《商业分析概论》商业问题建模与商业数据分析

商业分析概论商业问题建模与商业数据分析业务理解与需求定义数据准备与数据理解模型构建与模型优化模型评估与部署应用主要内容2.数据准备与数据理解3.模型构建与模型优化4.模型评估与部署应用1.业务理解与需求完整的商业活动是一个过于庞杂的过程，在商业分析活动中，我们必须明确业务需求，才能确立要研究的特定领域和问题，了解商业分析工作的研究对象、研究目的和研究内容。一个好的业务需求应该能够有效地表达用户对目标结论的需求，准确而切中时要，并具有研究的价值和可能，能在实际应用中创造社会价值和经济效益。2.1业务理解与需求定义2.1业务理解与需求定义需求定义商业分析的最初阶段集中在清晰地了解项目目标和业务需求，高效的需求定义决定着有效的数据建模需求定义确定业务目标评估环境风险分析124产生分析计划3分析业务需求期间通常会着重的主题：2.1业务理解与需求定义商业目标实行方式需求范围利害关系人关键特性锁定使用者使用者的利益安全性问题确定目标的优先级企业是否清楚自己的业务需求企业有清楚的业务需求，并且知道是否可以通过数据分析来满足需求企业有清楚的业务需求，但不知道应该怎么满足？企业没有清楚的业务需求企业的业务需求得到满足后可能做出的决策2.1业务理解与需求定义2.1业务理解与需求定义企业的商业需求分析企业战略层面需求分析战略和商业分析的协同：四种场景模式企业战略转化为商业数据的方式企业业务层面需求分析优化业务流程建立新的业务流程其他业务需求企业运营层面需求分析企业KPI指标的信息需求企业生产、销售等的信息需求战略层商业分析战略开发流程每年滚动更新一次8重要经营要素新的经营环境下年度的期望目标战略层商业分析战略开发流程的目的更新并升级组织的多项关键要素，包括愿景（企业的长期目标）、使命（如何管理和实现目标）等。战略和商业分析的整合协同的四种场景模式9战略层商业分析战略和商业分析的整合协同的四种场景模式10业务战略商业分析应用业务战略商业分析应用业务战略商业分析应用商业分析应用各自独立单向协同互动对话融为一体商业分析只做即席查询商业分析支撑并监控战略绩效完成情况商业分析用于支持战略创新商业分析是一种战略资源业务战略战略层商业分析场景模式1：两者无联系或相互独立原因：没有数据或有限的数据散落在不同的源系统中企业战略制定中专注于最可见、最显著的方面：如销售目标、生产目标、采购成本等商业分析职能部门会优先服务于公司日常运营管理目标的支撑，而不是优先考虑长期战略目标战略视图：公司可以启动更成熟的业务流程了11业务战略商业分析应用战略层商业分析场景模式2：商业分析用于功能级的决策支持商业分析和战略落地实施联系在一起如果信息没有从商业分析回流到战略层，作用有限，仅仅用于产生监控各部门绩效的监控报表12业务战略商业分析应用战略层商业分析场景模式3：战略和商业分析之间存在对话形成了学习闭环商业分析能提供业务目标分析报告，目标和现实的差距等报告企业在商业分析工具和人员方面投资客观13业务战略商业分析应用战略层商业分析场景模式4：信息是战略资源企业能系统思考，将信息和战略结合在一起信息能给企业带来竞争优势14业务战略商业分析应用商业分析将信息传递到战略开发流程市场领先三定律竞争不是某一项上展开竞争，而是三个要素的组合分析一家企业的业务时，考虑每一个战略方向的聚焦，从而得到支持公司战略的最佳信息架构15低于高于产品创新客户亲密卓越运营公司的战略地位市场标准这家企业的战略聚焦吗？商业分析将信息传递到战略开发流程产品创新将产品做到极致，聚焦技术如提供服务器解决方案、风力发电的风车等企业商业分析产品销售收入分析：产品---市场，销售量---市场贡献潜力分析：探寻各细分市场的客户购买哪些产品以及细分市场的发展状况，提供产品组合只服务于一个细分市场，促进客户重复购买：看任意两个产品或服务是否存在相同或相反的趋势,互补或替代关系产品众多：购物篮分析或交叉销售分析16商业分析将信息传递到战略开发流程产品创新商业分析探索产品间的相关性，挖掘能满足客户需求的知识，分析未来研发方向如一家企业服务于多个细分市场，可采用聚类分析识别出正在服务的细分市场的个数描述每个细分市场的特征比较细分市场发展概况、分析走势，估计未来的客户群组合拟定战略，为客户群提供什么样的产品17市场客户分析市场客户聚类分析细分市场客户特征产品研发市场预测客户组合商业分析将信息传递到战略开发流程客户关系观念产品观念和客户观念在数据分析上的差异当分析基于产品时，分析的基础数据表较少汇总当分析基于客户时，客户的数据表较少汇总18问题：在电信运营商中，数据分析表中的唯一标识是电话号码？还是客户代码？在海量的原始数据中，存在着大量杂乱的、重复的、不完整的数据，严重影响到数据挖掘算法的执行效率，甚至可能导致挖掘结果的偏差。为此，在数据挖掘算法执行之前，必须对收集到的原始数据进行预处理，以改进数据的质量，提高数据挖掘过程的效率、精度和性能。数据预处理主要包括数据清理、数据集成、数据变换与数据归约等技术。从对不同的源数据进行预处理的功能来分，数据预处理主要包括数据清理、数据集成、数据变换、数据归约等4个基本功能。在实际的数据预处理过程中，这4种功能不一定都用到，而且，它们的使用也没有先后顺序，某一种预处理可能先后要多次进行。2.2数据准备与数据理解数据的类型定量数据分类数据(如性别)顺序数据(如等级）数值数据数据分为定量、定性数据定量数据按计量尺度分20商业数据在商业过程中产生的或有商业价值的数据商业数据行业特征领域特征（部门）商业数据的来源内部（各类信息系统和数据仓库等）外部(商业信息的数据库)超市业务流程（进销存）库存业务（和销售、进货关联）进货业务（也和库存关联）销售业务（和库存关联）人员管理（和销售、进货等关联）案例1：超市数据超市信息系统的数据库信息案例1：超市数据R超市信息系统的数据库表主键：确定一条记录的唯一标识外键：用于和其他表的关联案例1：超市数据数据流信息案例2：电子商务数据数据流信息案例2：电子商务数据2.2数据准备与数据理解Phase1Phase2Phase3是指发现并纠正数据文件中可识别错误的步骤，包括对噪声、缺失值、异常值的处理。是把不同来源、格式、特点性质的数据在逻辑上或物理上有机地集中，从而提供全面的数据共享。所谓数据变换就是将数据转换或归并成适合数据挖掘的描述形式。是将数据库中的海量数据进行归约，归约后的数据仍接近于保持原数据的完整性，但数据量相对小得多。Phase3数据清洗数据集成数据变换数据归约数据预处理技术主要包括：2.3模型构建与模型优化建立模型建模背景关系图可视化模型数学模型2.4模型评估与知识表达通过商业分析发现的知识需要相应的数据挖掘，统计专家对其进行解释，转换为可理解的结果从而帮助解决实际问题。然后，根据可用性、正确性、可理解性等评价指标对解释的结果进行评估。只有经过这一步骤的过滤，商业分析的结果才能真正被应用于实践。在知识表达的过程中，可以运用可视化技术，将数据与分析结果以图形化的方式展示给用户。数据和信息的可视化显示对用户来说非常重要，因为它能够增强可理解性和可用性。数据模型2.4模型评估与知识表达什么是模型？

为什么需要建立模型？回归分析的数据建模2.4模型评估与知识表达1.2.3.4.识别和选择相应变量，筛选出重要的有意义的变量变量的筛选也即是信噪比的测定与比较识别和选择重要的预测因素添加虚拟变量（数据的重新编码）与交互项（两个变量的乘积）线性模型与非线性模型选择适当的回归模型对过去数据的模拟能力对未来即将入库数据的预测能力模型的评估结束市场营销问题A公司的营销功能在很大程度上依赖于对直销客户的营销推广，包括新产品和服务的推荐。公司的营销战略主要分为两种：一是“引进”新用户，即那些首次购买A公司产品的消费者；二是“渗透”老用户，即对于已经在A公司有消费记录的用户，公司主要鼓励这部分用户进行再次购买。每一个季度，营销团队都会把公司新上的产品和服务向已有的用户进行推广，从而增加对老用户的渗透水平。因此，营销团队想要引进商业分析的方法来增加营销费用的投资回报率。他们想找出其营销活动的最佳目标客户，以及合适的产品和服务，以提高他们的营销支出回报。典型商业问题分析典型商业问题分析需求拟定数据采集数据评估数据建模决策制定决策执行构建出有时间限制的用户行为分析消费者ID商品ID消费时间

消费金额数据完整性

数据质量

数据增强多项逻辑回归模型

推荐分析

观测时间内被购买的推荐商品给特定用户推荐合适商品对一类用户集中推广某一产品与相应的决策执行者进行合理的沟通企业资源分配与管理A公司有许多的部门同时进行着不同的项目，不同的项目都有相应的项目执行人员。A公司想要进一步地管理这些不同项目人员以确保能够有效地跨项目的人员部署与利用。A公司的人员遍布全球各个地方，A公司希望通过全球化来实现下列内容：（1）项目人员的时区均衡（2）成本优化（3）技巧优化（4）用户的当地体验典型