大数据分析期末大作业报告.docx
《大数据分析期末大作业报告.docx》由会员分享，可在线阅读，更多相关《大数据分析期末大作业报告.docx（18页珍藏版）》请在冰点文库上搜索。
大数据分析期末大作业报告
浙江万里学院物流与电子商务学院
（2019-2020学年第二学期）
《大数据分析》期末大作业报
告学生（学号）：
班级：
大数据分析》期末大作业报告目录
第一章数据处理第二章分析软件说明
第三章产品进行成交量趋势分析
第四章每种产品占比（市场容量）分析
4.1每种产品销售额占比分析
4.2每种产品成交量占比分析
第五章优质商品数与成交量，销售额之间的关系探索分析
5.1探索分析方法及其原理
5.2优质商品数与成交量之间的关系分析
5.3优质商品数与销售额之间的关系分析
第六章预测分析
6.1预测分析方法一
6.2预测分析方法二
第七章总结与心得体会
第一章数据处理
数据与我们的社会是密切相关的。
我们需要的数据。
然而，这些数据有时是非常复杂的，但我们可以简化和方便的处理。
数据处理是指收集、储存、检索、处理，利用科学上健全和统一的数据计算和处理方法，转换和传播大量复杂而难以理解的数据，这些数据随后转化为非常准确和宝贵的数据，供用户使用，使他们更好地理解数据对我们生活的价值，为了实现最大的利润，产品和战略可以在以后的阶段进行改进或监测。
第二章分析软件说明
Excel是数据处理。
是一款功能强大且易于使用的软件，它来自于微软简单易用的功能它来自不仅用于商业应用，也用于各种教学活动，已成为人们日常的统计工作得到广泛支持，以及已用・Excel具有数据模型、图表类型、公式、数据透视表等多种功能，可以完成人们的日常工作Excel.Excel文件也可用于数据收集和重用在这项工作人们可以做不同的计算，各种图表和其他操作我吃东西。
将使用Excel中的数据透视表、回归分析等工具，熟练分析不同的图表、预测数据和不同的功能数据。
第三章产品进行成交量趋势分析
我们可以看到，本表是2015年1月至2016年9月化妆品销售额、销售量、成交量和
优质商品数的部分数据。
我们使用此表按产品类别对产品进行分类，以便进行数据分析。
每种产品的成交量趋势分析图都是采用折线图，趋势线是一个线性分析，用线性方法可以更直接地能看到增长或者下降的趋势。
（1）BB霜。
从图上可以看出2015/01-2015/02和2016/02-2016/03是快速上升的趋
势，这两个阶段是处于最显眼的位置。
而2015/03-2016/01整体趋势较为平稳，但是总体趋势还是稍微呈下降趋势的。
而2016/03-2016/09的趋势中除去中间的明显上升阶段，其他都是处于下降趋势的。
可以说明BB霜春夏时期的需求会比其他时期的需求量增大。
3.8
2）F区护理套装・从图上可以看岀从F区护理套装的成交量整体是呈平稳的上升趋势。
成
交量总体都是在增长的。
但是中间也有处于下降的趋势
（3）袋装面膜粉。
从图上看出2015/01-2016/10整体趋势都较平稳，成交量没有较大起伏。
整体往缓慢上升趋势，波动不大。
可以看出顾客在天气较为干燥的时候，对袋装面膜的需求量就会变高。
4）防晒霜°从图中可以很直接的看岀，防晒霜对于大部分人来说是属于季节性产品，每年3月至7月的销量也是最多的。
说明天气越炎热，买的顾客也就越多。
（5）护手霜。
这个护手霜的成交量波动还是挺大的，有较大的起伏。
在天气冷的时候，成交量也极速增加。
■re
0
（6）洁面乳液。
可以看出总体的成交量都是处于备高的水平，总体成交量呈上升趋势，预
测之后的成交量还是总体会呈上升的趋势，但是幅度依旧不会很大。
—。
沽田1矶戒
（7）口红/润唇膏。
这款护肤品波动幅度大，总体的成交量也是处于不好推测的阶段。
不过在8月至11月是大幅度上升状态。
（8）而部去角质。
从图上可以看出，总体的趋势也是处于上升的。
按之前的趋势推测
2016年09月之后的趋势，应该整体也是上升的，但是幅度不大
（10）男士护肤霜。
可以看出男士护肤霜到2016年09月的成交量是很大的。
现在的男士护肤这块也是相对注重的，所以到2017年这个趋势也是会一直增长的。
■如（：
UM>
11）皮肤护理套件。
可以很直接的看岀，这类护肤品成交量也是征途属于增长阶段的
但是波大会有些大。
看出了春季的时候，成交量增
（12）其他护肤品。
可以看岀这类护肤品总体的成交量都没有很高的阶段，总是处于在
200000上下，浮动也较小。
（13）其他脸部肌肤护理。
这类护肤品可以看出总体趋势是呈现缓慢上升的。
前段的波动
幅度总体不大。
但是之后的一段时间波动则变大了。
年后
14）其他手部肌肤护理。
从图可以看出2015/01-2016/02成交量都不是很好，16年才有开始上升的趋势，但是之后又有开始急速下降趋势。
（15）爽肤水/卸妆水。
可以看出爽肤水/卸妆水波动幅度不大，并且成交量处于稳定值，仅在2016/02-2016/03期间快速上升。
之后总体的趋势应该也是教育平稳的。
（16）卸妆精油。
从图可以看岀这款产品比卸妆水的波动要稍微大一些，但是整体的趋势
和卸妆水是比较相似的。
但成交量会比卸妆水弱。
这款产品和卸妆水都可以认为是日常必
歪口
ri*min
..**■
（17）修复精华露。
这类产品整体为上升趋势。
之后的趋势应该也是呈上升趋势的,
总体的成交量也应为上升的。
18）眼部精华液。
从2015/02-2016/01都是较为平稳的阶段，没有明显的大起
后的波动幅度会有点大。
Li
VOODOO
第四章每种产品占比（市场容量）分析
4.1每种产品销售额占比分析
可以先处理每个产品的销售数据，用公式计算总销售额，然后计算每类产品的占比。
总占比为100%o
通过观察，从下面的图中可以看出，因为护肤的种类也比较多，没有哪一项的占比是总体
占大部分的。
其中，BB霜是这么多项中占比最少的，在饼图中的存在感太少太少了，约是
0%o而皮肤护理套件的占比是最高的，约为15.74%,之后占比较大的就是面霜/
肌底液，约为12%。
4・2每种产品成交量占比分析
与上述的方法类似，先把占比计算出来，之后插入数据透视表，再制作出饼图。
总占比为
100%o
通过观察，从下面的图中看出，在这么多产品的成交量的占比中可以发现，袋装面膜
粉的占比最多越达16%,其次是面霜/肌底液约占12%o占比最少的依旧是BB霜。
也可以用百分比的占比很容易分析出各类产品的成交量为多少。
第五章优质商品数与成交量，销售额之间的关系探索分析
5.1探索分析方法及其原理
相关关系是不同现象之间的一种具体联系，但数量上的关联并不是严格相互依存的，也就是说，它们是相互关联的。
当变量被定义为一个值，另一个变量在一定程度上受到随机波动的影响并且是不确定的。
例如，产品分销收入与广告费用之间存在联系，这是相关的，但又不是严格确定的一一对应关系。
方法：
利用变量间的相关类型绘制离散图和相关表，判断相关系数计算范围。
相关系数越接近1,密切程度就越密切。
根据相关分析，回归分析描述了变量对变量的线性依赖关系。
5・2优质商品数与成交量之间的关系分析
首先，将优质商数和成交量复制到一个新的表中，进行数据分析，选择回归分析，再选择数据，就可以得到结果。
质商品数与成交量两者显著相关。
5.3优质商品数与销售额之间的关系分析
与上题步骤类似，通过数据分析，可以得到相关系数r的值为0.583354，说明了优质
商品数和销售额是显著相关的。
也可以看出优质商品数越多，销售额也就越高，优质商品数和成交量是成正比关系的，和销售额也成正比关系。
第六章预测分析
6・1预测分析方法一
这里选择了几个肤护品来说明。
我选择的是时序预测法来预测。
预测16年10月到17
年06的销售额。
方法一我选择时序预测法，首先将某一类产品的日期和成交量复制到一个新的表中，然后进行数据处理，选择预测工作表，选择日期，点击创建。
这样商品16年10月到17年6月的预测成交量就完成了。
1）BB霜的预测成交量。
从图上可以看到红色部分，其并没有上升和下降的趋势，而
是处于一个很平稳的状态。
2）皮肤护理套件的预测成交量。
从图上可以直观的看到预测成交量的趋势还是呈现上升
趋势
3）卸妆精油的预测成交量。
4）袋装面膜粉的预测成交量。
5）防晒霜的预测成交量。
100000000
50000000
0
n
Sf言下WW肖些幽
6）洁面乳液的预测成交量。
7）口红/润唇膏的预测成交
JS-里。
6.2预测分析方法二
方法二，我选择采用的是移动平均法。
首先，将某一类型产品的日期、销售额和成交量复制到新的表中，然后进行处理。
然后选择数据分析中移动平均，在输入区域选择销售额，再选择输出区域，结果就会岀现。
预测成交量也是如此。
由于护肤品品种很多，这里选择了几个肤护品来说明。
1）BB霜的预测销售额和预测成交量。
$573U13絆“均“甜2,2729
2）袋装面膜粉的预测销售额和预测成交量。
人―r
1）00000
lOOtKKXX
5^oceo（
-4-Xb8
（3）护手霜的预测销售额和预测成交量
第七章总结与心得体会
现在可以说，大数据时代已经到来。
如何应对知识大时代的机遇和挑战，这也是当前学生必须面对的一个课题。
计算机技术和互联网技术的飞速发展，使我们每天都面临着大量的数据。
现在每天都会产生很多不同的数据，数据本身有潜在的价值，但价值是相对分散的。
由此可见，有关高速生产的数据也是需要高速处理的。
大数据是在一定时间内对零碎的海量数据进行过滤和分析，并将其组织成有用的信息来帮助用户，更好地完成他们的决定与大数据可以帮助企业决策者快速感受到市场需求的变化，使他们对企业有更强的感知力，使他们更具竞争力。
我意识到这门课程是很有实用性的，在这门学科中可以学习到很多数据处理的知识，感觉受益匪浅。
在大学生活中的其他时候，也依旧要保持学习的自觉性，还是要改善自己的不足，并且要保持一个好的态度去学习。
升级会员 