《新媒體數(shù)據(jù)分析與應用》 課件 第5章 新媒體數(shù)據(jù)的分析視角

新媒體數(shù)據(jù)分析與應用第5章：新媒體數(shù)據(jù)的分析視角本章提綱CONTENTS現(xiàn)狀分析01原因分析02預測分析035.1

現(xiàn)狀分析新媒體數(shù)據(jù)經(jīng)過加工與處理后具有可分析性，可以嘗試進行分析并掌握數(shù)據(jù)背后的運營情況。第5章：新媒體數(shù)據(jù)的分析視角

5.1.1對比分析對比分析是指將兩個或兩個以上的數(shù)據(jù)進行比較，分析它們的差異，從而揭示這些數(shù)據(jù)所代表的事物發(fā)展變化規(guī)律。對比分析的特點就是可以非常直觀地看出事物某方面的變化或差距，并且可以準確、量化地表示出這種變化或差距是多少。1.定義2.分類對比分析可分為靜態(tài)比較和動態(tài)比較，其中，靜態(tài)比較是指在同一時間條件下對不同總體指標的比較，如今日頭條同領域作者文章閱讀量對比、粉絲數(shù)對比等，也叫橫向比較，簡稱橫比。動態(tài)比較是指在同一總體條件下對不同時期指標數(shù)值的比較，如本月文章閱讀量與上月文章閱讀量進行對比、本月粉絲增長數(shù)與上月粉絲增長數(shù)進行對比等，也叫縱向比較，簡稱縱比。第5章：新媒體數(shù)據(jù)的分析視角

5.1.1對比分析3.實踐應用對比分析的實踐運用主要體現(xiàn)在五個方面。

第一就是與目標對比，具體就是將實際完成值與目標進行對比，屬于橫比；

第二就是與不同時期對比，具體指選擇不同時期的指標數(shù)值作為對比標準，屬于縱比；

第三就是對同級部門、單位、地區(qū)對比，具體就是與同級部門、單位、地區(qū)進行對比，屬于橫比；

第四就是行業(yè)內(nèi)對比，具體就是與行業(yè)中的標桿企業(yè)、競爭對手或行業(yè)的平均水平進行對比，屬于橫比；

第五就是與活動效果對比，具體就是對某項營銷活動開展前后進行對比，屬于縱比；同時，我們還可以對活動的開展狀況進行分組對比，這屬于橫比。因此，通過對比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(jīng)處于優(yōu)秀水平的層面，后續(xù)予以保持；另一方面及時發(fā)現(xiàn)當前的薄弱環(huán)節(jié)，重點突破。第5章：新媒體數(shù)據(jù)的分析視角

5.1.1對比分析例如，A企業(yè)是一家短視頻運營平臺，其新媒體運營團隊進行了同行用戶年齡對比分析，如圖所示。通過對比可以發(fā)現(xiàn)，該企業(yè)的主要用戶年齡大多在20—34歲左右，而B企業(yè)的大多數(shù)用戶年齡則在35歲以上。第5章：新媒體數(shù)據(jù)的分析視角

5.1.2綜合評價分析綜合評價分析的基本思想是將多個指標轉(zhuǎn)化為一個能夠反映綜合情況的指標來進行分析評價，比如不同國家的經(jīng)濟發(fā)展狀況，不同地區(qū)的基礎設施建設水平、生活水平滿意度水平、企業(yè)經(jīng)濟效益評價等，都可以應用這種方法。1.定義2.三大特點特點一：評價過程不是逐個指標順次完成的，而是通過一些特殊方法將多個指標的評價同時完成的。特點二：在綜合評價過程中，一般要根據(jù)指標的重要性進行權(quán)重的評估。特點三：評價結(jié)果不再是具有具體含義的統(tǒng)計指標，而是以指數(shù)或分值表示參評單位綜合狀況的排序。第5章：新媒體數(shù)據(jù)的分析視角

5.1.2綜合評價分析3.綜合評價分析的過程第5章：新媒體數(shù)據(jù)的分析視角

5.1.2綜合評價分析4.綜合評價分析的標準化方法——0-1標準化方法數(shù)據(jù)的標準化是將數(shù)據(jù)按比例縮放，使之落入一個小的特定區(qū)間。在比較和評價某些指標時，經(jīng)常會用到數(shù)據(jù)的標準化，去除數(shù)據(jù)的單位限制，將其轉(zhuǎn)化為無量綱的純數(shù)值，便于不同單位或量級的指標進行比較和加權(quán)。其中最典型的就是數(shù)據(jù)的歸一化處理，將數(shù)據(jù)統(tǒng)一映射到[0,1]區(qū)間上，如圖所示。第5章：新媒體數(shù)據(jù)的分析視角

5.1.2綜合評價分析4.綜合評價分析的標準化方法——確定權(quán)重目標優(yōu)化矩陣表的用法是：將縱軸上的項目依次和橫軸上的項目對比，由專家進行投票表決，如果縱軸上的項目比橫軸上的重要，那么在兩個項目相交的表格中填1，否則填0，最后將每行的數(shù)字相加，根據(jù)合計的數(shù)值進行排序。目標優(yōu)化矩陣圖如圖5-4所示。5.2原因分析用戶流失及留存率評估對新媒體運營平臺來說至關重要，平臺運營人員往往會存在如下疑問：有哪些因素有助于降低平臺的用戶流失及提升用戶留存率呢？第5章：新媒體數(shù)據(jù)的分析視角5.2.1分組分析分組分析是指通過一定的指標，將對象統(tǒng)計分組并計算和分析，以便深入了解所要分析對象的不同特征、性質(zhì)及相互關系的方法。分組分析法遵循相互獨立、完全窮盡的枚舉分析法（MutuallyExclusiveCollectivelyExhaustive，MECE）原則。所謂相互獨立，即分組之間不能有交叉，組別之間具有明顯的差異性，每個數(shù)據(jù)只能歸屬于某一組；所謂完全窮盡，即分組中不要遺漏任何數(shù)據(jù)，保證數(shù)據(jù)完整性，各組的空間足以容納總體的所有數(shù)據(jù)。1.定義2.實踐應用例如，新媒體運營團隊可以統(tǒng)計粉絲中各職業(yè)所處行業(yè)的占比，按照此方法劃分的粉絲數(shù)量比例便是分組分析法的一種，如圖所示。第5章：新媒體數(shù)據(jù)的分析視角5.2.2結(jié)構(gòu)分析結(jié)構(gòu)分析是在統(tǒng)計分組的基礎上，將組內(nèi)數(shù)據(jù)與總體數(shù)據(jù)之間進行對比的分析方法。結(jié)構(gòu)分析法分析各組部分占總體的比例，屬于相對指標。1.定義2.實踐運用例如，新媒體運營團隊可以統(tǒng)計用戶所在的地域分布，統(tǒng)計出各個地方用戶的占比情況，此情形便屬于結(jié)構(gòu)分析法。第5章：新媒體數(shù)據(jù)的分析視角5.2.3交叉分析交叉分析通常用于分析兩個變量（字段）之間的關系，即同時將兩個有一定聯(lián)系的變量及其值交叉排列在一個表格內(nèi)，使各變量值成為不同變員的交叉結(jié)點，形成交叉表，從而分析交叉表中變量之間的關系，所以也叫交叉表分析。交叉表也有兩個維度以上的，維度越多，交叉表就越復雜，所以在選擇幾個維度的時候需要根據(jù)分析的目的決定。以下主要介紹二維交叉表分析。1.定義第5章：新媒體數(shù)據(jù)的分析視角5.2.3交叉分析2．數(shù)據(jù)透視表的運用交叉表中的行沿水平方向延伸（從左側(cè)到右側(cè)），交叉表中的列沿垂直方向延伸（從上到下。匯總字段位于行和列的交叉結(jié)點，每個交叉結(jié)點的值代表對既滿足行條件又滿足列條件的記錄的匯總（求和、計數(shù)等），如“今日頭條”和“推薦量”交叉結(jié)點的值是555146，表示全天內(nèi)“今日頭條”平臺上的圖文消息瀏覽量之和為555146。第5章：新媒體數(shù)據(jù)的分析視角5.2.4杜邦分析杜邦分析是由美國杜邦公司創(chuàng)建并最先采用的一種綜合分析方法，又稱杜邦財務分析體系，簡稱杜邦體系。它利用各主要財務指標間的內(nèi)在聯(lián)系，對企業(yè)財務狀況及經(jīng)濟效益進行綜合分析評價的方法。1.定義

2．杜邦分析的基本思路要分析企業(yè)的運營效率問題，主要是指分析“企業(yè)的錢賺取的利潤率”，換成現(xiàn)代術語就是ROE，凈資產(chǎn)收益率。該方法將將這個比率進行拆解，拆解后可以解釋三方面的問題：（1）公司業(yè)務是否盈利；（2）公司資產(chǎn)使用效率如何；（3）公司債務負擔有沒有風險；拆解后的公式如下：ROE=銷售凈利率X總資產(chǎn)周轉(zhuǎn)率X權(quán)益乘數(shù)第5章：新媒體數(shù)據(jù)的分析視角5.2.4杜邦分析3.實踐運用杜邦公式成立的前提是各項指標可以消元，那么公式中的各項指標必須是統(tǒng)一定義的。從杜邦示例圖看出決定凈資產(chǎn)收益率的因素有三個：銷售凈利率、總資產(chǎn)周轉(zhuǎn)率和權(quán)益乘數(shù)。而將銷售凈利率可以拆分為凈利潤、銷售收入，其中凈利潤又可以拆解為銷售收入和成本費用；總資產(chǎn)周轉(zhuǎn)率細分為銷售收入、流動資產(chǎn)、長期資產(chǎn)。因此，一步步拆解之后可以發(fā)現(xiàn)，提高總資產(chǎn)凈利率的根本在于擴大銷售、節(jié)約成本、優(yōu)化投資配置、加速資金周轉(zhuǎn)、優(yōu)化資金結(jié)構(gòu)。第5章：新媒體數(shù)據(jù)的分析視角5.2.5漏斗分析漏斗分析因其展現(xiàn)形式如漏斗，故而得名。該方法從字面上理解就是用類似漏斗的框架對事物進行分析的一種方法，這種方法能對研究對象在“穿越漏斗”時的狀態(tài)特征進行時序類、流程式的刻畫與分析。1.定義2.漏斗分析的應用場景通過漏斗分析，可以了解用戶行為路徑在每一步的轉(zhuǎn)化和流失情況，對流失較多的路徑進行細化多維度分析，找出漏點提升轉(zhuǎn)化。漏斗分析的應用場景：用戶注冊轉(zhuǎn)化分析、企業(yè)用戶轉(zhuǎn)化分析。第5章：新媒體數(shù)據(jù)的分析視角5.2.5漏斗分析漏斗分析法涉及四個方面的要素：時間、節(jié)點、研究對象、指標。（1）時間指的是事件是何時開始、何時結(jié)束的，也包括應用漏斗模型進行研究的時間段（即取數(shù)的時間范圍），還涵蓋前后兩個節(jié)點之間的時間間隔、某節(jié)點的停留時長等。（2）節(jié)點包括起點、終點和過程性節(jié)點，涵蓋這些節(jié)點的命名、標識等，節(jié)點的數(shù)量對應于漏斗的層級數(shù)。（3）研究對象指的是參與事件或流程的主體，可能是一群人、某類用戶或某個人。（4）指標則是對整個事件流程進行分析的工具，也是對漏斗的描述與刻畫。3．漏斗分析法的4個構(gòu)成要素第5章：新媒體數(shù)據(jù)的分析視角5.2.5漏斗分析假如有1000人訪問某企業(yè)網(wǎng)站，有400人單擊注冊，有200人注冊成功，有100人進行付費。這個過程共有四步，第一步到第二步的轉(zhuǎn)化率為40%，流失率為60%，第二步到第三步轉(zhuǎn)化率為50%，流失率50%；第三步到第四步轉(zhuǎn)化率為50%，流失率為50%。整個過程的轉(zhuǎn)化率為10%，流失率為90%。如圖所示，該模型就是經(jīng)典的漏斗模型。4．實踐運用第5章：新媒體數(shù)據(jù)的分析視角5.2.6矩陣分析矩陣分析是指根據(jù)事物（如產(chǎn)品、服務等）的兩個重要屬性（或兩個重要指標）作為分析的依據(jù)，進行分類關聯(lián)分析，并找出解決問題的一種分析方法，也稱矩陣關聯(lián)分析，簡稱矩陣分析。以屬性A為橫軸，以屬性B為縱軸，組成一個坐標系，在兩坐標軸上分別按某一標準（平均值、經(jīng)驗值等）進行刻度劃分，構(gòu)成四個象限，將要分析的每個事物投射至對應的四個象限內(nèi)，進行交叉分類分析，直觀地將兩個屬性的關聯(lián)性表現(xiàn)出來，進而分析每一個事物在這兩個屬性上的表現(xiàn)，從而找出解決問題的方法，為運營人員提供數(shù)據(jù)參考。如圖5-11所示，矩陣分析示例圖也稱象限圖分析法。1.定義第5章：新媒體數(shù)據(jù)的分析視角5.2.6矩陣分析2.實踐運用矩陣分析在解決問題和資源分配時，為決策者提供重要參考依據(jù)。先解決主要矛盾，再解決次要矛盾，有利于提高工作效率，并將資源分配到能產(chǎn)生績效的部門和工作中，有利于決策者進行資源優(yōu)化配置。第一象限（高度關注區(qū)）屬于重要性高、滿意度也高的象限。對于該象限的服務項目，公司應該繼續(xù)保持并給予支持。第二象限（優(yōu)先改進區(qū)）屬于重要性高、但滿意度低的象限。公司必須明確需要做出哪方面的改進，做好該象限的服務項目，可以有效提高用戶滿意度，為公司贏得競爭優(yōu)勢。第三象限（無關緊要區(qū)）屬于重要性低、滿意度也低的象限。對于該象限的服務項目，公司應該進一步關注用戶對其期望值的變化。第四象限（維持優(yōu)勢區(qū)）屬于重要性低、滿意度高的象限。公司應該把在此區(qū)投入的過多的資源轉(zhuǎn)移至其他更重要的產(chǎn)品或服務方面。第5章：新媒體數(shù)據(jù)的分析視角5.2.7聚類分析聚類分析就是按照個體的特征將它們分類，其目的在于讓同一個類別內(nèi)的個體之間具有較高的相似度，而不同類別之間具有較大的差異性。這樣，就能夠根據(jù)不同類別的特征有的放矢地進行分析，并制定出適用于不同類別的解決方案1.定義2.特點（1）聚類結(jié)果是未知的，不同的聚類分析方法可能得到不同的分類結(jié)果，或者相同的聚類分析方法但是所分析的變量不同，也會得到不同的聚類結(jié)果。（2）對于聚類結(jié)果的合理性判斷比較主觀，只要類別內(nèi)相似性和類別間差異性都能得到合理的解釋和判斷，就認為聚類結(jié)果是可行的。第5章：新媒體數(shù)據(jù)的分析視角5.2.7聚類分析（1）確定需要參與聚類分析的變量。（2）對數(shù)據(jù)進行標準化處理，這主要是因為各個變量間的變量值的數(shù)量級別差異較大或單位不一致，例如，一個變量的單位是元，另一個變量的單位是百分比，數(shù)量級別差異較大，而且單位也不一致，無法直接進行比較或計算“距離”和“相似系數(shù)”等指標。（3）選擇聚類方法和類別個數(shù)；常用的聚類方法包括K均值聚類、層次聚類等。（4）聚類分析結(jié)果解讀。3．聚類分析的步驟5.3預測分析預測分析是指自變量為時間，因變量為時間的函數(shù)的模式。預測分析主要包括趨勢平均法、指數(shù)平滑法、直線趨勢法、非直線趨勢法等。趨勢預測的主要優(yōu)點是考慮時間序列發(fā)展趨勢，使預測結(jié)果能更好地符合實際。第5章：新媒體數(shù)據(jù)的分析視角5.3.1決策樹決策樹是根據(jù)數(shù)據(jù)的屬性采用樹狀結(jié)構(gòu)建立的決策模型，常常用來解決分類和回歸問題。決策樹是在已知各種情況發(fā)生概率的基礎上，通過求取凈現(xiàn)值的期望值大于等于零的概率評價項目風險，判斷其可行性的決策分析方法，是一種直觀運用概率分析的圖解法。由于這種決策分支很像一棵樹的枝干，故稱其為決策樹。1.定義2．決策樹的構(gòu)造構(gòu)造決策樹的關鍵步驟是分裂屬性。所謂分裂屬性就是在某個節(jié)點處按照某一特征屬性的不同劃分構(gòu)造不同的分支，其目標是讓各個分裂子集盡可能“純”。盡可能“純”就是盡量讓一個分裂子集中待分類項屬于同一類別。分裂屬性分為以下三種不同的情況。（1）屬性是離散值，且不要求生成二叉決策樹。此時用屬性的每一個劃分作為一個分支。（2）屬性是離散值，且要求生成二叉決策樹。此時用屬性劃分的一個子集進行測試，按照“屬于此子集”和“不屬于此子集”分成兩個分支。（3）屬性是連續(xù)值。此時確定一個值作為分裂點，按照“>分裂點”和“<分裂點”生成兩個分支。構(gòu)造決策樹的關鍵性內(nèi)容是進行屬性選擇度量，屬性選擇度量是一種選擇分裂準則，是將給定的類標記的訓練集合的數(shù)據(jù)最好地劃分成個體類的啟發(fā)式方法，它決定了拓撲結(jié)構(gòu)及分裂點的選擇。第5章：新媒體數(shù)據(jù)的分析視角5.3.1決策樹例如，企業(yè)在進行新媒體運營期間，當進行廣告投放決策時，廣告平臺流量、投資回報率、投資成本，以及用戶需求匹配程度等指標都會影響管理者的決策，如圖所示。3．實踐運用第5章：新媒體數(shù)據(jù)的分析視角5.3.2回歸分析回歸分析是通過研究事物發(fā)展變化的因果關系來預測事物發(fā)展走勢的，它是研究變量間相互關系的一種定量預測方法，又稱回歸模型預測法或因果法。1.定義2．回歸分析的應用場景回歸分析用于在許多業(yè)務情況下做出決策?；貧w分析有三個主要應用。（1）解釋運營人員理解困難的事情。例如，為什么平臺的用戶留存率比上一季度有所下降？（2）預測重要的商業(yè)趨勢。例如，明年會要求他們的產(chǎn)品看起來像什么？（3）選擇不同的替代方案。例如，企業(yè)應該進行按單擊付費還是內(nèi)容營銷活動？第5章：新媒體數(shù)據(jù)的分析視角5.3.2回歸分析①依據(jù)經(jīng)濟學理論并且通過對問題的分析判斷，將變量分為自變量和因變量。在一般情況下，自變量表示原因，因變量表示結(jié)果。②設法找出合適的數(shù)學方程式（回歸模型）描述變量間的關系。③估計模型的參數(shù)，得出樣本回歸方程。由于涉及的變量具有不確定性，接著還要對回歸模型進行統(tǒng)計檢驗，計量經(jīng)濟學檢驗、預測檢驗。④當所有檢驗都通過后即可應用回歸模型。3.回歸分析的主要步驟第5章：新媒體數(shù)據(jù)的分析視角5.3.2回歸分析某企業(yè)剛剛完成了一波付費流量的推廣，并且此公司的運營總監(jiān)認為，公眾號的付費流量投入（用x表示）與新增用戶數(shù)（用y表示）是正相關的（數(shù)據(jù)見圖5-14付費流量和新增用戶數(shù)），也就是說，花費越多的錢去購買流量，也會收獲更多的粉絲。利用回歸分析，我們能求出一個說明因變量y如何依賴自變量x的方程。利用線性回歸分析，運營人員可以擬合出粉絲增長曲線，并給出擬合公式，圖5-22中的Y=0.0099x-2.9219（其中Y為新增用戶數(shù)，X為流量付費金額），通過擬合曲線，運營人員可以快速預測出想要吸引一定數(shù)量的新增用戶數(shù)，需要投入多少金額的流量等。例如，運營人員想要新增100個用戶，帶入公式計算X可知，大約需要投入10000多元的廣告投入。4.實踐應用第5章：新媒體數(shù)據(jù)的分析視角5.3.2回歸分析4.實踐應用付費流量和新增用戶數(shù)第5章：新媒體數(shù)據(jù)的分析視角5.3.2回歸分析在給出具體的解讀之前，需要注意以下兩點。第一，當系數(shù)估計顯著時（相應的p值小于顯著性水平），才有解讀的必要；第二，在解讀某一回歸系數(shù)的時候，不要忘記寫“控制其他因素不變”，這樣才更加嚴謹。以付費流量投入為例，控制其他因素不變，每增加10000元的付費流量投入，用戶便會平均增加99個。需要注意的是，在實際匯報的時候，應當解讀為控制其他因素不變，付費流量投入每增加10000元，用戶平均增加99個?？偨Y(jié)一下線性回歸模型分析過程，需要關注模型的回歸系數(shù)的解讀。但這還遠遠不夠，我們需要對模型做一些最基本的診斷與改進，盡可能地使用更加合理的模型。5.回歸系數(shù)的解讀第5章：新媒體數(shù)據(jù)的分析視角5.3.2回歸分析（1）計算相關系數(shù)。第一步：加載“數(shù)據(jù)分析”模塊。先按“Alt+T”組合鍵，再按I鍵，彈出圖5-15所示的“加載項”對話框，勾選“分析工具庫”復選框和“分析工具庫-VBA”復選框，單擊“確定”按鈕。6.運用excel進行回歸分析第5章：新媒體數(shù)據(jù)的分析視角5.3.2回歸分析（1）計算相關系數(shù)。第二步：單擊“數(shù)據(jù)”選項卡中的“數(shù)據(jù)分析”按鈕，彈出“數(shù)據(jù)分析”對話框，在“分析工具”列表框中選擇“相關系數(shù)”選項，單擊“確定”按鈕，如圖所示。6.運用excel進行回歸分析第5章：新媒體數(shù)據(jù)的分析視角5.3.2回歸分析（1）計算相關系數(shù)。第三步：在彈出的“相關系數(shù)”對話框中單擊“輸入?yún)^(qū)域”右邊的折疊按鈕，在工作表中選擇數(shù)據(jù)區(qū)域“$B$2:$C$12”，設置“分組方式”為“逐列”，單擊“輸出區(qū)域”右邊的折疊按鈕，在工作表中選擇單元格“$B$14”，最后單擊“確定”按鈕，如圖所示。最終結(jié)果如右圖所示，畫框的為求得的相關系數(shù)。6.運用excel進行回歸分析第5章：新媒體數(shù)據(jù)的分析視角5.3.2回歸分析（2）進行回歸分析。第一步：打開“付費流量和新增用戶數(shù)”工作表，如圖所示。第二步：單擊“插入”選項卡中的“散點圖”下拉按鈕，選擇“散點圖”中的“僅帶數(shù)據(jù)標記的散點圖”選項。6.運用excel進行回歸分析付費流量和新增用戶數(shù)第5章：新媒體數(shù)據(jù)的分析視角5.3.2回歸分析（2）進行回歸分析。第三步：單擊“設計”選項卡中的“選數(shù)據(jù)”按鈕，彈出“選擇數(shù)據(jù)源”對話框，單擊“圖表數(shù)據(jù)區(qū)域”右邊的折疊按鈕，在工作表中選擇數(shù)據(jù)區(qū)域“=付費流量和新增用戶數(shù)!$B$1:$C$12”，單擊“確定”按鈕，如圖所示。6.運用excel進行回歸分析“選擇數(shù)據(jù)源”對話框第5章：新媒體數(shù)據(jù)的分析視角5.3.2回歸分析（2）進行回歸分析。第四步：單擊圖表，選擇圖標上方的“+”號選擇“添加趨勢線”選項，如下圖所示在“設置趨勢線格式”對話框中，選擇“趨勢線選項”選項卡，選中“線性”單選按鈕，Excel將顯示一條擬合數(shù)據(jù)點的直線。在對話框下部勾選中“顯示公式”復選框和“顯示R平方值”復選框，單擊“關閉”按鈕，如右側(cè)圖所示。6.運用excel進行回歸分析“設置趨勢線格式”對話框第5章：新媒體數(shù)據(jù)的分析視角5.3.2回歸分析（2）進行回歸分析。第五步：添加圖標題和坐標軸標簽，最終效果如圖5-22所示。圖5-22所示的回歸結(jié)果表明，每增加10000元的付費流量投入，用戶數(shù)便會平均增加99個。付費流量投入和新增用戶數(shù)之間存在明顯的正相關關系，即付費流量投入越多，新增用戶就越多。6.運用excel進行回歸分析回歸結(jié)果圖第5章：新媒體數(shù)據(jù)的分析視角5.3.3時間序列分析時間序列是指將某種現(xiàn)象某一個統(tǒng)計指標在不同時間上的各個數(shù)值，按時間先后順序排列而形成的序列。時間序列法是一種定量預測方法，亦稱簡單外延方法，在統(tǒng)計學中作為一種常用的預測手段被廣泛應用。該方法基于隨機過程理論和數(shù)理統(tǒng)計學方法，研究隨機數(shù)據(jù)序列所遵從的統(tǒng)計規(guī)律，以用于解決實際問題。時間序列構(gòu)成要素是：現(xiàn)象所屬的時間，反映現(xiàn)象發(fā)展水平的指標數(shù)值。通過對趨勢的分析，可以實現(xiàn)對未來數(shù)據(jù)變化的預測。通過對波動的分析，可以發(fā)現(xiàn)過程中的偏差，并區(qū)分是通常原因還是特殊原因引起的偏差，如果是特殊原因引起的偏差，則要立即分析問題成因，進行相應改進。1.定義第5章：新媒體數(shù)據(jù)的分析視角5.3.3時間序列分析2．實踐序列特點從預測角度看，時間序列具有以下四個特點。（1）時間序列按時間先后順序排列。（2）時間序列是按一定方式搜集的一系列數(shù)據(jù)。它應符合兩個方面要求。第一，時間序列中的各個數(shù)值的間隔應當是相同的；第二，在每一周期內(nèi)，數(shù)據(jù)采集的起點應當相同。（3）時間序列中的觀測值有差異，即時間序列的每個數(shù)據(jù)都是在某一個時間點上觀測到的隨機變量，重復的可能性極小。（4）時間序列中的數(shù)據(jù)不允許遺漏，哪怕是一次觀測數(shù)據(jù)的遺漏都可能破壞預測等式。第5章：新媒體數(shù)據(jù)的分析視角5.3.3時間序列分析3．在Excel中進行時間序列分析（1）在Excel中可以使用折線圖繪制時間序列圖。例如，左圖是某企業(yè)一年內(nèi)每個月的新增用戶情況。利用Excel進行時間序列分析操作如下。第一步：選定B1:B13區(qū)域，在“插入”選項卡的“圖表”模塊中單擊“折線圖”命令，如右圖所示。第5章：新媒體數(shù)據(jù)的分析視角5.3.3時間序列分析3．在Excel中進行時間序列分析第二步：選擇“二維折線圖”中的“帶數(shù)據(jù)標記的折線圖”選項，即可看到繪制的時間序列圖，如圖所示。第5章：新媒體數(shù)據(jù)的分析視角5.3.3時間序列分析3．在Ex