电子商务数据分析与应用-PPT课件（全）优质PPT.pptx
《电子商务数据分析与应用-PPT课件（全）优质PPT.pptx》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-PPT课件（全）优质PPT.pptx（465页珍藏版）》请在冰点文库上搜索。
云计算是一种资源交付和使用模式，通过网络获得应用所需的资源（硬件、平台、软件），提供资源的网络被称为“云”。
目前云计算包含三个层次的内容：
IaaS、PaaS和SaaS。
1.1.1电子商务数据分析的相关概念,5.数据挖掘数据挖掘又称数据库中的知识发现（KnowledgeDiscoverinDatabase，KDD），是目前人工智能和数据库领域研究的热点问题，所谓数据挖掘是指从数据库的大量数据中揭示出隐含的、先前未知的并有潜在价值的信息的非平凡过程。
数据挖掘是一种决策支持过程，它主要基于人工智能、机器学习、模式识别、统计学、数据库、可视化技术等，高度自动化地分析企业的数据，做出归纳性的推理，从中挖掘出潜在的模式，帮助决策者调整市场策略，减少风险，做出正确的决策。
利用数据挖掘进行数据分析常用的方法主要有分类、回归分析、聚类、关联规则、特征提取、变化和偏差分析、Web文本挖掘等。
1.1.1电子商务数据分析的相关概念,6.数据质量主要包括两方面：
数据的集成和数据的清洗，关注的对象主要有原始数据和元数据两方面。
数据的集成：
主要解决信息孤岛的问题，包括两方面：
数据仓库对元数据的集成和元数据系统对不同数据源中的元数据集成。
相应地，数据质量管理也关注两方面：
对数据仓库中真实数据的质量探查和剖析，以及对元数据系统中元数据的数据质量的检查。
元数据的管理目标是整合信息资产、支撑数据在使用过程中的透明可视，提升数据报告、数据分析、数据挖掘的可信度。
数据的清理：
数据质量处理主要是采用一些数据清洗规则处理缺失数据、去除重复数据、去除噪声数据、处理异常（但真实）的数据，从而保证数据的完整性、唯一性、一致性、精确性、合法性和及时性。
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,1.2.2电子商务数据分析的原则,1.2.1电子商务数据分析的流程,1确定分析目的与框架2收集数据3数据处理与集成4数据分析5数据可视化6撰写分析报告,1.2.2电子商务数据分析的原则,科学性：
科学方法的显著特征是数据的收集、分析和解释的客观性。
数据统计分析要具有同其他科学方法一样的客观标准。
系统性：
数据分析不是单个资料的记录、整理或分析活动，而是一个周密策划、精心组织、科学实施，并由一系列工作环节、步骤、活动和成果组成的过程。
针对性：
不同的数据分析方法，无论是基础的分析方法，还是高级的分析方法，都会有它的适用领域和局限性实用性：
电子商务数据分析是为企业决策服务的，在保证其专业性和科学性的同时也不能忽略其现实意义。
趋势性：
市场所处的环境是不断变化的，在进行电子商务数据分析时要以一种发展的眼光看待问题，眼光不能局限于当前现状与滞后指标，要充分考虑社会宏观环境、市场变化与先行指标。
1.3电子商务数据分析的主要任务,1.3.1行业分析1.3.2客户分析1.3.3产品分析,1.3.4运营分析,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。
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。
1.3.2客户分析,客户分析通常由客户运营岗位完成，该岗位设置在运营部，与市场部、品牌部、策划部、客服部、设计部、物流部等均有配合及合作。
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,产品分析通常由产品、客服岗位完成，该岗位设置在产品部、运营部、客服部，与设计部、美工部、生产部等均有配合及合作。
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,运营分析通常由产品、客服岗位完成，该岗位设置在产品部、运营部、客服部，与设计部、美工部、生产部等均有配合及合作。
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。
本章小结,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，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。
本章内容结束！
电子商务数据分析与应用,本章提纲,PEST模型,2.1,5W2H模型,2.2,逻辑树模型,2.3,漏斗模型,2.4,案例导入,基于SWOT分析的辽宁省企业电子商务发展策略研究,2.1PEST模型,2.1.1PEST模型定义2.1.2对行业、企业的PEST分析2.1.3案例分析,2.1.1PEST模型定义,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。
政治环境：
指一个国家的社会制度、执政党性质，以及政府的方针、政策、法令等。
经济环境：
分为宏观和微观两个方面，宏观上指一个国家的人口数量及其增长趋势、国民收入、国民生产总值及变化情况；
微观上指企业所在地区的消费者收入水平、消费偏好、储蓄情况、就业程度等因素。
社会环境：
指一个国家或地区的居民受教育程度和文化水平、宗教信仰、风俗习惯、审美观点、价值观等。
技术环境：
指与企业所处领域直接相关的技术手段的发展变化、国家对科技开发的投资和支持重点、该领域技术发展动态和研究开发费用总额、技术转移和技术商品化速度、专利及其保护情况等。
2.1.2对行业、企业的PEST分析,2.1.3案例分析,政治环境？
经济环境？
社会环境？
技术环境？
问题背景：
纺织业的发展在中国历史久远，属于传统产业，国内拥有着较大的纺织品需求量，同时外国市场对中国纺织品依赖度高。
但是由于受近年来经济危机的影响，纺织品外部市场开始呈现出萎缩的状态。
各个国家为了保护当地纺织业不受中国市场的冲击，不断提高贸易壁垒。
我国虽然具有较为完整的产业链条，但是行业内竞争激烈，导致纺织品同质化问题严重。
近年来，跨境电商的快速发展为中国纺织业转型升级指明了方向。
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。
2.1.3案例分析,政策层面：
国家层面的政策支持地方层面的政策支持经济层面产业经济基础方面产业结构方面社会层面：
消费者生活方式的变化人口因素方面技术层面“互联网+贸易”综合化电商,2.25W2H模型,2.2.15W2H分析法的核心要素2.2.25W2H分析法的应用步骤2.2.3案例分析,2.2.15W2H分析法的核心要素,5W2H分析法又叫七问分析法，由二战中美国陆军兵器修理部首创。
5W2H模型针对5个W（Why、What、Who、When、Where）以及2个H（How、Howmuch）提出7个关键词进行数据指标的选取，再根据选取的数据进行分析。
Why：
为什么？
为什么要这么做？
理由何在？
原因是什么？
Who：
谁？
由谁来承担？
谁来完成？
谁负责？
When：
何时？
什么时间完成？
什么时机最适宜？
How：
怎么做？
如何提高效率？
如何实施？
方法是什么？
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？
What：
什么？
目的是什么？
做什么工作？
Where：
何处？
在哪里做？
从哪里入手？
2.2.25W2H分析法的应用步骤,
（1）设计5W2H的相关问题
（2）找出主要优缺点（3）决定设计新产品,2.2.3案例分析,Why？
What？
Who？
When？
Where?
How？
Howmuch?
问题背景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2.3.2三种逻辑树2.3.3基于逻辑树模型的案例分析,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。
把一个已知问题当成树干，然后开始考虑这个问题和哪些相关问题有关。
每想到一点，就给这个问题所在的树干加一个“树枝”，并标明这个“树枝”代表什么问题。
一个大的“树枝”上还可以有小的“树枝”，如此类推，找出与问题相关联的所有项目。
构建逻辑树模型的原则：
要素化框架化关联化,2.3.2三种逻辑树,
（1）议题树议题树的主要形式是先提出一个问题，然后将这一问题细分为多个与其内在逻辑相联系的副议题。
有以下注意事项：
相邻层级具有逻辑上的内在直接联系；
同一层级上的内容需要满足相互独立、完全穷尽的原则。
议题树的特点在于它比较可靠，但是实施的过程比较缓慢，通常用于解决问题的初期阶段。
2.3.2三种逻辑树,
（2）假设树假设树的主要形式是先假设一种解决方案，然后通过已有论据对该方案进行证明。
对于某种假设方案，只有当所有论点都支持该方案时，该假设方案可以得到验证，否则会被推翻。
假设树的特点在于它的处理方式比议题树更快，解决问题的效率更高，通常用于对问题有了足够了解的阶段。
2.3.2三种逻辑树,（3）是否树是否树主要形式是先提出一个问题，然后对这一问题进行判断分析，分析的结果只有两种，非“是”即“否”。
是否树的特点在于它简单明了，对问题的解决能够果断标准，不拖泥带水。
在判定过程中，只要根据标准去衡量得到的结果是否符合即可。
对问题不仅足够了解，且针对一些结果已经有了标准方案，需要在方案中进行选择时，使用是否树。
2.3.3基于逻辑树模型的案例分析,问题背景建立逻辑树模型分析提高婴儿用品销量的方法。
某电商平台主要销售婴儿用品，为提高婴儿用品销量，结合营运情况和用户画像构建逻辑树模型。
2.4漏斗模型,2.4.1漏斗模型的相关概念2.4.2漏斗模型2.4.3关于漏斗模型的应用案例,2.4.1漏斗模型的相关概念,转化率：
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。
关键路径分析：
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，用户的目标就是为了到达“出口”，而不是随意游荡。
如电子商务网站的注册流程、购物流程，应用型网站的服务使用流程等可被视为关键路径。
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。
每一条路径都是一个漏斗。
通过对关键路径（比如注册流程、购物流程等）转化率的分析，来确定整个流程的设计是否合理，各步骤的优劣，是否存在优化的空间等，进而提高最终目标的转化率。
2.4.3关于漏斗模型的应用案例,针对电子商务网站的一般购物流程，计算各个阶段的转化率并绘制漏斗模型。
（1）构建用户访问的关键路径
（2）计算关键路径的转化率（3）绘制漏斗模型,本章知识小结,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。
电子商务数据分析与应用,本章提纲,统计分析,3.1,相关与回归分析,3.2,时间序列分析,3.3,聚类分析,3.4,思维导图,案例导入,神奇的购物篮分析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。
原来，美国的妇女通常在家照顾孩子，所以她们经常会嘱咐丈夫在下班回家的路上为孩子买尿布，而丈夫在买尿布的同时又会顺手购买自己爱喝的啤酒。
这个发现为商家带来了大量的利润，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。
案例来源：
高勇.啤酒与尿布:
神奇的购物篮分析M.清华大学出版社,2008.11.,3.1统计分析,3.1.1静态分析指标3.1.2动态分析指标3.1.3统计指数3.1.4抽样推断,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。
总量指标是反映社会经济现象在一定时间、地点和条件下的总体规模或水平的统计指标。
它的表现形式为绝对数，故又称为统计绝对数。
例如，某家淘宝店铺的总营业额、员工总数、产品销售总量等，都是反映现象的总量，均可视为总量指标。
两个有联系的统计指标的比率称为相对指标。
与总量指标伴随有量纲单位不同，相对指标在绝大多数情况下采用无名数标识。
无名数是一种抽象化的数值，多用倍数、系数、成数、百分数等表示。
平均指标是同类社会经济现象总体内各单位某一数量标志在一定时间、地点和条件下数量差异抽象化的代表性水平指标，其数据表现为平均数。
平均指标可以反映现象总体的综合特征，也可以反映各变量值分布的集中趋势。
平均指标按计算和确定的方法不同，可分为算术平均数、调和平均数、众数和中位数等。
变异指标是综合反映总体各单位标志值变异程度的指标。
它显示总体中变量数值分布的离散趋势，是说明总体特征的另一种重要指标，与平均数的作用相辅相成。
变异指标的计算包括：
极差、四分位差、平均差、标准差和方差等。
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。
动态数列是指将同类指标在不同时间上的数值按时间的先后顺序排列起来形成的统计数列，又称为时间数列，是一种常见的经济数据表现形成。
动态数列可主要分为三类：
绝对数动态数列：
把一系列同类的总量指标按时间先后顺序排列而形成的动态数列。
相对数动态数列：
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动态数列。
平均数动态数列：
把一系列同类的平均指标数值按时间先后顺序排列而形成的动态数列。
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。
统计指数的作用：
综合反映复杂社会经济总体在时间和空间方面的变动方向和变动程度。
分析和测定社会经济现象总体变动受各因素变动的影响。
研究平均指标指数变动及其受水平因素和结构因素变动的影响。
统计指数按照不同的研究目的和要求，可以作如下各种分类：
个体指数和总指数数量指标指数和质量指标指数动态指数和静态指数定基指数和环比指数综合指数和平均指数,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。
抽样推断的作用主要包括：
在无法进行全面调查或进行全面调查有困难时，可以用抽样调查来推断总体；
采用抽样调查可以节省费用和时间，提高调查的时效性和经济效果；
可用来对全面资料的检验和修正；
可以用于工业生产过程的质量控制；
可以对某种总体的假设进行检验来判断这种假设是否正确，以决定行动的取舍抽样推断的内容全及总体和样本总体总体参数和样本统计量样本容量和样本个数重复抽样和不重复抽样,3.2相关与回归分析,3.2.1相关分析3.2.2回归分析3.2.3相关分析与回归分析的应用,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。
3.2.1相关分析,相关关系的种类
（1）按程度分类完全相关：
两个变量之间的关系，一个变量的数量变化由另一个变量的数量变化所惟一确定，即函数关系。
不完全相关：
两个变量之间的关系介于不相关和完全相关之间。
不相关：
如果两个变量彼此的数量变化互相独立，没有关系。
不相关,完全相关,不完全相关,3.2.1相关分析,相关关系的种类
（2）按方向分类正相关：
两个变量的变化趋势相同，从散点图可以看出各点散布的位置是从左下角到右上角的区域，即一个变量的值由小变大时，另一个变量的值也由小变大。
负相关：
两个变量的变化趋势相反，从散点图可以看出各点散布的位置是从左上角到右下角的区域，即一个变量的值由小变大时，另一个变量的值由大变小。
正强相关,正弱相关,负强相关,负弱相关,3.2.1相关分析,相关关系的种类（3）按形式分类线性相关（直线相关）：
当相关关系的一个变量变动时，另一个变量也相应地发生均等的变动。
非线性相关（曲线相关）：
当相关关系的一个变量变动时，另一个变量也相应地发生不均等的变动。
非线性相关,线性相关,3.2.1相关分析,相关关系的种类（4）按变量数目分类单相关：
只反映一个自变量和一个因变量的相关关系。
复相关：
反映两个及两个以上的自变量同一个因变量的相关关系。
偏相关：
当研究因变量与两个或多个自变量相关时，如果把其余的自变量看成不变（即当作常量），只研究因变量与其中一个自变量之间的相关关系，就称为偏相关。
3.2.1相关分析,相关系数R（SampleCorrelationCoefficient）是描述变量x与y之间线性关系密切程度的一个数量指标。
其中，R=1是完全正相关，R=-1是完全负相关，R=0为不相关。
查相关系数临界值表,若RR（n2），则线性相关关系显著，通过检验，可以进行预测；
反之，没有通过检验。
若不查表，通过经验判断，则R的范围在0.3-0.5是低度相关，R的范围在0.5-0.8是显著相关，R的范围在0.8以上是高度相关。
3.2.2回归分析,1.一元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。
上式称为一元线性回归模型（OneVariableLinearRegressionModel），其中：
u是一个随机变量称为随机项；
可通过最小二乘法求得a,b两个常数，称为回归系数（参数）；
i表示变量的第i个观察值，共有n组样本观察值。
3.2.2回归分析,2.多元回归分析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。
3.2.2回归分析,3.非线性回归分析在许多实际问题中，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。
五种常见的非线性模型及线性变换的方式,3.2.3相关分析与回归分析的应用,某网点通过付费流量的推广，某网店的运营总监认为：
店铺的付费流量投入与用户访问量、网店利润是正相关的。
同时，流量、访问量与网店利润的变化均存在一定联系。
利用Excel对下表所示的数据进行相关分析与回归分析。
3.2.3相关分析与回归分析的应用,1.相关分析的操作选择“相关系数”功能设置“相关系数”的相关参数,相关系数的结果,3.2.3相关分析与回归分析的应用,2.回归分析的操作
（1）利用Excel图表进行回归分析绘制散点图,设置散点图的横坐标,3.2.3相关分析与回归分析的应用,2.回归分析的操作
（1）利用Excel图表进行回归分析添加线性趋势线的选项添加趋势线的效果图,3.2.3相关分析与回归分析的应用,2.回归分析的操作
（2）应用数据分析的“回归”功能回归分析功能,一元
升级会员 