《商務(wù)數(shù)據(jù)分析》課件-商務(wù)數(shù)據(jù)的分析

商務(wù)數(shù)據(jù)分析1.商務(wù)數(shù)據(jù)分析方法診斷性分析2描述性分析1目錄CONTENTS預(yù)測性分析3描述性分析01描述性分析數(shù)據(jù)類型通常是綜合的、廣泛的、實(shí)時(shí)的、精確的,以高效的可視化來展現(xiàn)?；卮餡hat的問題:我的企業(yè)發(fā)生了什么?描述性分析比如,某公司的銷售月報(bào),就是描述性分析。一個(gè)看板上匯總了各個(gè)地區(qū)的月度指標(biāo),如完成率、完成度,它是實(shí)時(shí)變動(dòng)的,到月底自動(dòng)匯總。它不光“描述”,還有一定程度的分析,可以滿足日常管理需求。比如揚(yáng)州這個(gè)地區(qū),本月的目標(biāo)完成率最低,但是年度目標(biāo)完成率卻較好,是本月的銷售目標(biāo)太高,還是考核上有松懈。如果是人為的松懈,年度考核是否也要記錄月度的考核成績?描述性分析高效的可視化展現(xiàn),一方面是說,做這個(gè)報(bào)告的速度要快,即問即答,不能當(dāng)某人想知道今天的情況怎么樣時(shí),三天之后才有答案;另一方面是說,這個(gè)報(bào)告以“模板”的形式存在,數(shù)據(jù)變了,報(bào)告也會(huì)隨之變動(dòng),什么時(shí)候打開,什么時(shí)候都是最新的。描述性分析是所有分析形式中最常見的。在業(yè)務(wù)中,它為分析人員提供了業(yè)務(wù)中關(guān)鍵指標(biāo)和措施的視圖,如公司每月的收支表。類似地,分析師可以獲得大量客戶的數(shù)據(jù)。了解客戶的人口統(tǒng)計(jì)信息(如我們的客戶的30%是個(gè)體經(jīng)營者)將被歸類為“描述性分析”,利用有效的可視化工具可以更好地呈現(xiàn)描述性分析的信息。0102診斷性分析02診斷性分析回答Why的問題:為什么我的企業(yè)發(fā)生了這樣的事情?需要有從全局鉆取到細(xì)節(jié)的能力和隔離所有混淆信息的能力。

比如查看數(shù)據(jù)地圖,發(fā)現(xiàn)江蘇的市場銷售額較高,想知道是什么原因,于是點(diǎn)擊該省份,能定位到各類產(chǎn)品的銷售數(shù)據(jù)和響應(yīng)的合作客戶數(shù)據(jù)。在對描述性數(shù)據(jù)進(jìn)行評估時(shí),診斷分析工具將使分析師能夠深入到細(xì)分的數(shù)據(jù),從而找出問題的根本原因。精心設(shè)計(jì)的商業(yè)信息(BI)儀表板有讀取時(shí)間序列數(shù)據(jù)(多個(gè)連續(xù)時(shí)間點(diǎn)的數(shù)據(jù))的功能,并具有過濾器和鉆取能力,可進(jìn)行此類分析。診斷性分析預(yù)測性分析03預(yù)測性分析就像玩三國殺的時(shí)候,很多人喜歡諸葛亮,不停地使用“觀星”一樣,我們希望能夠預(yù)測某件事在未來發(fā)生的可能性,或是預(yù)測一個(gè)可以量化的值,甚至預(yù)測某個(gè)結(jié)果可能發(fā)生的時(shí)間點(diǎn)。如何實(shí)現(xiàn)預(yù)測,一方面取決于工具,但更重要的,取決于預(yù)測模型?；卮鸬氖荳hatLikely的問題:我的企業(yè)將要發(fā)生什么?主要回答戰(zhàn)略性的問題:我的商業(yè)策略是否在一段時(shí)期內(nèi)保持一致,根據(jù)算法,用模型預(yù)測某個(gè)具體的結(jié)果。預(yù)測性分析預(yù)測性分析預(yù)測分析是關(guān)于預(yù)測的。無論是預(yù)測將來發(fā)生事件的可能性,還是預(yù)測可量化的數(shù)值,抑或是估計(jì)可能發(fā)生事件的時(shí)間點(diǎn),這些都是通過預(yù)測模型完成的。在充滿不確定性的環(huán)境中,預(yù)測能夠幫助做出更好的決定。預(yù)測模型也是許多領(lǐng)域中正在使用的重要方法。預(yù)測模型通常利用各種可變數(shù)據(jù)進(jìn)行預(yù)測。數(shù)據(jù)的變異性與預(yù)測結(jié)果密切相關(guān)(例如,年齡越大的人,對心臟病發(fā)作的敏感程度越高———我們會(huì)說年齡與心臟病發(fā)作風(fēng)險(xiǎn)呈線性相關(guān)),然后將這些數(shù)據(jù)一起編譯成分?jǐn)?shù)或預(yù)測。單擊此處添加標(biāo)題商務(wù)數(shù)據(jù)分析2.商務(wù)數(shù)據(jù)的分類和來源商務(wù)數(shù)據(jù)的來源3商務(wù)數(shù)據(jù)的背景1目錄CONTENTS商務(wù)數(shù)據(jù)的分類2商務(wù)數(shù)據(jù)的用途4商務(wù)數(shù)據(jù)的背景01商務(wù)數(shù)據(jù)的分類商務(wù)數(shù)據(jù)是指企業(yè)在日常業(yè)務(wù)活動(dòng)中產(chǎn)生的各種數(shù)據(jù)，這些數(shù)據(jù)可以來自不同的來源，如內(nèi)部系統(tǒng)（如ERP、CRM等）、外部市場、社交媒體等。商務(wù)數(shù)據(jù)涵蓋了銷售數(shù)據(jù)、客戶數(shù)據(jù)、供應(yīng)鏈數(shù)據(jù)、財(cái)務(wù)數(shù)據(jù)等多個(gè)方面，它們共同構(gòu)成了企業(yè)運(yùn)營和發(fā)展的基礎(chǔ)。隨著信息技術(shù)的不斷發(fā)展和應(yīng)用，商務(wù)數(shù)據(jù)的規(guī)模和復(fù)雜性不斷增加。企業(yè)需要通過采集、存儲(chǔ)、處理和分析這些數(shù)據(jù)，以獲取有價(jià)值的信息，支持企業(yè)的決策和業(yè)務(wù)發(fā)展。同時(shí)，隨著大數(shù)據(jù)技術(shù)的普及和應(yīng)用，商務(wù)數(shù)據(jù)的應(yīng)用范圍和價(jià)值也在不斷擴(kuò)大。商務(wù)數(shù)據(jù)的分類02商務(wù)數(shù)據(jù)的分類定性數(shù)據(jù)：表示事物性質(zhì)、規(guī)定事物類別的文字表述型數(shù)據(jù)，不能將其量化，只能將其定性。定量數(shù)據(jù)：其特征在于它們都是以數(shù)值的形式出現(xiàn)的，有些數(shù)值型數(shù)據(jù)只可以計(jì)算數(shù)據(jù)之間的絕對差，而有些數(shù)值型數(shù)據(jù)不僅可以計(jì)算數(shù)據(jù)之間的絕對差，還可以計(jì)算數(shù)據(jù)之間的相對差。0102定距數(shù)據(jù)：具有間距特征的變量，有單位，沒有絕對零點(diǎn)，可以做加減運(yùn)算，不能做乘除運(yùn)算。例如，溫度。定比數(shù)據(jù):數(shù)據(jù)的最高級，既有測量單位，也有絕對零點(diǎn)，增加一個(gè)確定的基準(zhǔn)值或標(biāo)準(zhǔn)，能夠進(jìn)行比對。例如職工人數(shù)，身高。定距數(shù)據(jù)定序數(shù)據(jù):數(shù)據(jù)的中間級，用數(shù)字表示個(gè)體在某個(gè)有序狀態(tài)中所處的位置，不能做四則運(yùn)算。例如，“受教育程度”，文盲半文盲=1，小學(xué)=2，初中=3，高中=4，大學(xué)=5，碩士研究生=6，博士及其以上=7。定序數(shù)據(jù)名義級數(shù)據(jù)，數(shù)據(jù)的最低級，表示個(gè)體在屬性上的特征或類別上的不同變量，僅僅是一種標(biāo)志，沒有序次關(guān)系。例如，”性別“，”男“編碼為1，”女“編碼為2。定類數(shù)據(jù)商務(wù)數(shù)據(jù)的分類商務(wù)數(shù)據(jù)的分類定類數(shù)據(jù)名義級數(shù)據(jù)，數(shù)據(jù)的最低級，表示個(gè)體在屬性上的特征或類別上的不同變量，僅僅是一種標(biāo)志，沒有序次關(guān)系。例如，”性別“，”男“編碼為1，”女“編碼為2。定序數(shù)據(jù):數(shù)據(jù)的中間級，用數(shù)字表示個(gè)體在某個(gè)有序狀態(tài)中所處的位置，不能做四則運(yùn)算。例如，“受教育程度”，文盲半文盲=1，小學(xué)=2，初中=3，高中=4，大學(xué)=5，碩士研究生=6，博士及其以上=7。定距數(shù)據(jù)：具有間距特征的變量，有單位，沒有絕對零點(diǎn)，可以做加減運(yùn)算，不能做乘除運(yùn)算。例如，溫度。定比數(shù)據(jù):數(shù)據(jù)的最高級，既有測量單位，也有絕對零點(diǎn)，增加一個(gè)確定的基準(zhǔn)值或標(biāo)準(zhǔn)，能夠進(jìn)行比對。例如職工人數(shù)，身高。定序數(shù)據(jù)定距數(shù)據(jù)商務(wù)數(shù)據(jù)的來源03商務(wù)數(shù)據(jù)的來源能夠上網(wǎng)的智能手機(jī)等移動(dòng)設(shè)備越來越普遍。移動(dòng)通信設(shè)備記錄的數(shù)據(jù)量和數(shù)據(jù)的立體完整度，常常優(yōu)于各家互聯(lián)網(wǎng)公司掌握的數(shù)據(jù)。移動(dòng)設(shè)備上的軟件能夠追蹤和溝通無數(shù)事件，從運(yùn)用軟件儲(chǔ)存的交易數(shù)據(jù)(如搜索產(chǎn)品的記錄事件)到個(gè)人信息資料或狀態(tài)報(bào)告事件(如地點(diǎn)變更即報(bào)告一個(gè)新的地理編碼)等。包括POS機(jī)數(shù)據(jù)、信用卡刷卡數(shù)據(jù)、電子商務(wù)數(shù)據(jù)、互聯(lián)網(wǎng)點(diǎn)擊數(shù)據(jù)、“企業(yè)資源規(guī)劃”(ERP)系統(tǒng)數(shù)據(jù)、銷售系統(tǒng)數(shù)據(jù)、客戶關(guān)系管理(CRM)系統(tǒng)數(shù)據(jù)、公司的生產(chǎn)數(shù)據(jù)、庫存數(shù)據(jù)、訂單數(shù)據(jù)、供應(yīng)鏈數(shù)據(jù)等。（2）移動(dòng)通信數(shù)據(jù)（1）交易數(shù)據(jù)商務(wù)數(shù)據(jù)的來源人為數(shù)據(jù)包括電子郵件、文檔、圖片、音頻、視頻，以及通過微信、博客、推特、維基、臉書、Linkedin等社交媒體產(chǎn)生的數(shù)據(jù)流。這些數(shù)據(jù)大多數(shù)為非結(jié)構(gòu)性數(shù)據(jù)，需要用文本分析功能進(jìn)行分析。互聯(lián)網(wǎng)上的“開放數(shù)據(jù)”來源，如政府機(jī)構(gòu)，非營利組織和企業(yè)免費(fèi)提供的數(shù)據(jù)。（3）人為數(shù)據(jù)（4）開放數(shù)據(jù)（5）機(jī)器和傳感器數(shù)據(jù)來自感應(yīng)器、量表和其他設(shè)施的數(shù)據(jù)、定位/GPS系統(tǒng)數(shù)據(jù)等。這包括功能設(shè)備會(huì)創(chuàng)建或生成的數(shù)據(jù)，例如智能溫度控制器、智能電表、工廠機(jī)器和連接互聯(lián)網(wǎng)的家用電器的數(shù)據(jù)。來自新興的物聯(lián)網(wǎng)(IoT)的數(shù)據(jù)是機(jī)器和傳感器所產(chǎn)生的數(shù)據(jù)的例子之一。來自物聯(lián)網(wǎng)的數(shù)據(jù)可以用于構(gòu)建分析模型，連續(xù)監(jiān)測預(yù)測性行為(如當(dāng)傳感器值表示有問題時(shí)進(jìn)行識(shí)別)，提供規(guī)定的指令(如警示技術(shù)人員在真正出問題之前檢查設(shè)備)等。商務(wù)數(shù)據(jù)的用途04商務(wù)數(shù)據(jù)的分類業(yè)務(wù)決策支持商務(wù)數(shù)據(jù)可以為企業(yè)的戰(zhàn)略和業(yè)務(wù)決策提供支持。通過分析銷售數(shù)據(jù)、市場數(shù)據(jù)、客戶數(shù)據(jù)等，企業(yè)可以了解市場需求、產(chǎn)品銷售情況，制定合適的定價(jià)策略、市場推廣策略和產(chǎn)品改進(jìn)計(jì)劃。例如，通過對歷史銷售數(shù)據(jù)的分析，企業(yè)可以預(yù)測未來銷售趨勢，并據(jù)此調(diào)整庫存和生產(chǎn)計(jì)劃，優(yōu)化資源配置。商務(wù)數(shù)據(jù)可以幫助企業(yè)優(yōu)化銷售和市場營銷活動(dòng)。通過分析銷售數(shù)據(jù)和客戶數(shù)據(jù)，企業(yè)可以識(shí)別潛在客戶、優(yōu)化銷售渠道、個(gè)性化營銷策略，提高銷售效率和銷售額。例如，基于客戶購買歷史和偏好，企業(yè)可以推送個(gè)性化的產(chǎn)品推薦和優(yōu)惠信息，提高客戶滿意度和忠誠度。商務(wù)數(shù)據(jù)可以用于客戶關(guān)系管理，幫助企業(yè)了解客戶需求、維護(hù)客戶關(guān)系、提供個(gè)性化服務(wù)。通過分析客戶數(shù)據(jù)和交互數(shù)據(jù)，企業(yè)可以識(shí)別重要客戶、了解客戶偏好、預(yù)測客戶流失風(fēng)險(xiǎn)，從而改善客戶體驗(yàn)和提高客戶滿意度。銷售和市場營銷客戶關(guān)系管理商務(wù)數(shù)據(jù)的分類運(yùn)營管理和供應(yīng)鏈優(yōu)化商務(wù)數(shù)據(jù)可以用于企業(yè)的運(yùn)營管理和供應(yīng)鏈優(yōu)化。通過分析運(yùn)營數(shù)據(jù)和供應(yīng)鏈數(shù)據(jù)，企業(yè)可以優(yōu)化生產(chǎn)計(jì)劃、庫存管理、物流配送等，提高運(yùn)營效率、降低成本，并確保產(chǎn)品供應(yīng)的穩(wěn)定性和及時(shí)性。商務(wù)數(shù)據(jù)可以用于財(cái)務(wù)分析和風(fēng)險(xiǎn)管理。通過分析財(cái)務(wù)數(shù)據(jù)和市場數(shù)據(jù)，企業(yè)可以評估經(jīng)營狀況、盈利能力和財(cái)務(wù)風(fēng)險(xiǎn)，進(jìn)行財(cái)務(wù)預(yù)測和預(yù)算規(guī)劃，以及制定風(fēng)險(xiǎn)管理策略。商務(wù)數(shù)據(jù)可以用于市場研究和競爭分析。通過分析市場數(shù)據(jù)和競爭對手?jǐn)?shù)據(jù)，企業(yè)可以了解市場趨勢、競爭格局和消費(fèi)者偏好，從而制定市場營銷策略、產(chǎn)品定位和品牌推廣策略。財(cái)務(wù)分析和風(fēng)險(xiǎn)管理市場研究和競爭分析商務(wù)數(shù)據(jù)分析3.商務(wù)數(shù)據(jù)分析工具數(shù)據(jù)存儲(chǔ)工具2數(shù)據(jù)采集工具1目錄CONTENTS數(shù)據(jù)處理工具3數(shù)據(jù)分析工具4數(shù)據(jù)采集工具01數(shù)據(jù)采集工具八爪魚采集器是一款使用簡單、功能強(qiáng)大的網(wǎng)絡(luò)爬蟲工具,可實(shí)現(xiàn)可視化操作,無須編寫代碼,內(nèi)置海量模板,支持任意網(wǎng)絡(luò)數(shù)據(jù)的抓取;火車采集器是一款專業(yè)的互聯(lián)網(wǎng)數(shù)據(jù)抓取、處理、分析、挖掘軟件,可以靈活、迅速地抓取網(wǎng)頁上散亂分布的數(shù)據(jù)信息,并通過一系列的分析處理,準(zhǔn)確挖掘出所需數(shù)據(jù)。數(shù)據(jù)采集工具爬蟲的概念：如果我們把互聯(lián)網(wǎng)比做一張大的蜘蛛網(wǎng),數(shù)據(jù)便存放于蜘蛛網(wǎng)的各個(gè)節(jié)點(diǎn),而爬蟲就是一只小蜘蛛,沿著網(wǎng)絡(luò)抓取自己的獵物(數(shù)據(jù))。爬蟲指的是向網(wǎng)站發(fā)起請求,獲取資源后分析并提取有用數(shù)據(jù)的程序;從技術(shù)層面來說,就是通過程序模擬瀏覽器請求站點(diǎn)的行為,把站點(diǎn)返回的HTML代碼、JSON數(shù)據(jù)、二進(jìn)制數(shù)據(jù)(圖片、視頻)爬到本地,進(jìn)而提取自己需要的數(shù)據(jù),存放起來使用。Python(爬蟲)數(shù)據(jù)采集工具爬蟲流程圖

數(shù)據(jù)存儲(chǔ)工具02JSON文件存儲(chǔ)010203CSV文件存儲(chǔ)數(shù)據(jù)存儲(chǔ)工具TXT文件存儲(chǔ)數(shù)據(jù)存儲(chǔ)工具關(guān)系型數(shù)據(jù)庫的存儲(chǔ)格式可以直觀地反映實(shí)體間的關(guān)系。關(guān)系型數(shù)據(jù)庫和常見的表格相似,關(guān)系型數(shù)據(jù)庫中表與表之間是有很多復(fù)雜的關(guān)聯(lián)關(guān)系的。常見的關(guān)系型數(shù)據(jù)庫有MySQL、SQLServer等。

關(guān)系型數(shù)據(jù)庫單擊添加標(biāo)題非關(guān)系型數(shù)據(jù)庫。非關(guān)系型數(shù)據(jù)庫指的是分布式的、非關(guān)系型的、不保證遵循ACID原則的數(shù)據(jù)存儲(chǔ)系統(tǒng)。常見的非關(guān)系型數(shù)據(jù)庫NoSQL如MongoDB、Redis、Memcache。數(shù)據(jù)處理工具03數(shù)據(jù)處理工具03數(shù)據(jù)處理是指根據(jù)數(shù)據(jù)分析目的,將收集到的數(shù)據(jù),用適當(dāng)?shù)奶幚矸椒ㄟM(jìn)行加工、整理,形成適合數(shù)據(jù)分析的樣式。它是數(shù)據(jù)分析前必不可少的工作,并且在整個(gè)數(shù)據(jù)分析工作量中占據(jù)了很大的比例。數(shù)據(jù)處理包括數(shù)據(jù)清洗、數(shù)據(jù)抽取、數(shù)據(jù)合并、數(shù)據(jù)計(jì)算、數(shù)據(jù)分組等操作。數(shù)據(jù)處理主要運(yùn)用的工具有Excel、TableauPrep和Python。數(shù)據(jù)分析工具04數(shù)據(jù)分析工具有很多。一般來說,一個(gè)優(yōu)秀的數(shù)據(jù)分析師都有很多的知識(shí)儲(chǔ)備,并且能夠熟練地使用數(shù)據(jù)分析工具。那么數(shù)據(jù)分析工具都有哪些呢?一般來說,Excel、Python、SPSS比較常見。下面分別為大家介紹這些工具。04數(shù)據(jù)分析工具SPSSSASPythonR語言數(shù)據(jù)分析工具1、Excel在眾多數(shù)據(jù)分析工具中,Excel是最常用、最容易上手的分析工具。Excel數(shù)據(jù)分析功能十分強(qiáng)大,不僅提供簡單的數(shù)據(jù)處理功能,還有專業(yè)的數(shù)據(jù)分析工具庫,包括相關(guān)系數(shù)分析、描述統(tǒng)計(jì)分析等。下面列舉一個(gè)案例來講述Excel的數(shù)據(jù)分析功能。數(shù)據(jù)分析工具2、Python

采用Python進(jìn)行數(shù)據(jù)分析需要掌握一系列庫的使用方法,包括NumPy(矩陣運(yùn)算庫)、SciPy(統(tǒng)計(jì)運(yùn)算庫)、Matplotlib(繪圖庫)、Pandas(數(shù)據(jù)集操作)、SymPy(數(shù)值運(yùn)算庫)等庫,在Python中進(jìn)行數(shù)據(jù)分析時(shí),這些庫有廣泛的應(yīng)用。數(shù)據(jù)分析工具SPSS是世界上最早的統(tǒng)計(jì)分析軟件,由美國斯坦福大學(xué)的三位研究生于1968年研發(fā)成功,同時(shí)成立了SPSS公司,并于1975年成立法人組織,在芝加哥組建了SPSS總部。2009年7月28日,IBM公司宣布將用12億美元現(xiàn)金收購統(tǒng)計(jì)分析軟件提供商SPSS公司。如今SPSS的最新版本為SPSS26.0,而且更名為IBMSPSSStatistics。迄今,SPSS公司已有40余年的成長歷史。3、SPSS擴(kuò)展閱讀

商務(wù)數(shù)據(jù)分析工具選擇的多樣性，得益于科技的不斷進(jìn)步與發(fā)展。隨著科技的不斷革新，商務(wù)數(shù)據(jù)分析領(lǐng)域得以迅速擴(kuò)展和深化，從而催生出了眾多具有不同特點(diǎn)和優(yōu)勢的數(shù)據(jù)分析工具。這些工具的出現(xiàn)，不僅為商務(wù)決策提供了更為精準(zhǔn)、全面的數(shù)據(jù)支持，也極大地提升了企業(yè)運(yùn)營效率和競爭力。

在多樣化的商務(wù)數(shù)據(jù)分析工具中，每一款工具都具備其獨(dú)特的功能和應(yīng)用場景。有的工具擅長處理大規(guī)模數(shù)據(jù)，能夠?qū)崿F(xiàn)快速、準(zhǔn)確的數(shù)據(jù)挖掘和分析；有的工具則注重?cái)?shù)據(jù)可視化，能夠?qū)?fù)雜的數(shù)據(jù)轉(zhuǎn)化為直觀、易懂的圖表和報(bào)告；還有的工具專注于特定行業(yè)或領(lǐng)域的數(shù)據(jù)分析，能夠滿足不同企業(yè)的個(gè)性化需求。

因此，企業(yè)在選擇商務(wù)數(shù)據(jù)分析工具時(shí)，需要充分考慮自身的業(yè)務(wù)特點(diǎn)、數(shù)據(jù)需求以及預(yù)算等因素，選擇最適合自己的工具。同時(shí)，企業(yè)也需要不斷關(guān)注科技發(fā)展動(dòng)態(tài)，及時(shí)更新和升級數(shù)據(jù)分析工具，以保持競爭優(yōu)勢和適應(yīng)市場變化。

總之，科技的進(jìn)步為商務(wù)數(shù)據(jù)分析工具的選擇提供了更多的可能性和選擇空間，企業(yè)應(yīng)當(dāng)充分利用這些工具，提升數(shù)據(jù)分析和決策水平，推動(dòng)企業(yè)的持續(xù)發(fā)展和創(chuàng)新。商務(wù)數(shù)據(jù)分析4.商務(wù)數(shù)據(jù)分析的流程數(shù)據(jù)收集2需求分析1目錄CONTENTS數(shù)據(jù)分析4數(shù)據(jù)處理3數(shù)據(jù)呈現(xiàn)5報(bào)告撰寫6需求分析01需求分析01需要從哪幾個(gè)角度進(jìn)行分析?采用哪些邏輯思維?運(yùn)用哪些理論依據(jù)?

采用哪些分析指標(biāo)?該如何具體開展數(shù)據(jù)分析?數(shù)據(jù)收集02數(shù)據(jù)收集

02一手?jǐn)?shù)據(jù)是指通過訪談、詢問、問卷、測定等方式直接獲得的數(shù)據(jù),因此一手?jǐn)?shù)據(jù)也稱原始數(shù)據(jù)。其優(yōu)點(diǎn)有:可以回答二手?jǐn)?shù)據(jù)不能回答的具體問題;更加及時(shí)和可信;保密性更強(qiáng)(一手?jǐn)?shù)據(jù)是公司自己收集的,是屬于公司的,便于保密)。數(shù)據(jù)收集是按照確定的數(shù)據(jù)分析框架,收集相關(guān)數(shù)據(jù)的過程,它為數(shù)據(jù)分析提供了素材和依據(jù)。這里的數(shù)據(jù)包括一手?jǐn)?shù)據(jù)與二手?jǐn)?shù)據(jù)。二手?jǐn)?shù)據(jù)是指通過網(wǎng)絡(luò)、媒介、統(tǒng)計(jì)機(jī)構(gòu)等獲取的經(jīng)過加工整理后的數(shù)據(jù)。它是相對于原始數(shù)據(jù)而言的,指那些并非為正在進(jìn)行的研究而是為其他目的已經(jīng)收集好的統(tǒng)計(jì)資料。因此,二手?jǐn)?shù)據(jù)也稱為次級數(shù)據(jù)。其優(yōu)點(diǎn)有:成本低、易獲取,能為進(jìn)一步原始數(shù)據(jù)的收集奠定基礎(chǔ)等。數(shù)據(jù)處理03數(shù)據(jù)處理03數(shù)據(jù)處理是指對采集到的數(shù)據(jù)進(jìn)行加工整理,形成適合數(shù)據(jù)分析的樣式,保證數(shù)據(jù)的一致性和有效性的過程。它是數(shù)據(jù)分析前必不可少的階段。數(shù)據(jù)處理的基本目的是從大量的、雜亂無章、難以理解的數(shù)據(jù)中抽取并推導(dǎo)出對解決問題有價(jià)值、有意義的數(shù)據(jù)。

數(shù)據(jù)清洗數(shù)據(jù)轉(zhuǎn)化數(shù)據(jù)抽取、合并數(shù)據(jù)計(jì)算數(shù)據(jù)分析04數(shù)據(jù)分析是指用適當(dāng)?shù)姆治龇椒肮ぞ?對收集來的數(shù)據(jù)進(jìn)行分析,提取有價(jià)值的信息,形成有效結(jié)論的過程。04數(shù)據(jù)分析SPSSSASPythonR語言數(shù)據(jù)呈現(xiàn)0505常用的數(shù)據(jù)圖表包括餅圖、柱形圖、條形圖、折線圖、散點(diǎn)圖、雷達(dá)圖等,當(dāng)然可以對這些圖表進(jìn)一步整理加工,使之變?yōu)槲覀冃枰膱D形,如金字塔圖、矩陣圖、瀑布圖、漏斗圖、帕雷托圖等。數(shù)據(jù)呈現(xiàn)報(bào)告撰寫0606030201其次,需要有明確的結(jié)論。沒有明確結(jié)論的分析稱不上分析,同時(shí)也失去了報(bào)告的意義,因?yàn)樽畛蹙褪菫閷ふ一蛘咔笞C一個(gè)結(jié)論才進(jìn)行分析的,所以千萬不要舍本求末。一定要有建議或解決方案。決策者需要的不僅僅是找出問題,更重要的是建議或解決方案,以便他們在決策時(shí)參考。所以,數(shù)據(jù)分析師不只需要掌握數(shù)據(jù)分析方法,還要了解和熟悉業(yè)務(wù),這樣才能根據(jù)發(fā)現(xiàn)的業(yè)務(wù)問題,提出具有可行性的建議或解決方案。首先需要有一個(gè)好的分析框架,并且層次明晰、圖文并茂,能夠讓讀者一目了然。結(jié)構(gòu)清晰、主次分明可以使讀者正確理解報(bào)告內(nèi)容;圖文并茂,可以令數(shù)據(jù)更加生動(dòng)活潑,提高視覺沖擊力,有助于讀者更形象、直觀地理解問題和結(jié)論。報(bào)告撰寫商務(wù)數(shù)據(jù)分析5.商務(wù)數(shù)據(jù)的分析指標(biāo)：1.流量指標(biāo)APP流量分析指標(biāo)2網(wǎng)站流量分析指標(biāo)1目錄CONTENTS流量分析指標(biāo)作用3網(wǎng)站流量分析指標(biāo)01網(wǎng)站流量分析指標(biāo)PV-PageView頁面訪問量。用戶每次刷新頁面被計(jì)算一次。UV-UniqueVisitor獨(dú)立訪客，獨(dú)立訪客是指某站點(diǎn)被多少臺(tái)電腦訪問過，有的網(wǎng)站是以用戶電腦的Cookie作為統(tǒng)計(jì)依據(jù)。獨(dú)立IP-InternetProtocol獨(dú)立IP是指訪問過某站點(diǎn)的IP總數(shù)，以用戶的IP地址作為統(tǒng)計(jì)依據(jù)。人均PV-PV/UV又稱人均瀏覽頁面數(shù)，PV/UV。網(wǎng)站流量分析指標(biāo)平均訪問次數(shù)-Visitspervisitor：是指在一定期間內(nèi)，平均每個(gè)用戶的訪問次數(shù)。訪問深度-SiteVisitDepth：在一次完整的站點(diǎn)訪問過程中，訪客所瀏覽的頁面數(shù)。即平均每次訪問產(chǎn)生的PV和人均PV類似?？梢院饬烤W(wǎng)站用戶粘性。訪問次數(shù)-Session：會(huì)話數(shù)。在GA中，一次會(huì)話被認(rèn)為是一個(gè)用戶在網(wǎng)站或者app上活躍的那段時(shí)間。030102平均訪問時(shí)長-AverageTimeonSite：總的逗留時(shí)間/總的訪問次數(shù)04網(wǎng)站流量分析指標(biāo)人均（單日）使用時(shí)長：在統(tǒng)計(jì)周期（日/周/月）內(nèi)，平均每人啟動(dòng)該APP所消耗的總實(shí)際有效使用時(shí)長。跳出率-BounceRate：指在只訪問了入口頁面（例如頁面首頁）就離開的訪問量與所產(chǎn)生總訪問量的百分比。計(jì)算公式：跳出率=訪問一個(gè)頁面后離開網(wǎng)站的次數(shù)/總訪問次數(shù)。通常來說，80%以內(nèi)不好；60%以內(nèi)正常；40%以內(nèi)較好；5%以下考慮數(shù)據(jù)問題。網(wǎng)站流量分析指標(biāo)總訪問量在不同的訪問工具中使用的數(shù)據(jù)可能有不同，有使用獨(dú)立訪問次數(shù)，也有使用頁面瀏覽次數(shù)PageView，如GoogleAnalytics?？傇L問量用戶從該頁面退出的頁面訪問數(shù)/進(jìn)入該頁的頁面訪問數(shù)的百分比。退出率=退出次數(shù)/總訪問量*100%。跳出率一般衡量各個(gè)落地頁，營銷頁等頁面。退出率則更偏向產(chǎn)品，任何頁面都有退出率退出率-ExitRate當(dāng)該頁為訪客此次訪問網(wǎng)站的最后一頁時(shí)，該頁面即為此次獨(dú)立訪問的退出頁面，統(tǒng)計(jì)為有一次退出。退出次數(shù)APP流量分析指標(biāo)02APP流量分析指標(biāo)02日活躍用戶數(shù)-DailyActiveUser（DAU）：通常統(tǒng)計(jì)一日（統(tǒng)計(jì)日）之內(nèi)，登錄或使用了某個(gè)產(chǎn)品的用戶數(shù)（去重后），這與流量統(tǒng)計(jì)工具里的訪客（UV）概念相似。周活躍用戶數(shù)-WeeklyActiveUsers（WAU）：7日內(nèi)，登錄或使用了某個(gè)產(chǎn)品的用戶數(shù)（去重后）。月活躍用戶數(shù)-MonthlyActiveUsers(MAU)：30日內(nèi)，登錄或使用了某個(gè)產(chǎn)品的用戶數(shù)（去重后）。日活躍用戶數(shù)/月活躍用戶數(shù)-(DAU/MAU)：DAU/MAU可以看出用戶參與度，通常合格游戲應(yīng)用該指標(biāo)0.2，表示用戶平均每月至少來訪30*0.2=6天APP流量分析指標(biāo)日活躍用戶數(shù)-DailyActiveUser（DAU）：通常統(tǒng)計(jì)一日（統(tǒng)計(jì)日）之內(nèi)，登錄或使用了某個(gè)產(chǎn)品的用戶數(shù)（去重后），這與流量統(tǒng)計(jì)工具里的訪客（UV）概念相似。周活躍用戶數(shù)-WeeklyActiveUsers（WAU）：7日內(nèi)，登錄或使用了某個(gè)產(chǎn)品的用戶數(shù)（去重后）。月活躍用戶數(shù)-MonthlyActiveUsers(MAU)：30日內(nèi)，登錄或使用了某個(gè)產(chǎn)品的用戶數(shù)（去重后）。日活躍用戶數(shù)/月活躍用戶數(shù)-(DAU/MAU)：DAU/MAU可以看出用戶參與度，通常合格游戲應(yīng)用該指標(biāo)0.2，表示用戶平均每月至少來訪30*0.2=6天APP流量分析指標(biāo)平均訪問時(shí)長平均每一次使用應(yīng)用程序（session）的時(shí)間。事件觸發(fā)用戶數(shù)觸發(fā)時(shí)間的獨(dú)立用戶數(shù)（當(dāng)天內(nèi)用戶去重，跨天不去重，數(shù)值向下取整）。事件數(shù)量事件被觸發(fā)的日均次數(shù)。啟動(dòng)次數(shù)啟動(dòng)過應(yīng)用程序的次數(shù)?！耙淮螁?dòng)”是指用戶從打開應(yīng)用到退出應(yīng)用（或離開應(yīng)用界面，進(jìn)入后臺(tái)超過30分鐘）為止，類似于訪問次數(shù)。人均使用時(shí)長在統(tǒng)計(jì)周期(周/月)內(nèi)，平均每人啟動(dòng)該App所消耗的總實(shí)際有效使用時(shí)長。APP流量分析指標(biāo)02事件平均使用時(shí)長：每一次事件觸發(fā)的時(shí)長的平均值。頁面訪問次數(shù)：頁面被打開的次數(shù)，同一頁面的多次訪問均會(huì)被計(jì)數(shù)。頁面平均停留時(shí)長：每一次頁面訪問的停留時(shí)長的平均值。頁面跳出率：從當(dāng)前頁面離開應(yīng)用的訪次/該頁面總訪次*100%。頁面訪問深度：一次啟動(dòng)過程中訪問的頁面數(shù)總和，同一個(gè)頁面的重復(fù)訪問均會(huì)被計(jì)數(shù)APP流量分析指標(biāo)每一次事件觸發(fā)的時(shí)長的平均值。事件平均使用時(shí)長每一次頁面訪問的停留時(shí)長的平均值。頁面平均停留時(shí)長一次啟動(dòng)過程中訪問的頁面數(shù)總和，同一個(gè)頁面的重復(fù)訪問均會(huì)被計(jì)數(shù)頁面訪問深度頁面被打開的次數(shù)，同一頁面的多次訪問均會(huì)被計(jì)數(shù)。頁面訪問次數(shù)頁面跳出率：從當(dāng)前頁面離開應(yīng)用的訪次/該頁面總訪次*100%。頁面跳出率流量分析指標(biāo)作用03流量分析指標(biāo)作用精準(zhǔn)評估市場策略與營銷效果流量數(shù)據(jù)是檢驗(yàn)市場策略和營銷活動(dòng)效果的試金石。通過對不同活動(dòng)期間的流量變化進(jìn)行細(xì)致分析，企業(yè)能夠準(zhǔn)確把握哪些策略行之有效，哪些需要調(diào)整或優(yōu)化，從而確保資源投入的最大化回報(bào)。直觀展現(xiàn)平臺(tái)熱度與影響力流量指標(biāo)以直觀的數(shù)據(jù)形式，展現(xiàn)了網(wǎng)站或應(yīng)用的訪問量和用戶活躍度，直接體現(xiàn)了其在市場中的受歡迎程度及影響力。高流量不僅是平臺(tái)繁榮的象征，更是吸引潛在用戶、合作伙伴及投資人的有力證明。商務(wù)數(shù)據(jù)分析中的流量指標(biāo)，猶如一把精確的度量尺，對于評估和提升電商網(wǎng)站、移動(dòng)應(yīng)用或其他在線平臺(tái)的性能與效果具有無可替代的重要性。以下是流量指標(biāo)在商務(wù)數(shù)據(jù)分析中扮演的關(guān)鍵角色及其作用的潤色修飾：流量分析指標(biāo)作用助力用戶體驗(yàn)優(yōu)化與提升流量數(shù)據(jù)中的細(xì)節(jié)，往往隱藏著提升用戶體驗(yàn)的關(guān)鍵線索。例如，高跳出率可能意味著用戶在訪問某個(gè)頁面后迅速離開，這可能是由于頁面加載速度慢、內(nèi)容不吸引人或?qū)Ш皆O(shè)計(jì)不合理。通過解決這些問題，企業(yè)能夠顯著提升用戶體驗(yàn)，增強(qiáng)用戶粘性，進(jìn)而推動(dòng)轉(zhuǎn)化率的提升。深入洞察用戶行為與需求流量數(shù)據(jù)不僅揭示了用戶數(shù)量的變化，更深入挖掘了用戶的訪問習(xí)慣、行為模式及潛在需求。通過分析用戶的訪問路徑、停留時(shí)間、跳出率等指標(biāo)，企業(yè)能夠更準(zhǔn)確地把握用戶的喜好和期望，為產(chǎn)品優(yōu)化和用戶體驗(yàn)提升提供有力支持。流量分析指標(biāo)作用全面比較與競爭分析流量數(shù)據(jù)也是企業(yè)進(jìn)行自我比較和競爭分析的重要工具。通過對比不同平臺(tái)或不同市場細(xì)分之間的流量數(shù)據(jù)，企業(yè)可以全面了解自身在市場中的位置及競爭優(yōu)勢，為制定更具針對性的競爭策略提供有力支持。預(yù)測市場趨勢與制定前瞻性戰(zhàn)略流量數(shù)據(jù)的歷史趨勢，為企業(yè)預(yù)測未來市場走向提供了重要參考。基于這些數(shù)據(jù)，企業(yè)可以洞察行業(yè)發(fā)展趨勢、用戶需求變化及競爭對手動(dòng)態(tài)，從而制定出更具前瞻性和針對性的戰(zhàn)略規(guī)劃。流量分析指標(biāo)作用流量指標(biāo)在商務(wù)數(shù)據(jù)分析中扮演著至關(guān)重要的角色。它們不僅為企業(yè)提供了衡量平臺(tái)性能與效果的重要工具，更為企業(yè)提供了洞察市場、優(yōu)化產(chǎn)品、提升用戶體驗(yàn)和制定前瞻性戰(zhàn)略的寶貴依據(jù)。商務(wù)數(shù)據(jù)分析商務(wù)數(shù)據(jù)的分析指標(biāo)：2.轉(zhuǎn)換、營運(yùn)指標(biāo)營運(yùn)指標(biāo)2轉(zhuǎn)換指標(biāo)1目錄CONTENTS流量指標(biāo)3市場指標(biāo)4客戶價(jià)值指標(biāo)5轉(zhuǎn)換指標(biāo)01轉(zhuǎn)換指標(biāo)轉(zhuǎn)化率：指進(jìn)行了相關(guān)動(dòng)作的訪問量占總訪問量的比率。轉(zhuǎn)化率是電商運(yùn)營的核心指標(biāo)，也是用來判斷營銷效果的指標(biāo)。01注冊轉(zhuǎn)化率：即注冊用戶數(shù)除以新訪客總數(shù)，當(dāng)我們的目標(biāo)是積累會(huì)員總數(shù)時(shí)，這個(gè)指標(biāo)就很重要了。02客服轉(zhuǎn)化率：咨詢客服人員的用戶數(shù)除以總訪問數(shù)，這個(gè)類似于線下的試穿率。03收藏轉(zhuǎn)化率：即將產(chǎn)品添加收藏或者關(guān)注的用戶數(shù)除以該產(chǎn)品的總訪問數(shù)。每逢雙十一等大型促銷錢，用戶都會(huì)大量收藏產(chǎn)品到自己賬戶以便促銷時(shí)購買。04因某事件帶來的成交用戶數(shù)除以改事件帶來的總用戶數(shù)，有些事件可以跟蹤到人，例如營銷中的關(guān)鍵字投放，其他網(wǎng)站的廣告投放等。事件轉(zhuǎn)化率轉(zhuǎn)換指標(biāo)即將產(chǎn)品添加到購物車的用戶用戶數(shù)除以該產(chǎn)品的總訪問數(shù)，這個(gè)指標(biāo)主要針對具體產(chǎn)品。添加轉(zhuǎn)化率即成交用戶數(shù)除以總訪問數(shù)，一般我們提到的轉(zhuǎn)化率就是成交轉(zhuǎn)化率。成交轉(zhuǎn)化率還可以細(xì)分為全網(wǎng)轉(zhuǎn)化率、類目轉(zhuǎn)化率、品牌轉(zhuǎn)化率、單品轉(zhuǎn)化率、渠道轉(zhuǎn)化率、事件轉(zhuǎn)化率等。成交轉(zhuǎn)化率從某渠道來的成交用戶數(shù)除以該渠道來的總用戶數(shù)，這個(gè)指標(biāo)用來判斷渠道質(zhì)量。渠道轉(zhuǎn)化率營運(yùn)指標(biāo)02成交金額、成交數(shù)量、成交用戶數(shù)。成交指標(biāo)訂單金額、訂單數(shù)量、訂單用戶數(shù)、有效訂單、無效訂單。訂單指標(biāo)客單價(jià)、件單價(jià)、連帶率（銷售的件數(shù)/交易的次數(shù)）、動(dòng)銷率（有銷量的商品數(shù)/在售商品數(shù)）。效率指標(biāo)退貨金額、退貨數(shù)量、退貨用戶數(shù)、金額退貨率、數(shù)量退貨率、訂單退貨率。退貨指標(biāo)營運(yùn)指標(biāo)營運(yùn)指標(biāo)采購金額、采購數(shù)量。采購指標(biāo)庫存金額、庫存數(shù)量、庫存天數(shù)、庫存周轉(zhuǎn)率、售罄率。庫存指標(biāo)送貨金額、送貨數(shù)量、訂單滿足率、訂單響應(yīng)時(shí)長、平均送貨時(shí)間供應(yīng)鏈指標(biāo)流量指標(biāo)03流量指標(biāo)訪客數(shù)網(wǎng)站或應(yīng)用的獨(dú)立訪問用戶數(shù)瀏覽量用戶訪問頁面的總次數(shù)跳失率訪問一個(gè)頁面后立即離開的用戶比例流量指標(biāo)平均停留時(shí)長用戶在網(wǎng)站或應(yīng)用上的平均停留時(shí)間01流量來源分析分析用戶是通過哪些渠道（如搜索引擎、社交媒體、廣告等）訪問的02市場指標(biāo)04市場指標(biāo)市場份額企業(yè)在特定市場中的占有率01市場增長率市場總規(guī)模的增長速度02競爭分析對競爭對手的業(yè)績、策略等進(jìn)行比較分析03客戶價(jià)值指標(biāo)05市場指標(biāo)1通過調(diào)查或其他方式了解客戶對企業(yè)產(chǎn)品或服務(wù)的滿意度客戶滿意度2新注冊或購買的客戶比例新客戶獲取率3客戶在其與企業(yè)關(guān)系存續(xù)期間為企業(yè)帶來的總價(jià)值客戶生命周期價(jià)值商務(wù)數(shù)據(jù)分析商務(wù)數(shù)據(jù)的分析指標(biāo)：3.會(huì)員、關(guān)鍵指標(biāo)關(guān)鍵指標(biāo)2會(huì)員指標(biāo)1目錄CONTENTS會(huì)員指標(biāo)01會(huì)員指標(biāo)指曾經(jīng)注冊過的會(huì)員總數(shù)，其沒有太大意義，所以可以用有效會(huì)員數(shù)概念，即在1年內(nèi)有消費(fèi)記錄的會(huì)員數(shù)。注冊會(huì)員數(shù)指在一定時(shí)間內(nèi)有消費(fèi)或者登陸行為的會(huì)員數(shù)，時(shí)間周期和產(chǎn)品購買頻率有關(guān)，快消品一般會(huì)在周期上定義短些。活躍會(huì)員數(shù)即活躍會(huì)員占會(huì)員總數(shù)的比重。活躍會(huì)員比率指在一段時(shí)間內(nèi)產(chǎn)生二次及以上購買行為的會(huì)員數(shù)占總會(huì)員數(shù)的比率。會(huì)員復(fù)購率會(huì)員指標(biāo)平均購買次數(shù)指某時(shí)期內(nèi)每個(gè)會(huì)員平均購買的次數(shù)，訂單總數(shù)除以購買用戶數(shù)，最小值為1.會(huì)員回購率指上一期活躍會(huì)員在下一期有購買行為的會(huì)員比率，回購率和流失率是相對概念。會(huì)員留存率某時(shí)間節(jié)點(diǎn)的會(huì)員在某特定時(shí)間周期內(nèi)登陸或消費(fèi)果的會(huì)員比率。會(huì)員流失率指一段時(shí)間內(nèi)沒有消費(fèi)的會(huì)員占會(huì)員總數(shù)的比率關(guān)鍵指標(biāo)02關(guān)鍵指標(biāo)積累數(shù)據(jù)，找準(zhǔn)營運(yùn)方向比賣多少貨、賺多少錢重要。這個(gè)階段重點(diǎn)關(guān)注流量指標(biāo)，包括訪客數(shù)、訪客來源、注冊用戶數(shù)、瀏覽量、瀏覽深度、產(chǎn)品的瀏覽量排行、產(chǎn)品的跳出率、顧客評價(jià)指數(shù)、轉(zhuǎn)化率等。新電商營運(yùn)一段時(shí)間的電商通過數(shù)據(jù)分析提高店鋪銷量就是首要任務(wù)。此階段重點(diǎn)指標(biāo)是流量和銷售指標(biāo)，包括訪客數(shù)、瀏覽量、轉(zhuǎn)化率、新增會(huì)員數(shù)、會(huì)員流失率、客單價(jià)、動(dòng)銷率、庫存天數(shù)、ROI