电子商务数据分析与应用教材各章节重点难点解析.docx
《电子商务数据分析与应用教材各章节重点难点解析.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材各章节重点难点解析.docx（33页珍藏版）》请在冰豆网上搜索。
电子商务数据分析与应用教材各章节重点难点解析
电子商务数据分析与应用
各章节重点难点解析
第一章绪论
1.1重点内容
1.电子商务数据分析的概念
电子商务数据分析是运用分析工具研究电子商务数据信息，搭建数据分析与电子商务管理的桥梁，指导电子商务决策的一门新兴学科。
通常概念下，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。
2.电子商务数据分析的意义
（1）优化市场定位。
市场定位对电子商务行业市场开拓非常重要，但是，要想做到这一点，就必须有足够的信息数据来供电子商务行业研究人员分析和判断。
数据的收集、整理就成了最关键的步骤之一。
（2）优化市场营销。
在电子商务行业市场营销中，无论是产品、渠道、价格还是客户，可以说每一项工作都与数据的采集和分析息息相关。
（3）助力电子商务企业的收益管理。
要达到收益管理的目标，需求预测、细分市场和敏感度分析是此项工作的3个重要环节，而这3个环节推进的基础就是数据分析。
（4）协助创造客户新的需求。
很多企业已把“评论管理”作为核心任务，既可以通过客户评论及时发现负面信息进行危机公关，更重要的是可以通过对这些数据进行分析，挖掘客户需求，进而改良产品，提升客户体验。
3.电子商务数据分析的主要任务
（1）行业分析。
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。
（2）客户分析。
客户分析的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。
（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。
（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。
1.2难点内容
1.电子商务数据分析的流程
（1）确定分析目的与框架，整理分析框架和分析思路。
（2）收集数据。
数据收集是按照确定的数据分析和框架内容，有目的地收集、整合相关数据的过程，它是数据分析的基础。
（3）数据处理与集成。
这个过程在整个数据分析过程中最占时间，在一定程度上保证了数据仓库的搭建和数据质量。
数据处理方法主要是针对残缺数据、错误数据和重复数据进行清洗和转化等。
（4）数据分析。
数据分析是指通过分析手段、方法和技巧对准备好的数据进行探索分析，从中发现因果关系、内部联系和业务规律，为企业提供决策参考。
（5）数据可视化。
借助数据展现可视化工具，数据分析师和管理者能更直观地表达想呈现的信息、观点和建议。
（6）撰写分析报告。
分析报告可以把数据分析的目的、过程、结果及方案完整地呈现出来，以供企业参考。
2.电子商务数据分析的原则
（1）科学性。
数据统计分析要具有同其他科学方法一样的客观标准。
（2）系统性:
数据分析是一个周密策划、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。
（3）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。
根据分析目标，选择适合的方法与模型才能保证分析的准确有效。
（4）实用性：
在进行数据分析时，还应考虑指标可解释性、报告可读性、结论的指导意义与实用价值。
（5）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。
第二章电子商务数据分析模型
2.1重点内容
1.PEST模型
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.W2H模型
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？
What：
是什么？
目的是什么？
做什么工作？
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？
Where：
何处？
在哪里做？
从哪里入手？
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？
5W2H是用户行为分析和业务场景分析的常用模型。
5W2H模型的优势为：
简单、方便，易于理解和使用，富有启发意义；可以准确界定、清晰表述问题，提高工作效率；有效掌控事件的本质，完全地抓住了事件的主骨架；有助于思路的条理化，杜绝盲目性；有助于全面思考问题，从而避免在流程设计中遗漏项目。
3.漏斗模型的计算
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。
2.2难点内容
1.逻辑树模型
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。
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.漏斗模型的展现
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）计算关键路径的转换率
（3）绘制漏斗模型
漏斗模型不仅显示了用户在进入流程到实现目标的最终转化率，同时还可以展示关键路径中每一环节的转化率。
若使用Excel2019版则可直接插入漏斗图。
第三章电子商务数据分析方法
3.1重点内容
1.静态指标和动态指标的含义
1）静态指标
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。
2）动态指标
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。
动态数列可主要分为三类。
绝对数动态数列，
相对数动态数列，
平均数动态数列。
2.相关系数模型
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。
（3.1）
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R>Rα（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。
3.一元线性回归模型
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。
（3.2）
式（3.2）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。
4.一次和二次移动平均模型
（1）一次指数平滑法
设时间序列为
，则一次指数平滑公式为：
（3.3）
式（3.3）中
为第t周期的一次指数平滑值；
为加权系数，
。
（2）二次指数平滑法
当时间序列没有明显的趋势变动时，使用第t周期一次指数平滑就能直接预测第t+1期之值。
但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。
设一次指数平滑为
，则二次指数平滑
的计算公式为：
（3.4）
若时间序列y1,y2,,yt从某时期开始具有直线趋势，且认为未来时期亦按此直线趋势变化，则与趋势移动平均类似，可用如下的直线趋势模型来预测：
，
（3.5）
式（3.5）中t为当前时期数；T为由当前时期数t到预测期的时期数；
为第t+T期的预测值；
为截距，
为斜率，其计算公式为：
，
。
3.2难点内容
1.利用Excel建立一元线性回归模型、分析相关系数与检验结果
1）相关分析的操作
在Excel的“数据分析”模块中找到相关系数，点击确定。
如果未发现数据分析选项，则应通过点击“文件-选项-加载项-分析工具库”，再单击“确定”按钮，加载“数据分析”模块，选择“相关系数”功能。
2）回归分析的操作
（1）利用Excel图表进行回归分析
单击“插入”图表选项中的“XY散点图”，选择散点图中“带平滑线的散点图”选项。
右击曲线，选择“添加趋势线”，单击“线性”趋势线，并显示公式和R平方。
（2）应用数据分析的“回归”功能
点击“数据分析”的“回归”，单击“确定”按钮，出现回归分析结果，包括各参数值以及模型检验的结果。
2.聚类分析的计算
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。
k-means算法的工作过程说明如下：
首先从n个数据对象任意选择k个对象作为初始聚类中心；而对于所剩下其它对象，则根据它们与这些聚类中心的相似度（距离），分别将它们分配给与其最相似的聚类中心所代表的聚类；然后再计算每个所获新聚类的聚类中心（该聚类中所有对象的均值）；不断重复这一过程直到标准测度函数开始收敛为止。
一般都采用误差平方和作为标准测度函数，即准则函数E。
（3.6）
设待聚类的数据集为X={x1,x2,...,xn}，将其划分为k个簇Ci，均值分别为zi，即zi为簇Ci的中心（i=1,2,…,k）。
E是所有对象的平方误差的总和，xX是空间中的点，d（x,zi）为点x与zi间的距离，可以利用明氏、欧氏、马氏或者兰氏距离求得。
样本点分类和聚类中心的调整是迭代交替进行的两个过程。
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。
）
第一次迭代：
按照三个聚类中心将样本集合分为三个簇{1}，{5}，{10,9,26,32,16,21,14}。
对于产生的簇分别计算平均值，得到平均值点填入第2步的z1，z2，z3栏中。
第二次迭代：
通过平均值调整对象所在的簇，重新聚类。
即将所有点按距离平均值点1，5，18.3最近的原则重新分配，得到三个新的簇：
{1}，{5,10,9}，{26,32,16,21,14}。
填入第2步的C1，C2，C3栏中。
重新计算簇平均值点，得到新的平均值点为1，8，21.8。
以此类推，第五次迭代时，得到的三个簇与第四次迭代的结果相同，而且准则函数E收敛，迭代结束。
结果如表3.2所示。
表3.2k-means聚类算法计算过程
步骤
z1
z2
z3
C1
C2
C3
1
1
5
10
{1}
{5}
{10,9,26,32,16,21,14}
433.43
2
1
5
18.3
{1}
{5,10,9}
{26,32,16,21,14}
230.8
3
1
8
21.8
{1}
{5,10,9,14}
{26,32,16,21}
181.76
4
1
9.5
23.8
{1,5}
{10,9,14,16}
{26,32,21}
101.43
5
3
12.3
26.3
{1,5}
{10,9,14,16}
{26,32,21}
101.43
第四章数据的采集
4.1重点内容
1.电子商务数据获取的渠道
在做数据分析之前，首先需要完整、真实、准确地收集和获取数据，以便于量化分析工作的开展。
一般商务数据的获取有以下几个常见途径：
从公开数据源获取、利用网络爬虫抓取数据以及设计调查问卷收集数据。
特别，针对电子商务平台和卖家，可以通过网站后台获取运营数据。
2.调查问卷的设计方法与注意事项
（1）搭建框架。
调查问卷是一种非常好的数据收集方式。
在正式设计问卷之前，首先一定要明确问卷中将会出现哪些内容，或者将要采集哪些数据来服务于研究主题。
这可以通过搭建一个问卷框架来实现，这个框架通常包含三大部分：
中心概念、核心内容、具体问项。
（2）确定问题形式。
问卷中常见的问题形式包括封闭式问题和开放式问题。
单选题、多选题、排序题、量表题都是常见的封闭式问题的表现形式
（3）选措辞、排结构。
经过前面两个步骤，问卷已经基本成型，接下来需要把它呈现出来，决定每一个问题的措辞表达和位置摆放。
问题的措辞表达应与受访者的认知能力相适应，基本要求是准确、优雅。
问题的摆放位置涉及整个问卷的布局问题。
一般而言，一份问卷包含四大部分：
开头（标题、开场白、填表说明、问卷编号）；正文（核心问项、背景信息）；结束语（感谢、联系方式）；作业记载（访员信息、调查时间等）。
（4）评估及预测试
在问卷正式发放之前，必不可少的两个步骤是评估和预测试。
①问卷评估是指请专业人士对问卷进行审校，②问卷预测试是请潜在的受访者进行试填。
4.2难点内容
1.网络数据的爬取方式和工具
（1）八爪鱼
八爪鱼采集器是深圳视界信息技术有限公司研发的一款业界领先的网页采集软件，具有使用简单、功能强大等诸多优点。
八爪鱼采集器可简单快速地将网页数据转化为结构化数据，存储于Excel或数据库等，并且提供基于云计算的大数据云采集解决方案，实现精准、高效、大规模的数据采集。
（2）WebScraper
WebScraper是一个轻量级的Chrome浏览器爬虫插件，用于抓取任意Web页面并使用几行JavaScript代码从中提取结构化数据。
它能够加载web页面并实现动态抓取。
WebScraper既可以在用户界面中手动配置和运行，也可以使用API运行。
可以将抓取的数据以各种格式导出保存到本地，比如JSON、XML或CSV。
对于一般的爬取需求，WebScraper都能满足，如果需要更加灵活地爬取数据，则需要使用python等编程语言实现爬虫。
2.店铺数据获取的主要渠道
（1）流量数据
流量是非常重要的电商指标。
一个店铺的流量来源有很多，有免费的、付费的、站内的、站外的。
站内免费流量数据、站内付费流量数据和自主流量数据。
1）站内免费流量数据
各平台站内免费流量的来源有很多，要想收集站内免费流量的数据，首先一定要清楚站内免费流量的结构，哪些是店铺已经做了的引流，哪些是店铺还可以去做的引流。
下面介绍淘系（阿里巴巴、淘宝、天猫）平台的流量结构。
2）站内付费流量数据
直通车、淘宝客、钻展是淘宝/天猫平台站内三大付费流量的来源方式。
三种方式各有优劣，卖家可根据自身需要和推广预算来选择，付费流量的占比不宜过高。
3）自主流量数据
在各项流量数据中，自主流量多来自老客户，通过“购物车”“收藏夹”“直接访问”等方式访问店铺，这部分流量的转化率相对较高。
对于商家而言，消费者自主访问的流量越多，就越可以降低推广力度，省下更多的推广和运营成本。
（2）商品数据
电商平台需要定期分析商品销售情况，比如不同商品的成交转化情况、访客浏览情况及售后服务情况等，从时间、商品的类别、价格等多个维度进行商品数据分析。
（3）交易数据
商家经营店铺最需要监控的数据之一就是交易数据。
交易数据最能体现店铺经营情况，但在实际店铺运营中，新手往往不懂得该分析哪些店铺交易数据，因此有效收集店铺交易数据对店铺分析意义重大。
（4）客户服务和物流服务数据
作为电商卖家，当客户咨询产品时，第一时间回复可以为客户提供良好的服务体验。
店铺的客户服务质量及物流服务效率是提升店铺转化率的关键因素。
客户服务的质量影响着消费者的忠诚度。
客户服务的目的是让消费者在购买商品的过程中享受到优质的服务体验，提高消费者对店铺的满意度，提升商品回购率。
店铺要提高销售额、提高店铺业绩，优质的客户服务是不可或缺的。
电子商务平台的物流服务数据一直是商家比较难以把控和收集的数据，只有掌握其数据结构才能分析诊断出店铺产品物流途中发出的异常。
淘系平台的物流服务数据结构包括创建订单数、发货订单数、揽收订单数、签收订单数、发货率、揽收率、签收率。
（5）市场和竞争数据
市场和竞争数据是商家在前期开展市场调研时需要收集的重要数据。
随着市场竞争的加剧，加之消费者行为的多变，使得市场调研显得更加重要，商家需要精准收集市场和同行的信息，以便制定相应的营销策略。
第五章数据导入与预处理
5.1重点内容
1.Excel中的数据导入导出操作
可以将收集到的数据直接填写在Excel的单元格中，也可以将多种格式的数据文件导入到Excel工作表中。
单击导航栏“数据”，最左侧可以选择将不同格式的数据导入Excel，如图5.1所示。
图5.1将多种格式的数据导入Excel中
5.2难点内容
1.含噪声数据的清理
目前处理此类数据最为广泛的技术是应用数据平滑方法。
分箱技术通过检测周围相应属性值进行局部数据平滑。
分箱的方法很多，主要有按箱平均值平滑、按箱中值平滑和按箱边界值平滑。
2数据规范化的主要方法
数据经过去噪处理后，需根据相关要求对数据的属性进行相应处理。
数据规约就是在减少数据存储空间的同时尽可能保证数据的完整性，或得比原始数据小得多的数据，并将数据以合乎要求的方式表示。
数据规约的主要方法如表5.2所示。
表5.2常见的数据规约方法
数据规约方法分类
具体方法
数据立方体聚集
数据立方体聚集等
维规约
属性子集选择方法等
数据压缩
小波变换、主成分分析、分形技术等
数值压缩
回归、直方图、聚类等
离散化和概念分层
分箱技术、直方图等
第六章数据可视化
6.1重点内容
1.制作饼图
饼图是一种用圆内扇形的面积大小来反映统计分组数据的图形，主要用于反映总体内部的结构及其变化，对研究结构性问题比较适用。
饼图通常只能用于一个数据系列，可方便比较一个总计的每个部分所占比例，其各部分百分比之和为100%，主要用来分析内部各个组成部分对事件的影响。
下面主要介绍Excel制作饼图的详细过程。
2.制作复合型饼图
单击“插入”选项卡中“饼图”下拉按钮，选择“二维饼图”→“复合饼图”
3.制作柱形图
柱形图可以非常清晰地表达不同项目之间的差距和数值，通常用于不同时期或不同类别数据之间的比较，也可以用来反映不同时期和不同数据的差异。
柱形图可以纵向放置条形，也可以横向放置条形（也称条形图）。
在纵向柱形中，通常水平轴表示分组类别，垂直轴表示各分组类别的数值。
横向条形图的坐标轴表示刚好同纵向柱形图相反。
其中，堆积柱形图可以比较不同数值在总计中所占的比重，可选择使用单位或百分比显示，常用于比较总计的每个部分，看出各个组成总体的具体比重。
4.制作直方图
直方图是各条形之间没有间距的柱形图。
直方图用条形的宽度和高度来表示统计分组数据，是以组距（宽度）为底边，以落入各组的数据频数（高度）为依据，由按比例构成的若干矩形排列而成的图。
直方图主要用于表示分组数据的频数分布特征，是分析总数数据分布特征的工具之一。
柱形图和直方图的区别：
柱形图的各矩形高度表示分组类别的频数多少，宽度是固定的；而直方图的各矩形高度表示该组距内的频数，宽度则表示组距。
生成直方图有两种方式：
一是用先对数据进行归类然后使用柱形图制作直方图；二是直接使用Excel中提供的直方图制作功能。
5.制作雷达图
将评价某一系统的各指标要素构成坐标轴，再由各要素之间的数值构成环绕的网，就形成了雷达图。
雷达图主要用来评估某个事件多个指标的综合水平，可以对多组变量进行多种项目的对比，反映数据相对中心点和其他数据点的变化情况。
常用于多项指标的全面分析，明晰各项指标变动情况和好坏趋向。
6.制作折线图
折线图是用来表达数据随时间推移而发生变化的一种图表，可以预测未来的发展趋势。
常通过若干条折线来绘制若干组数据，判断每组数据的峰值与谷值，以及折线变化的方向、速率和周期等特征。
7.制作散点图
散点图用来说明若干组变量之间的相互关系，可表示因变量随自变量变化的大致趋势。
一般呈现簇状不规则的分布，可用数据点来说明数据的变化趋势、离散程度以及不同系列数据间的相关性。
6.2难点内容
1.计数项值汇总
针对图6.1所示的“商品”工作表为例的商品数据，利用数据透视表对不同品牌名称的商品数量进行汇总计数。
2.多维数据分析
进行其他的数据透视表操作。
创建数据透视表，选择将其放置在新工作表中。
值字段汇总方式设置
3.值筛选
为了解平均薪水大于或等于5000的有哪些部门，使用值筛选的方式。
点击“行标签”的“值筛选”，选择“大于或等于”，输入5000后，单击“确定”键。
4.标签筛选
为了解管理层职工的信息，可点击“行标签”的“标签筛选”，选择“包含”后，输入“Management”。
行标签的标签筛选。
5.旋转
对上一步骤得到的数据表（图6.45）进行旋转操作中的行列交换，由此可得到不同视角的数据，旋转结果。
6.查看特定数据
为查看某一特定数据，从汇总数据深入到细节数据，可采用向下钻取操作。
如查看董事长的薪水，可将“职称”拖入筛选器，查看特定数据结果。
7.切片操作
Excel可使用切片器工具对表进行切片操作。
选取标签筛选得到的数据表（如图6.47所示），点击切片器后，勾选“性别”标签，点击“F”标签可得到女性职工的薪资水平。
8.建立数据透视图
取标签筛选得到的数据表，点击工具栏中的“数据透视图”，选择图表类型中的“簇状树形图”，即可得到数据透视图。
第七章电子商务行业数据分析
7.1重点内容
1.行业数据分析的作用
（1）数据分析有助于精确电商行业的市场定位。
成功的品牌离不开精准的市场定位，基于数据分析的市场调研是企业进行品牌定位的第一步。
（2）数据分析成为电商行业市场营销的利器。
数据技术的应用对传统电商行业的市场营销模式造成了很大冲击，新的商业模式也逐渐出现。
（3）数据分析支撑电商行业的收益管理。
收益管理旨在把合适的产品或服务，在合适的时间，以合适的价格，通过合适的销售渠道，出售给合适的顾客，最终实现企业收益最大化的目标。
（4）数据分析可创新电商行业的需求开发。
电子商务市场中的消费者对服务及产品的评价内容更趋于专业化和理性化，意见发布的渠道也更加广泛
升级会员 