項目七商務數據分析與應用任務1商務數據基本分析方法概述一、描述性數據分析方法描述性數據分析法即對調查總體所有變量的有關數據進行直觀性描述，簡單來說就是將一系列復雜的數據集用幾個有代表性的數據進行描述，進而能夠直觀的解釋數據的變動。描述性數據分析方法包括數據的離散程度分析、集中趨勢分析、頻數分析、分布以及一些基本的統計圖形等。（一）直接數據觀察法一、描述性數據分析方法所謂直接數據觀察法，是指借助各種數據平臺展示的數據內容,直接觀察數據的大小、異常等情況。一般而言，對于基礎的數據分析來說,利用直接觀察法，能有效的提高數據信息處理的效率。（二）描述性特征值分析法一、描述性數據分析方法描述性指標特征值包括均值、標準差、最大值、最小值、極差、中位數、眾數、變異系數等。仍以上述某電腦公司業務人員某月某IT產品銷售情況為例，通過描述性統計特征值進行分析。（二）描述性特征值分析法一、描述性數據分析方法第一步，數據準備。打開Excel表格，準備一些需要操作的數據，如圖7-1-2所示（二）描述性特征值分析法一、描述性數據分析方法第二步，在左上角點擊“文件”，尋找到“選項”的按鈕并點擊，如圖7-1-3所示。（二）描述性特征值分析法一、描述性數據分析方法第三步，在彈窗中選擇“加載項”，設置完成后，點擊“轉到”按鈕，如圖7-1-4所示。（二）描述性特征值分析法一、描述性數據分析方法第四步，設置完成后返回excel界面，點擊“數據”尋找到“數據分析”并點擊，如圖7-1-5所示。（二）描述性特征值分析法一、描述性數據分析方法第五步，在彈出的彈框中，選擇“描述統計”，然后點擊“確定按鈕”，如圖7-1-6所示。（二）描述性特征值分析法一、描述性數據分析方法第六步，在彈出的彈框中，在輸入區域選擇要統計的數據區域，設置輸出區域即可。（二）描述性特征值分析法一、描述性數據分析方法第七步，在excel表中查看最終的描述性統計分析結果。結構分組分析法是在數據分組的基礎上，將組內數據與總體數據之間進行對比的分析方法。結構分析法分析各組部分占總體的比例，屬于相對指標。如客戶的忠誠度，老用戶的復購率在50%，說明老用戶對于公司的產品足夠滿意、放心，這個時候就可以把重心放在發展新用戶上。具體分析方法可參照項目四的相關內容。二、結構分組分析法（一）比較分析法的概念三、比較分析法比較分析法是將兩個或兩個以上的數據進行對比，分析差異進而揭示這些數據所代表的規律，以了解各方面數據指標的一種分析方法。比較分析法是商務數據分析的常用方法,例如分析競爭結構時，可以將自己的數據與競爭對手的數據進行比較,了解雙方的優勢與劣勢,以便調整或制定相應的策略。（二）比較分析法的種類三、比較分析法2.縱向比較縱向比較即不同時間條件下同一數據采集對象指標的對比，如本月銷售量與上月銷售量進行對比，本月成本數與上月成本數進行對比等。1.橫向比較橫向比較即同一時間下不同數據采集對象指標的對比，如某品牌空調與其他品牌空調銷售量比較，書店的銷售額對比等。（三）比較分析法的應用維度三、比較分析法1.與競爭對手或行業對比通過將自身數據與競爭對手或行業的大盤數據進行對比，企業能了解自己在該行業中所處的位置，并進一步分析出現問題的原因，這是一種橫向對比。例如某網店發現自己的網頁點擊率低于竟爭對手，該網店就應該分析成交轉化率過低的原因，并及時采取優化措施以提高成交轉化率。（三）比較分析法的應用維度三、比較分析法2.與企業自身不同時期的數據比較企業通過對不同時期的數據進行比較，可以反映出企業的發展狀況，從而推出相應的改進措施。例如利用本月訂單量與去年同月份的訂單量對比，就能明確本月訂單的增減情況和增減幅度。（三）比較分析法的應用維度三、比較分析法3.與開展活動的前后期數據比較為提升銷售額，企業往往會不定期地開展各種活動,此時就需要對活動前后的各項數據指標進行對比,這樣能夠判斷出活動開展的效果及活動策劃的優點與不足等，為下一次活動策劃提供數據支持，進一步優化活動的效果。（三）比較分析法的應用維度三、比較分析法4.與優化前后的對比在網店數據化運營過程中，網店會經常對運營策略進行調整，如修改關鍵詞、優化推廣圖片、修改商品詳情頁等，此時應進行優化前后的比較，否則就無法判斷調整的效果。通過比較分析，可以直接觀察到目前的運營水平，一方面找到當前已經處于優秀水平的方面，后續予以保持；另一方面及時發現當前的薄弱環節，重點突破。四、相關分析法相關分析研究的是2個或2個以上隨機變量之間是否存在某種依存關系，并對具體有依存關系的現象探討其相關方向和相關程度。相關關系是一種非確定性的關系，具有隨機性。例如：商品需求量的影響因素，除了價格外，還受消費者的影響，因此，不能完全根據商品的價格求出需求量。（一）相關分析法的概念四、相關分析法相關分析可分為線性相關（也稱直線相關）和非線性相關（也稱曲線相關），最常用的是線性相關如下圖所示：四、相關分析法相關系數是反映變量之間線性關系的強弱程度的指標，相關系數的絕對值越大，相關性越強，相關系數越接近于1或-1，相關度越強，相關系數絕對值越接近于0，相關度越弱。相關系數絕對值的范圍在0.8-1.0之間，兩變量間極強相關；相關系數絕對值在0.6-0.8之間，兩變量間為強相關；相關系數絕對值在0.4-0.6為中等程度相關；相關系數絕對值在0.2-0.4范圍內，為弱相關；相關系數絕對值在0.0-0.2之間，兩變量極弱相關或無相關。利用Excel數據工具庫中的相關分析,能找出變量之間所存在的相關系數。（二）相關系數四、相關分析法案例：某網店某商品月銷售及費用統計表，假設支付商品件數與推廣費用之間存在線性相關關系，要求：計算支付商品件數與推廣費用的相關系數。（三）相關系數的求解五、回歸分析法回歸分析法是由一個或一組非隨機變量來估計或預測某一個隨機變量的觀測值時,所建立的數學模型及所進行的統計分析,稱為回歸分析。回歸分析是定量預測分析的一種方法。因變量（y）：被預測或被解釋的變量成為因變量；自變量（x）：用來預測或用來解釋因變量的一個或多個變量稱為自變量。例如:子女身高（y）與父親身高（x）之間的關系；收入水平（y）與受教育程度（x）之間的關系；糧食畝產量（y）與施肥量（x1）、降雨量（x2）、溫度（x3）之間的關系；（一）回歸分析的概念五、回歸分析法按照自變量的多少,分為一元回歸分析與多元回歸分析之分；按照自變量和因變量之間的關系類型,分為線性回歸分析和非線性回歸分析。（二）回歸分析的分類五、回歸分析法回歸直線的擬合優度：是指回歸直線對觀測值的擬合程度。顯然，若觀測點離回歸直線近，則擬合程度好；反之則擬合程度差。R2度量擬合優度的統計量是可決系數（亦稱判定系數）。R2的取值范圍是[0,1]。R2的值越接近1，說明回歸直線對觀測值的擬合程度越好；反之，R2的值越接近0，說明回歸直線對觀測值的擬合程度越差。一般認為超過0.8的模型擬合優度較高。（三）回歸直線的擬合優度五、回歸分析法（三）回歸直線的擬合優度Excel中使用圖表分析進行回歸問題的求解：案例:某種合成纖維的強度與其拉伸倍數之間存在一定關系,下表(“線性回歸分析”工作表)是實測12個纖維樣品的強度y與相應的拉伸倍數x的數據記錄。試求出它們之間的回歸關系。六、時間序列分析法（一）時間序列分析法的概念時間序列分析法就是應用數理統計方法對相關數據進行處理，以預測未來事物發展變化的一種方法。時間序列預測一般反映三種實際變化規律:趨勢變化、周期性變化、隨機性變化。六、時間序列分析法（二）時間序列的測定1.長期趨勢：長期趨勢是指時間序列在一段較長的時期內呈現出來的持續向上或持續向下的變動狀況。長期趨勢常用平滑法和回歸分析法來測定。2.季節變動：季節變動是指時間序列在一年內重復出現的周期性波動。它是受到氣候條件、生產條件、節假日或人們的風俗習慣等