商务数据分析的意义
优化市场定位；优化市场营销；助力电子商务企业的收益管理；协助创造客户新的需求
1.2电子商务数据分析的流程及原则
1.2.1电子商务数据分析的流程
确定分析目的与框架；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
1.2.2电子商务数据分析的原则
科学性，系统性，针对性，实用性，趋势性
1.3电子商务数据分析的主要任务
1.3.1行业分析
行业分析通常由营销、运营岗位完成，该岗位可设置在营销部、运营部，与数据开发部、公司战略管理部等均有配合及合作。
1.3.2客户分析
客户分析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。
1.3.3产品分析
产品分析流程包括竞争对手分析、客户特征分析、产品需求分析、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。
1.3.4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。
内容小结
本章主要介绍了电子商务数据分析的基本原理，包括电子商务数据分析的相关概念、意义、流程、原则、主要任务。
电子商务数据分析能帮助企业实现由“产品驱动”向“数据驱动”转型。
电子商务数据分析包括确定分析目的与框架、收集数据、数据处理与集成、数据分析、数据可视化、撰写分析报告六个环节
电子商务数据分析兼具科学性、系统性、针对性、实用性和趋势性的原则。
电子商务数据分析与应用的主要任务可以归纳为行业分析、客户分析、产品分析和运营分析四大类。
课后作业
1.判断题
（1）数据分析只有有了大数据才能做。
（2）EDA进行分析之前一般都有预先设定的模型，侧重于已有假设的证实或证伪。
（3）数据分析是为了提取有用信息和形成结论而对数据加以详细研究和概括总结的过程。
（4）数据越多代表信息也就越多。
（5）CDA是指对已有的数据在尽量少的先验假定下进行探索，侧重于在数据之中发现新的特征。
2.单选题
（1）商务数据分析的流程依次是（）
A.确定目的与框架、收集数据、数据处理与集成、数据分析、数据可视化、撰写报告
B.确定目的与框架、数据处理与集成、收集数据、数据分析、数据可视化、撰写报告
C.确定目的与框架、收集数据、数据处理与集成、数据可视化、数据分析、撰写报告
D.确定目的与框架、数据可视化、数据收集、数据处理与集成、数据分析、撰写报告
（2）数据收集阶段，内部渠道不包括（）
A.顾客的购买记录B.客户访谈C.客户问卷调查D.产品展销会
（3）（）数据分析是指对已有的数据在尽量少的先验假定下进行探索，侧重于在数据之中发现新的特征。
A.探索性B.验证性C.定性D.客观
（4）电子商务数据分析的原则不包括（）
A.针对性B.实用性C.高效性D.系统性
（5）（）分析是把一组数据按照相似性和差异性分为几个类别。
A.回归B.分类C.聚类D.关联
3.多选题
（1）数据分析流程中的数据处理与集成阶段，处理的对象包括（）
A.残缺数据B.错误数据C.重复数据D.外部数据
（2）电子商务数据分析的主要任务包括（）
A.行业分析B.客户分析C.产品分析D.运营分析
（3）元数据可以分为（）
A.固有性元数据B.操作性元数据C.描述性元数据D.管理性元数据
（4）下列属于大数据的特点的是（）
A.规模性B.有效性C.多样性D.高速性
（5）云计算包括的层次有（）
A.IAASB.PAASC.MAASD.SAAS
4.简答题
（1）简述数据分析的含义。
（2）简述大数据的作用。
（3）简述电子商务数据分析的基本流程。
（4）简述电子商务数据分析的主要原则。
（5）电子商务数据分析有哪几类主要任务？
5.案例题
矿泉水是传统快消品（快速消费品）类目销量最大的商品之一。
农夫山泉在全国有十多个水源地。
一瓶超市售价2元的550ml饮用水，其中3毛钱花在了运输上。
自2011年起，农夫山泉对接SAP的创新性数据库平台SAP Hana，同等数据量的计算速度从过去的24小时缩短到了0.67秒，近乎实时计算的结果使农夫山泉实现精准的物流成本管控。
农夫山泉在全国范围内的10000多名业务员每天将采集到的100GB图片、视频、声频传回杭州总部，有了强大的数据分析能力做支持后，农夫山泉近年保持着30%～40%的年增长率。
根据上述案例思考以下问题：
（1）农夫山泉在采集数据时所使用的方法；
（2）分析数据时所使用的工具；（3）数据分析推动企业发展的作用与意义。
教学总结
（1）从课程思政的角度：
电子商务数据分析与思政教育紧密结合。
（2）从知识体系的角度：
电子商务数据分析是电子商务数据科学分析的基础。
本章是全书的绪论。
是对后续章节的导入和引入。
（3）从能力培养的角度：
综合运用数学、计算机、信息科学、经济学、管理学的知识，培养全方位高素质人才。
效果评估
（1）通过理论课堂教学，进行师生互动，在课程讲授过程中，实时发布测试题目和课堂提问，掌握学习效果；
（2）通过课程微信群，了解学生的学习动态并及时发布课程测试题目；
（3）通过雨课堂发布测试题，评估学生学习效果，并记录到平时成绩之中。
60
第2章电子商务数据分析模型
“电子商务数据分析与应用”课程混合式教学方案
（课前）BlackBoard系统+（课中）理论授课+（课后）雨课堂测试
课程名称：
电子商务数据分析与应用
任课教师：
屈莉莉
开课单位：
航运经济与管理学院
教学对象：
电子商务专业2020级
章节名称：
第2章电子商务数据分析模型
教学目标：
1.了解数据分析模型的概念和应用步骤
2.掌握PEST模型、5W2H模型、逻辑树模型
3.重点掌握漏斗模型
重点难点：
1.理解和应用PEST模型、5W2H模型、逻辑树模型的概念
2.根据电子商务运营数据计算和展现漏斗模型
教学安排：
教学环节
教学内容
教学工具
（1）课堂教学OFFICE工具；
（2）雨课堂：
实施反馈与课后测试
教学任务
2.1PEST模型
2.25W2H模型
2.3逻辑树模型
2.4漏斗模型
思维导图
内容引入
通过案例进行本章内容的导入。
新商盟系统的精准推荐
“新商盟系统”是烟草行业面向零售客户提供卷烟订购服务的电子商务网站。
为适应市场变化，满足零售客户的真实需求，应为其“量身定制”感兴趣的推荐内容，实现“千人千面”。
通过分析零售客户在新商盟系统中的行为数据，进而分析出其感兴趣的卷烟品规。
上述案例给我们什么样的启示呢？
推荐模型属于数据分析模型，模型是数据分析的基石。
数据分析模型的基本过程包括：
通过对问题整理分析，明确数据分析思路，设计分析框架，运用具体方法进行分析，最后得到结论为电子商务决策提供辅助支持。
授新环节
2.1PEST模型
2.1.1PEST模型的主要内容
PEST（P是政治Politics，E是经济Economy，S是社会Society，T是技术Technology）是对企业所处宏观环境进行分析的模型。
2.1.2基于PEST理论的案例分析
以“中国轻纺城”为例，通过从纺织业跨境电商发展的宏观环境出发，运用PEST分析模型探讨发展纺织业跨境电商外部环境的变化。
2.25W2H模型
2.2.15W2H分析法的核心要素
5W2H模型针对5个W（Why、What、Who、When、Where）以及2个H（How、Howmuch）提出7个关键词。
2.2.25W2H分析法的应用步骤
设计5W2H的相关问题；找出主要优缺点；决定设计新产品
2.2.35W2H分析法的应用案例
S是中国排名前五位的电子商务平台，销售各种电子产品。
某品牌M想要入驻电子商务平台S。
平台S是否要经销M品牌的电热水器呢？
应用5W2H模型进行谈判与决策。
2.3逻辑树模型
2.3.1逻辑树模型的基本内容
逻辑树又称问题树、演绎树或分解树，是分析问题最常使用的工具之一，它是将问题的所有子问题分层罗列，从最高层开始，并逐步向下扩展。
2.3.2三种逻辑树
常用的逻辑树主要有议题树、假设树和是否树三种类型。
这三种逻辑树的类型基本可以应对所有问题类型。
2.3.3基于逻辑树模型的案例分析
研究的主问题为“如何提高婴儿用品销量”，建立议题树的逻辑树模型。
2.4漏斗模型
2.4.1漏斗模型的相关概念
对于电子商务网站来说，转化率就是从当前一个页面进入到下一个页面的人数比率。
网站中的一些关键路径（KeyPath），即用户是为了某个目标而进入了一个相对标准的有序路径。
2.4.2漏斗模型
漏斗模型（FunnelModel）不仅显示了用户在进入流程到实现目标的最终转化率，同时还可以展示整个关键路径中每一步的转化率。
基于访问路径，漏斗模型衍生出“路径分析方法”，包括：
关键路径、扩散路径、收敛路径、端点路径。
2.4.3关于漏斗模型的应用案例
内容小结
本章主要学习电子商务数据分析模型，主要包括PEST模型、5W2H模型、逻辑树模型以及漏斗模型这四个重要的电子商务分析模型。
通过系统化地学习，能够在实际的电子商务数据分析中加以利用并得出有效的解决方案。
课后作业
1.判断题
（1）PEST是一种企业所处的宏观环境分析模型。
（2）PEST分析法的四个要素分别为政治环境、经济环境、法律环境和技术环境。
（3）5W2H是用户行为分析和业务场景分析的常用模型。
（4）5W2H模型可以准确界定、清晰表述问题，提高工作效率。
（5）当对问题提出假设方案进行验证时应使用是否树。
2.单选题
（1）以下不属于5W2H的核心要素的是（）
A.whatB.whoC.howmanyD.howmuch
（2）以下不属于逻辑树模型的三原则的是（）
A.要素化B.系统化C.框架化D.关联化
（3）在5W2H模型的What分析中不包括（）
A.是什么B.目的是什么C.客户是谁D.做什么工作
（4）漏斗模型中，如果访问某博主博客首页的用户有30人，而从首页点击进入本文的用户有12人，那么从首页到这篇文章的转化率为（）
A.无法计算B.30%C.40%D.50%
（5）在三种逻辑树模型中，适合于解决问题的初期阶段的模型为（）
A.议题树B.是否树C.论证树D.假设树
3.多选题
（1）PEST模型中，四个要素包括（）
A.政治环境B.经济环境C.社会环境D.技术环境
（2）属于PEST模型中技术环境的关键指标的是（）
A.专利个数B.研发费用C.技术传播速度D.重点支持项目
（3）以下可以被视为电子商务中的关键路径（）
A.注册流程B.购物流程C.客服过程D.浏览过程
（4）逻辑树的三种基本类型分别为（）
A.议题树B.是否树C.论证树D.假设树
（5）以下哪些指标，属于PEST分析中的社会环境（）
A.失业率B.出生率C.政府补贴水平D.购买习惯
4.简答题
（1）5W2H分析法的应用步骤。
（2）什么是PEST模型，该模型包含哪些主要方面？
（3）辨析逻辑树三种模型的主要区别。
（4）简述逻辑树模型的三个原则。
（5）5W2H分析法的主要内容。
5.案例题
（1）请分析在“逐步形成以国内大循环为主体、国内国际双循环相互促进的新发展格局”的背景下，我国电子商务产业发展的PEST模型。
（2）针对某一网上店铺购物流程中的5个主要环节，计算总体转化率和每环节转化率，并绘制漏斗模型。
教学总结
（1）从课程思政的角度：
电子商务数据分析与思政教育紧密结合。
（2）从知识体系的角度：
电子商务分析模型是更多的是从管理学的角度分析电子商务的战略决策与举措的方法。
建立多种分析模型，对电子商务管理具有重要的作用。
（3）从能力培养的角度：
综合运用数学、计算机、信息科学、经济学、管理学的知识，培养全方位高素质人才。
效果评估
（1）通过理论课堂教学，进行师生互动，在课程讲授过程中，实时发布测试题目和课堂提问，掌握学习效果；
（2）通过课程微信群，了解学生的学习动态并及时发布课程测试题目；
（3）通过雨课堂发布测试题，评估学生学习效果，并记录到平时成绩之中。
（4）通过BlackBoard平台，分享课程教学资源。
第3章电子商务数据分析方法
“电子商务数据分析与应用”课程混合式教学方案
（课前）BlackBoard系统+（课中）理论授课+（课后）雨课堂测试
课程名称：
电子商务数据分析与应用
任课教师：
屈莉莉
开课单位：
航运经济与管理学院
教学对象：
电子商务专业2020级
章节名称：
第3章电子商务数据分析方法
教学目标：
1.了解静态指标和动态指标的含义
2.掌握相关分析的计算过程
3.重点掌握一元线性回归的计算过程，了解多元线性规划和非线性回归的计算过程
4.重点掌握移动平均和指数平滑两种时间序列预测模型
5.了解聚类分析等数据挖掘算法的主要计算过程
重点难点：
1.能够正确区分电子商务主要数据指标属于分类
2.准确计算相关系数
3.计算线性回归模型的参数并建立回归模型
4.对时间序列数据进行移动平均和指数平滑处理
5.K-means聚类算法计算步骤与应用
教学安排：
教学环节
教学内容
教学工具
（1）课堂教学OFFICE工具；
（2）雨课堂：
实施反馈与课后测试
教学任务
3.1统计分析
3.2相关与回归分析
3.3时间序列分析
3.4聚类分析
思维导图
内容引入
通过案例进行本章内容的导入。
在一家超市中人们发现了一个特别有趣的现象：
尿布与啤酒这两种风马牛不相及的商品居然摆在一起。
但这一奇怪的举措居然使尿布和啤酒的销量大幅增加了。
这可不是一个笑话，而是一直被商家所津津乐道的发生在美国沃尔玛连锁超市的真实案例。
但是如何从浩如烟海却又杂乱无章的数据中，发现啤酒和尿布销售之间的联系呢？
这又给了我们什么样的启示呢？
这个案例说明通过分析商品大数据，利用能够找出商品之间关联关系的数据分析算法，进一步提取客户的购买行为，能够为商业决策提供辅助的决策支持。
授新环节
3.1统计分析
3.1.1静态分析指标
静态分析指标是用来说明社会经济现象数量特征的。
由于社会经济现象及其发展的复杂性，静态分析指标呈现多样性，可以将其归纳为四类：
总量指标、相对指标、平均指标和变异指标。
3.1.2动态分析指标
动态分析方法又称时间数列分析，主要用来描述和探索现象随时间发展变化数量规律性，也就是对处于不断发展变化的社会经济现象从动态的角度进行分析。
3.1.3统计指数
统计指数分析法是经济分析中广泛应用的一种方法。
最具代表性的就是关于物价指标的编制，即用现行价格与过去价格对比来反映价格的变化情况，后来过渡到综合反映多种商品价格的变动情况。
3.1.4抽样推断
抽样推断（SampleInference）是在抽样调查的基础上，利用样本的实际资料计算样本指标，并据以推算总体相应数量特征的一种统计分析方法。
3.2相关与回归分析
3.2.1相关分析
相关关系是指变量之间存在的一种不确定的数量依存关系，即一个变量的数值发生变化时，另一个变量的数值也相应地发生变化，但变化的数值不是确定的，而是在一定的范围内。
3.2.2回归分析
一元线性回归分析是处理两个变量x（自变量）和y（因变量）之间关系的最简单模型，研究是这两个变量之间的线性相关关系。
对多元线性回归模型（MultivariateLinearRegressionModel）的基本假设是在对一元线性回归模型的基本假设基础之上，还要求所有自变量彼此线性无关，这样随机抽取n组样本观察值就可以进行参数估计。
不少经济变量之间的关系为非线性的，可以通过变量代换把本来应该用非线性回归处理的问题近似转化为线性回归问题，再进行分析预测。
3.2.3相关分析与回归分析的应用
可安排上机实验的任务，利用Excel操作完成此部分内容的学习。
3.3时间序列分析
3.3.1时间序列数据
时间序列类型数据就是按照时间先后顺序排列各个观测记录的数据集。
3.3.2移动平均方法
一次移动平均法是在算术平均法的基础上加以改进，其基本思想是每次取一定数量周期的数据平均，按时间顺序逐次推进。
当序列具有线性增长的发展趋势时，用一次移动平均预测会出现滞后偏差，表现为对于线性增长的时间序列预测值偏低。
这时，可进行二次移动平均计算，二次移动平均就是将一次移动平均再进行一次移动平均来建立线性趋势模型。
3.3.3指数平滑方法
当时间序列的变动出现直线趋势时，用一次指数平滑法来预测存在着明显的滞后偏差。
修正的方法是在一次指数平滑的基础上再作二次指数平滑，利用滞后偏差的规律找出曲线的发展方向和发展趋势，然后建立直线趋势预测模型，即二次指数平滑法。
3.3.4季节指数方法
季节指数预测法是指变量在一年内以季（月）的循环为周期特征，通过计算变量的季节指数达到预测目的的一种方法。
3.3.5时间序列分析算法实例
可安排上机实验的任务，利用Excel操作完成此部分内容的学习。
3.4聚类分析
3.4.1聚类分析的定义
聚类（Clustering）是将数据划分成群组的过程，研究如何在没有训练的条件下把对象化分为若干类。
3.4.2k-means聚类方法
k-means算法接受输入量k，然后将n个数据对象划分为k个聚类以便使得所获得的聚类满足：
同一聚类中的对象相似度较高，而不同聚类中的对象相似度较小。
聚类相似度是利用各聚类中对象的均值所获得一个“中心对象”（引力中心）来进行计算的。
3.4.3聚类分析算法实例
设有数据样本集合为X={1,5,10,9,26,32,16,21,14}，将X聚为3类，即k=3。
随机选择前三个数值为初始的聚类中心，即z1=1，z2=5，z3=10。
（采用欧氏距离进行计算）
内容小结
本章主要学习与电子商务数据分析相关的模型方法，主要包括两大类，一类是统计分析，包括：
静态分析指标、动态分析方法、统计指数、抽样推断、相关与回归分析等内容。
另一大类是数据挖掘模型，主要是从大量的数据中发现隐含的、事先未知的、潜在的、有用的信息、知识、规则、规律或者模式，主要包括：
时间序列分析模型、聚类分析算法等。
课后作业
1.判断题
（1）总量指标属于静态分析指标。
（2）平均数动态数列是把一系列同类的相对指标数值按时间先后顺序排列而形成的。
（3）一般情况下，样本容量超过20个样本即可视为大样本。
（4）某次计算得到相关系数R为0.58，可认为两类变量之间存在显著相关。
（5）在指标平滑模型中，若认为近期影响高于远期影响，则α加权系数可大一些。
2.单选题
（1）以下不属于相对指标的为（）
A.倍数B.成数C.百分数D.中位数
（2）按照相关程度划分，以下不属于相关关系的为（）
A.完全相关B.正相关C.不相关D.不完全相关
（3）求解线性回归模型参数的方法称为（）
A.相关系数B.聚类分析C.最小二乘D.关联规则
（4）聚类算法停止的标志是（）收敛
A.聚类数B.聚类中心C.测度函数D.相似度
（5）能够在没有训练的条件下把对象化分为若干类的算法是（）
A.回归分析B.关联规则C.聚类分析D.分类分析
3.多选题
（1）以下属于平均指标的包括（）
A.算术平均数B.调和平均数C.众数D.中位数
（2）统计指数按所表示的特征不同，可以分为（）
A.数量指标指数B.定基指数C.质量指标指数D.动态指数
（3）以下属于按照形式分类的相关关系（）
A.线性相关B.非线性相关C.偏相关D.曲线相关
（4）以下可以被认为是时间序列数据的（）
A.股票价格B.每日气温C.心跳变化D.地震强度
（5）在聚类分析中，可以作为类间距离的方法（）
A.明氏距离B.欧氏距离C.马氏距离D.兰氏距离
4.简答题
（1）什么是变异指标？
（2）简述统计指数的作用。
（3）回归分析模型的主要形式。
（4）描述k-means聚类算法的主要过程。
（5）简述季节指数水平法的主要步骤。
5.案例题
（1）Target怀孕预测指数案例。
数据分析可以驱动市场营销、成本控制、产品和服务创新、管理和决策以及商业模式的创新。
Target顾客数据分析部高级经理AndrewPole根据Target迎婴聚会（babyshower）的登记表建立了一个购买商品与妊娠阶段之间的相关模型。
选出了25种典型商品的消费数据构建了“怀孕预测指数”，通过这个指数Targ
升级会员 