商务数据分析与应用 课件 第二章 商务数据分析方法与模型

第二章商务数据分析方法与模型01/甄别分析方法从数据表象切入，通过对比分析、交叉分析等手段，甄别数据背后的逻辑关联与关键特征，为后续决策提供精准的事实依据，是挖掘数据价值的第一步。02/归纳分析模型将零散的数据规律系统化，运用PEST、SWOT、RFM等经典模型归纳提炼，构建可复用的分析框架，让数据结论更具指导性与普适性。课程名称：电商数据分析与应用授课教师：[教师姓名]项目情境：宥宁的新挑战从工具使用到思维构建：宥宁的困境与觉醒商务数据分析员宥宁在工作中发现，面对企业积累的海量数据资产，熟练操作软件工具只是基础。若缺乏科学的分析框架，数据只会是零散的数字。唯有选择正确的分析方法与模型，穿透数据表象，才能挖掘出驱动业务决策的核心洞察。核心目标：系统掌握数据分析的方法体系与经典模型，将数据转化为可落地的商业策略，为业务决策提供科学支撑。任务一：甄别核心数据分析方法深入学习统计分析、相关与回归分析、时间序列分析及聚类分析等方法，理解不同方法的适用场景与数据要求，根据业务问题精准匹配分析工具，让数据逻辑更严谨。任务二：归纳经典商务分析模型系统梳理5W2H、PEST、逻辑树、漏斗模型与SWOT等经典框架，掌握模型的底层逻辑与应用边界，用成熟的分析框架结构化拆解复杂商业问题，提升决策效率与准确性。项目教学目标知识目标系统掌握统计分析、相关与回归分析、时间序列分析及聚类分析的核心概念，构建完整的数据分析知识框架。同时深入理解5W2H、PEST、逻辑树、漏斗模型及SWOT等经典分析模型的原理，并明晰其适用场景与应用边界。能力目标熟练运用Excel工具开展相关分析、回归分析与时间序列分析的实操运算，具备数据处理与分析的实操能力。能够基于真实业务场景的具体问题，精准研判需求，合理选择并灵活应用适配的分析模型，切实解决实际业务难题。素质目标在数据分析实践中，着重培养严谨缜密的逻辑思维习惯与客观科学的分析态度，拒绝主观臆断。同时强化利用数据模型解构复杂问题、推导解决方案的能力，树立以数据为依据的科学决策思维，提升解决实际问题的综合素养。核心宗旨：以知识为基石，以能力为核心，以素质为导向，构建“知识-能力-素质”三位一体的教学培养体系。任务1甄别商务数据分析方法01/核心分析方法体系统计分析法通过描述统计（均值、方差、占比等）梳理数据基本特征，是商务数据分析的基础手段，用于快速把握数据全貌与关键指标分布。相关分析与回归分析探究变量间的依存关系，量化因素对结果的影响程度。常用于分析营销投入与销售额、用户行为与转化量之间的关联规律。时间序列分析基于数据随时间的变化规律，构建预测模型。适用于销售趋势预判、库存周期管理、市场需求波动的短期与长期预测场景。聚类分析依据数据特征将样本自动分组，实现用户分层、产品分类或市场细分。帮助企业精准定位核心客群，制定差异化运营策略。实战演练：结合“网店运营数据”掌握相关与回归建模，利用“天猫零售额数据”实操时间序列预测，将理论方法落地到Excel数据处理全流程。2.1.1统计分析法统计分析法是根据数据分析对象的特征，按一定标志将其划分为不同部分或类型，通过梳理数据间的关联，揭示其内在联系和发展规律的核心分析方法，是数据研究的基础手段。核心关键：组内属性一致性确保划分后的同一组内数据具有相同或相似的属性特征，使组内数据呈现高度的同质性，为后续分析奠定统一的基础。核心关键：组间属性差异性保证不同组之间的数据在核心属性上存在显著区别，通过明确的组间界限，凸显各类别数据的独特性，便于对比分析规律。数量统计分析法以年龄、工资、资产等数量标志为依据，数据具备数值特征，可进行加、减、乘、除等四则运算，适用于量化趋势分析。属性统计分析法以姓名、部门、性别等属性标志为依据，数据仅用于定性说明事物特征，不具备可运算的数值意义，适用于类别特征归纳。2.1.2相关分析与回归分析什么是相关关系？变量之间存在的不确定的数量依存关系。当一个变量发生变化时，另一个变量也会随之产生相应的变化，但这种变化的具体数量是不确定的，没有严格的一一对应关系。核心特征：伴随变化，非确定性相关系数(R)解读取值范围：-1≤R≤1R=1为完全正相关，R=-1为完全负相关，R=0则无线性相关。经验判断标准：0.3-0.5低度

相关0.5-0.8显著

相关>0.8高度

相关回归分析：建模与预测研究变量间依存关系的统计方法，核心是构建数学模型，以一个或多个自变量来预测因变量的变化趋势。一元线性回归：y=a+bx（描述两个变量的线性关联）多元线性回归：y=a+b₁x₁+b₂x₂+...（多因素共同影响）2.1.3时间序列分析核心概念：时间序列分析是指将同一统计指标的数值按照其发生的时间先后顺序排列而成的数据集进行分析的方法，旨在揭示数据随时间变化的规律、趋势和周期性，从而对未来发展进行预测和推断。移动平均法取一定数量周期的数据计算平均值，并逐次向后推进，以此平滑数据、消除短期随机波动，清晰呈现数据的长期发展趋势，适用于趋势分析与短期预测。指数平滑法通过对历史数据赋予递减的权重进行加权平均预测，近期数据权重更高、影响更大，能够快速反映数据的最新变化，尤其适用于无明显趋势与季节性的平稳序列预测。季节指数法专门用于分析和预测存在季节性波动特征的数据，通过计算季节指数来量化季节变动的影响程度，有效分离趋势因素与季节因素，提高周期性业务的预测精度。2.1.4聚类分析核心概念将物理或抽象对象的集合进行分组，形成由具有相似特征的对象组成的多个类（簇）的数据分析方法，是数据挖掘的重要技术之一。分析目标核心目标是实现簇内相似度最大化，同时让簇间相似度最小化。使同一簇内的对象尽可能紧密地聚合，不同簇间的对象尽可能相互分离。关键特点属于探索性分析方法，无需事先给定任何分类标准或标签。算法能够自动从海量、无标注的数据中发现潜在的类别结构和分布规律。核心差异：聚类vs分类聚类（无监督学习）：数据的类别是未知的，算法通过挖掘数据内在特征自动划分群组，是从“无”到“有”的发现过程。分类（监督学习）：基于已知的类别标签和训练数据，建立模型后将新数据分配到预先定义好的类别中，是从“已知”到“应用”的过程。案例实操：相关分析(Step1)业务背景：某网店开展付费流量推广活动，运营假设“付费流量投入”与“网站访问量”之间存在正相关关系，需通过数据验证该假设是否成立。分析目标：利用Excel的“分析工具库”功能，对“付费流量投入”和“访问量”两组数据进行相关性分析，计算相关系数，量化变量间的关联程度与方向。01.加载Excel分析工具库步骤Step1启动加载项：打开Excel，依次点击【文件】→【选项】→【加载项】，进入加载项管理界面，准备启用数据分析功能。Step2选择并跳转：在界面下方“管理”下拉菜单中选择“Excel加载项”，点击右侧【转到】按钮，打开加载项勾选窗口。Step3确认与验证：勾选“分析工具库”并确定；成功加载后，在Excel的【数据】选项卡下会出现【数据分析】功能按钮。关键提示：加载完成后，在“数据分析”对话框中选择“相关系数”工具，即可对数据进行正式的相关性量化分析。案例实操：相关分析(Step2)01.启动分析工具点击Excel菜单栏中的【数据】选项卡，选择【数据分析】功能，在弹出的分析工具列表中选中“相关系数”，点击【确定】进入参数设置界面。02.配置核心参数输入区域选择包含“付费流量投入”和“访问量”的两列数据（$B$2:$C$13）；分组方式勾选“逐列”，确保按变量列维度进行相关性计算。03.指定输出位置在输出选项中选择“输出区域”，指定表格中的空白单元格（如$G$3）作为结果起始位置，避免覆盖原始数据，保障数据安全与可读性。图示为“相关系数”对话框的关键配置项，正确选择输入区域与分组方式是确保分析结果准确性的核心前提。案例实操：相关分析(Step3)01.矩阵生成在Excel分析工具中点击【确定】后，程序会自动在指定的输出区域生成完整的相关系数矩阵，矩阵包含了所有输入变量两两之间的相关关系数值。02.关键数据：0.914聚焦矩阵中“付费流量投入”与“网站访问量”的交叉单元格，读取到相关系数约为0.914。该数值为正数，表明两个变量呈现同向变动的趋势。03.业务验证：高度正相关依据统计学经验标准（系数绝对值>0.8为高度相关），验证了“付费流量投入能显著带动访问量增长”的核心假设，为推广策略提供了数据支撑。上图为Excel输出的相关系数矩阵核心片段。“列1”代表付费流量投入，“列2”代表网站访问量。交叉单元格的0.914直观量化了两者的强关联，是本次数据分析最核心的成果指标。案例实操：回归分析-图表法(Step1-2)核心目标通过图表可视化的方式，探索并建立“付费流量投入”与“网站访问量”之间的一元线性回归模型，直观呈现变量间的相关关系。Step1：插入带平滑线的散点图选中数据区域($B$2:$C$13)，点击【插入】选项卡，在图表组中选择【散点图】，并切换至“带平滑线的散点图”类型，初步生成趋势图表。Step2：优化横坐标轴范围双击横坐标轴打开【设置坐标轴格式】面板，将“最小值”手动固定为“2300”，压缩无效空白区域，使数据趋势的变化细节更清晰呈现。操作界面参考：如图所示，在Excel的“插入图表”对话框中，选择“XY(散点图)”类别下的“带平滑线的散点图”，可直观看到数据的走势拟合情况，为后续回归分析提供基础视觉支撑。案例实操：回归分析-图表法(Step3)Step3：添加趋势线并显示公式右键点击图表中的数据曲线，选择【添加趋势线】；在右侧格式面板中选定“线性”类型，并务必勾选“显示公式”和“显示R平方值”选项，以获取关键模型参数。回归方程y=2.8928x-2916.5

量化投入与访问量的线性关系。决定系数R²数值为0.837

代表模型对数据变化的解释能力较强。应用结论模型拟合效果良好，可用于预测不同付费投入下的访问量增长。图表中清晰展示了线性趋势线、回归方程公式以及R²值。R²越接近1，说明拟合度越高，预测结果的可信度也越强。案例实操：回归分析-工具法(Step1-2)目标：利用Excel数据分析工具进行回归分析，精准配置参数，获取专业的统计分析报告与指标。Step1：选择数据分析工具点击Excel菜单栏的【数据】选项卡，在“分析”组中找到并点击【数据分析】按钮；在弹出的“数据分析”对话框列表中，选中“回归”选项，最后点击【确定】进入参数设置界面。Step2：精准配置回归核心参数设定Y值为网店利润数据区域($C$2:$C$13)，X值为付费流量投入数据区域($B$2:$B$13)，并指定工作表空白处为输出区域，完成关键变量的映射与分析范围界定。操作界面示意：图中展示了Excel“回归”对话框的关键参数配置。正确区分因变量(Y)和自变量(X)的数据源区域，是确保分析结果有效的前提，同时建议勾选“置信度”以获取更完整的统计推断信息。案例实操：回归分析-工具法(Step3)点击【确定】执行回归分析后，Excel将自动生成一份详尽的统计报告。我们需要重点聚焦于报告中的核心指标，以完成对数据关系的科学解读。01.回归统计核心指标重点关注MultipleR（相关系数）与RSquare（决定系数），其数值与图表法趋势线分析结果完全一致，精准反映了变量间的线性相关程度。02.方差分析(ANOVA)显著性检验通过F值及其显著性（SignificanceF）判断模型整体有效性。若显著性水平小于0.05，说明自变量与因变量的线性关系在统计学上显著成立。03.系数表推导最终方程Coefficients列明确给出截距和自变量系数，直接对应公式y=a+bx，可据此量化自变量每变化一个单位对因变量的具体影响幅度。图示：Excel输出的一元线性回归分析完整报告界面。该报告整合了统计量、显著性检验及系数详情，是验证模型有效性与推导预测公式的核心依据。案例实操：时间序列分析(Step1)01.案例背景数据已知某天猫零售店铺2018年至2021年的季度零售额历史数据，数据涵盖完整的四年经营周期，包含明显的销售波动特征，是典型的时间序列数据样本。02.分析核心目标运用移动平均法对原始销售数据进行平滑处理，消除随机波动的干扰，识别数据的长期趋势与季节性规律，并基于此完成对未来销售情况的初步预测。Step1：插入折线图，可视化趋势选中销售额数据列，通过【插入】→【折线图】生成趋势图。从图表中可直观识别出数据的周期性波动及整体上升趋势，为后续平滑分析提供依据。案例实操：时间序列分析(Step2)01.启动分析工具点击【数据】选项卡，在“分析”组中选择【数据分析】，在弹出的对话框里选中“移动平均”，点击【确定】进入参数设置界面。02.定义数据范围在“输入区域”中框选销售额数据所在的单元格区域`$C$2:$C$17`，确保包含完整的历史数据序列，为计算提供基础。03.配置核心参数与输出将“间隔”设为3，代表采用3期移动平均来平滑数据；指定空白列作为“输出区域”以存放计算结果；务必勾选“图表输出”，可直接生成原始数据与移动平均线的对比图，直观呈现趋势变化。实操界面参考：图中展示了“移动平均”对话框的完整参数配置。通过设定合理的间隔期数，能有效消除短期波动，更清晰地识别数据的长期发展趋势。案例实操：时间序列分析(Step3)Step3:解读移动平均结果完成参数设置并点击【确定】后，Excel将自动在指定列生成对应周期的移动平均值，并同步输出“原始值vs移动平均值”的对比折线图，直观呈现数据变化。消除短期随机波动

移动平均线（橙色线）过滤了原始数据（蓝色线）中的偶然因素干扰，曲线更为平滑，让数据的核心特征得以凸显。洞察长期发展趋势

透过平滑后的曲线走势，能更清晰地识别数据的长期变化规律（如增长、下降或平稳），为后续预测提供可靠依据。图表展示了原始销售数据与3期移动平均值的对比。可以直观看到，橙色的移动平均线有效过滤了短期噪声，使得整体上升的趋势一目了然。任务2归纳商务数据分析模型5W2H模型从What、Why、Who、When、Where、How、Howmuch七个维度全面描述问题，适用于业务场景的基础调研与问题界定，确保分析要素无遗漏。PEST模型从政治（Political）、经济（Economic）、社会（Social）、技术（Technological）四个宏观维度分析市场环境，助力企业研判外部发展机遇与风险。逻辑树模型将复杂问题逐层拆解为若干子问题，像树枝一样展开，把笼统的大问题转化为具体的、可执行的小问题，提升分析的条理性与系统性。漏斗模型基于用户行为的层级转化逻辑，展示从流量获取、用户激活到留存、变现的全过程，帮助识别转化瓶颈，优化关键业务环节的转化率。SWOT分析模型通过分析企业的优势（Strengths）、劣势（Weaknesses）、机会（Opportunities）和威胁（Threats），制定契合自身资源与市场环境的发展战略。典型应用案例：在用户购买行为分析中应用漏斗模型转化路径；胖东来运用SWOT模型优化服务战略；电脑销售公司结合PEST模型研判市场政策与技术趋势；宝洁中国通过5W2H模型梳理产品线与营销方案。2.2.15W2H模型5W2H又称“七问分析法”，是一种思维工具，通过七个核心关键词进行系统性提问，从不同维度审视问题，帮助我们全面、条理清晰地梳理思路，确保分析过程没有遗漏，从而制定出更完善的计划与方案。What·做什么明确核心目标与任务内容，界定项目的具体范畴与产出成果。Why·为什么做探究背景、动机与原因，论证方案的必要性，明确底层逻辑。Who·责任人/受众确认执行主体、协作人员，同时定位目标用户与利益相关方。When·时间节点规划项目的起止时间、关键里程碑与执行节奏，把控进度时机。Where·地点/渠道锁定实施的物理空间，以及信息传播、业务开展的核心渠道。How&Howmuch明确执行方法、流程与具体步骤；核算成本预算，设定量化标准与预期达成的程度。2.2.2PEST模型PEST模型是分析企业外部宏观环境的经典工具，通过对政治、经济、社会和技术四大类影响企业的主要外部环境因素进行全面考量，帮助企业研判发展机会与潜在风险。Political政治考察政府政策法规、政局稳定性、税收政策、贸易限制及产业扶持政策等，这些因素直接影响企业的合规经营与战略方向。Economic经济涵盖经济发展水平、利率、通货膨胀率、汇率、居民可支配收入及消费结构等，决定市场容量与企业成本收益。Social社会聚焦人口结构、文化传统、消费观念、生活方式、教育水平及社会价值观等，塑造市场需求的核心特征与偏好。Technological技术关注技术更新迭代速度、新技术发明、专利保护、数字化转型趋势及研发投入等，是企业创新与竞争优势的关键驱动力。2.2.3逻辑树模型逻辑树又称问题树、分解树，是一种将复杂的大问题层层拆解为多个子问题的结构化思维工具。通过不断向下分解，直至找到问题的根本原因或可执行的具体措施，帮助我们化繁为简、理清思路。01议题树：层层拆解，理清脉络将核心问题细分为有内在逻辑联系的副议题，把复杂问题拆解为更具体、可操作的小问题，适用于问题的初始界定与分析。02假设树：先立假设，验证真伪先预设一种解决方案或结论，再反向寻找论据来证明或否定该假设。这种方式效率更高，适合已有初步判断的场景。无论是哪种类型，核心都是通过结构化分解，让模糊的问题变得清晰可见，从而找到解决路径。案例解析：目标客户选择的逻辑推演图示为“是否将首次购买电脑者作为目标客户”的逻辑树分析。从核心问题出发，层层拆解为“获利性”“战略一致性”等子问题，再进一步细分，最终明确决策依据。2.2.4漏斗模型图示为典型的营销转化漏斗，直观呈现了从定位目标客户群到完成成交的全流程，以及各阶段的用户留存与流失比例。01/核心概念在营销或流程分析中，用于量化用户从初始接触到最终达成目标（如购买、成交）的全链路转化过程。该模型通过层级递减的形态，清晰展示各环节的用户流失情况，是分析转化效率的重要工具。02/关键应用价值监控转化瓶颈精准定位各转化层级中用户流失最严重的环节，聚焦问题核心。驱动策略优化针对薄弱环节制定改进措施，优化流程与体验，系统性提升整体转化率。2.2.5SWOT分析模型SWOT分析是一种综合评估工具，通过分析企业内部的优势(Strengths)、劣势(Weaknesses)，以及外部环境的机会(Opportunities)、威胁(Threats)，从而将内外部因素结合，为战略制定提供依据。图示：SWOT分析矩阵，展示了内外部因素交叉形成的四种战略态势。SO增长型策略核心逻辑是发挥企业内部的优势资源，充分利用外部市场的机会，以此来扩大业务规模，抢占市场份额，是最理想的战略态势。WO扭转型策略利用外部机会来改进和克服企业内部的劣势。通过抓住机遇，有针对性地弥补短板，将劣势转化为优势，实现业务的扭转。ST多元化策略利用企业自身的优势去规避或减轻外部威胁的影响。可以通过多元化经营分散风险，或通过核心优势构建壁垒抵御威胁。WT防御型策略在内部劣势和外部威胁并存的情况下，采取收缩或完全退出的防御策略。重点是减少损失，保存企业实力，避开风险区域。教学实践环节任务一：回归分析法预测市场需求收集智能家居销售量及核心影响因素（如价格、推广投入、用户偏好等）数据，运用回归分析方法建立量化预测模型，结合模型结果研判市场趋势，并针对性提出产品布局与市场推广的策略建议。提交要求：需提交一份完整的实训报告，报告需涵盖数据采集过程、模型构建步骤、检验分析及最终策略方案，逻辑清晰、数据详实。任务二：PEST模型分析代工企业转型选取典型代工企业，全面收集其所处的政治、经济、社会文化及技术（PEST）外部环境信息，系统分析各维度对企业的影响，结合行业态势为企业从代工向自主品牌、技术创新转型制定切实可行的发展战略。提交要求：提交完整实训报告，需包含企业背景调研、PEST各维度深度剖析、转型机遇与挑战总结，以及具体的战略实施路径规划。项目综合实践：绘制漏斗模型01实践核心目的通过亲手绘制漏斗模型，帮助学生深入理解用户转化的层级逻辑，掌握从数据梳理到图表呈现的完整流程，提升对业务转化过程的分析与可视化表达能力。02实践工具与素材需准备指定数据包（路径：项目2/项目综合实践/漏斗模型数据），并使用Excel2016软件作为主要绘图工具，确保数据源的准确性与工具版本的适配性。03关键实践要求严格沿用指定数据源进行绘图，禁止擅自修改数据；完成漏斗图绘制后，需结合业务场景撰写详细转化分析；最后以小组为单位展示成果，开展组间交流与互评。04版本操作小贴士Excel2019及后续版本支持直接插入“漏斗图”图表类型，操作更便捷；若使用2016及更早版本，需通过