商务数据分析基础.pptxVIP

$number{01}商务数据分析基础

目录数据分析概述数据收集与整理数据描述性分析数据探索性分析统计推断基础商务应用案例分析

01数据分析概述

123数据与商务数据商务数据的特点海量性、多样性、时效性、价值性。数据定义数据是客观事物的属性、数量、位置及其相互关系的抽象表示。商务数据指在商业活动中产生的各种数据，包括市场、销售、客户、产品等方面的信息。

通过对数据的收集、整理、加工和分析，发现数据中的规律和价值，为商务决策提供支持。数据分析目的帮助企业了解市场趋势和客户需求，优化业务流程，提高运营效率，增强竞争优势。数据分析意义数据分析目的与意义

3.数据清洗1.明确分析目标2.数据收集数据分析流程对数据进行预处理，包括去重、缺失值处理、异常值处理等。确定分析的主题和目标，明确要解决的问题。根据分析目标，收集相关的数据，包括内部数据和外部数据。

6.结果呈现5.数据分析4.数据转换数据分析流程将数据转换为适合分析的格式和结构，如数据透视表、数据立方体等。将分析结果以图表、报告等形式呈现出来，便于理解和决策。运用统计分析方法、数据挖掘技术等对数据进行深入分析，发现数据中的规律和价值。

02数据收集与整理

数据来源及类型内部数据来源包括企业资源计划（ERP）、客户关系管理（CRM）、供应链管理（SCM）等系统内部数据。外部数据来源包括市场研究、竞争对手分析、社交媒体、公共数据等外部渠道获取的数据。数据类型包括结构化数据（如数据库表格）、半结构化数据（如XML、JSON文件）和非结构化数据（如文本、图像、视频等）。

问卷调查网络爬虫传感器采集数据收集方法通过设计问卷，向目标群体收集信息，以获取一手数据。通过传感器实时采集设备、环境等信息，获取实时数据。利用爬虫技术从互联网上抓取相关信息，获取大量外部数据。

数据清洗数据整理数据可视化数据存储与管理包括去除重复数据、处理缺失值、异常值检测与处理、数据格式转换等，以确保数据质量和准确性。将数据按照分析需求进行整理，包括数据分组、排序、筛选、汇总等，以便于后续的数据分析和挖掘。利用图表、图像等可视化工具展示数据，帮助分析人员更直观地理解数据和发现数据规律。将清洗整理后的数据进行存储和管理，包括建立数据库、数据表、索引等，以便于数据的长期保存和高效查询据清洗与整理

03数据描述性分析

所有数据的和除以数据的个数，反映数据集中趋势。算术平均数中位数众数将数据按大小顺序排列，位于中间位置的数，反映数据中等水平。数据中出现次数最多的数，反映数据集中情况。030201集中趋势度量

最大值与最小值之差，反映数据波动范围。极差衡量数据离散程度的常用指标，方差是各数据与平均数之差的平方的平均数，标准差是方差的平方根。方差与标准差标准差与平均数的比值，用于比较不同单位或不同波动程度的数据的离散程度。变异系数离散程度度量

偏态分布01数据分布不对称，偏向某一方向。可分为左偏态（负偏态）和右偏态（正偏态）。峰态分布02数据分布的尖峭或扁平程度。峰态系数大于0，表示尖峰分布；峰态系数小于0，表示扁平分布。正态分布03一种对称分布，其概率密度函数呈钟形，均值、中位数和众数相等，具有许多良好的统计性质。在商务数据分析中，很多实际数据分布情况可以近似为正态分布。数据分布形态

04数据探索性分析

柱状图比较不同类别数据的大小和差异，适用于分类数据的展示。折线图展示数据随时间的变化趋势，适用于时间序列数据的分析。散点图展示两个变量之间的关系和分布，适用于相关性和趋势分析。热力图通过颜色深浅展示数据的密度和分布情况，适用于大量数据的可视化。数据可视化

相关性分析回归分析聚类分析关联规则挖掘数据间关系探索将数据分成不同的组或簇，使得同一组内的数据尽可能相似，不同组间的数据尽可能不同。寻找数据项之间的有趣关联和频繁项集，发现隐藏在大量数据中的有用信息。计算两个变量之间的相关系数，判断它们之间的线性关系强度和方向。建立因变量和自变量之间的回归模型，预测因变量的取值并解释自变量对因变量的影响。

采用Z-Score、IQR等方法识别异常值，判断其是否超出合理范围。基于统计的异常值检测基于聚类的异常值检测基于密度的异常值检测异常值处理利用聚类算法将数据分成不同的簇，将远离所有簇中心的数据点视为异常值。计算数据点的局部密度偏差，将密度显著低于邻居的数据点视为异常值。根据具体情况采用删除、替换、保留等方法处理异常值，保证数据分析结果的准确性和可靠性。异常值检测与处理

05统计推断基础

抽样分布的概念及种类简单随机抽样、分层抽样、系统抽样等参数估计的方法点估计和区间估计抽样分布与参数估计

03假设检验在商务数据分析中的应用如产品质量检验、广告效果评估等01假设检验的基本思想及步骤建立假设、选择检验统计量