商务基础及应用 3

《商务数据分析与应用》教案02课题

（项目、章节）项目二商务数据分析方法与模型

2.1甄别商务数据分析方法

2.2归纳商务数据分析模型课时6授课地点授课时间授课方式理论课（√）、实践课（√）、实习（）教学目标教学目标：

知识目标：识记商务数据分析的四种基本方法（统计分析法、相关分析与回归分析、时间序列分析、聚类分析）的概念与适用场景；了解商务数据分析的五大模型（5W2H、PEST、逻辑树、漏斗、SWOT）的内涵与结构；掌握相关系数、一元线性回归、移动平均、漏斗转化率的计算方法。

能力目标：能够运用Excel对商务数据进行相关分析与回归分析；能够运用时间序列分析法进行销售数据预测；能够绘制并解读漏斗模型；能够运用PEST、SWOT等模型对企业外部环境进行系统分析；能够根据实际问题选择合适的数据分析方法与模型。

素养目标：重视数据的真实性与可靠性，提高诚信意识；提升数据安全意识，避免数据泄露；培养系统化、结构化的问题分析思维；树立用科学方法替代经验判断的职业理念。

教学方法：讲授法、案例分析法、讨论法、演示法、任务驱动法、实操训练法。

教学手段：多媒体教学、Excel数据分析工具实操演示、SPSS软件演示、网络教学资源。教学方法与手段重点难点教学重点：相关分析与回归分析的原理及Excel操作；时间序列分析中的移动平均法与指数平滑法；漏斗模型的绘制与转化率计算；PEST、SWOT模型的应用框架。

教学难点：理解相关系数与回归系数的统计意义；掌握非线性回归的线性变换方法；区分逻辑树三种类型（议题树、假设树、是否树）的适用场景；根据实际商务问题灵活选择分析方法与模型。教学过程与内容教学环节设计课堂准备（5min）

1.复习项目一核心内容（商务数据分类、数据分析流程），引出"工欲善其事，必先利其器"——方法与模型的重要性；

2.教师准备：课件、Excel案例数据文件（某网店运营数据、时间序列数据、漏斗模型数据）、SPSS软件环境；

3.学生准备：预习项目二，思考"面对一堆销售数据，应该从哪些角度切入分析"。

课堂讲授（60min）

1.回顾项目一数据分析流程，强调方法与模型在"数据分析"环节的核心地位；

2.对重点难点及学生的薄弱环节进行知识点补充讲解，突出课程思政（数据真实性、诚信统计、拒绝数据造假）。

知识内容：一、甄别商务数据分析方法1.统计分析法

（1）数量统计分析法：选择数量标志作为统计依据，分析数据分布特征与内部联系，如年龄、工资、资产等可进行运算的标志。

（2）属性统计分析法：按属性标志统计，分析社会经济现象的类型特征，如姓名、部门、性别、文化程度等不可运算的标志。

（3）统计分类：根据国家工业部门分类标准等统一规定，将复杂问题按属性标志分组，如采掘业→制造业→大类→中类→小类。

2.相关分析与回归分析

（1）相关关系：变量之间存在的不确定数量依存关系，区别于函数关系。按程度分为完全相关、不完全相关、不相关；按方向分为正相关、负相关；按形式分为线性相关、非线性相关；按变量数目分为单相关、复相关、偏相关。

（2）相关系数R：描述变量x与y之间线性关系密切程度的指标（-1≤R≤1）。R=1为完全正相关，R=-1为完全负相关，R=0为不相关。0.3~0.5为低度相关，0.5~0.8为显著相关，0.8以上为高度相关。

（3）一元线性回归：模型为y=a+bx+ε，通过最小二乘法求回归系数a、b，利用Excel"数据分析"工具或散点图添加趋势线实现。

（4）多元线性回归：研究两个及以上自变量同一个因变量的关系，要求自变量彼此线性无关。

（5）非线性回归：通过变量代换将幂函数、双曲线、对数函数、指数函数、多项式曲线等非线性模型转化为线性回归问题处理。

（6）Excel实操：以某网店付费流量投入、访问量、网店利润数据为例，演示相关系数计算、散点图绘制、趋势线添加、回归分析工具的操作步骤。

3.时间序列分析

（1）一次移动平均法：每次取一定数量周期数据平均，逐次推进，舍去前一周期、增加新周期数据，适用于一个时期后的预测。

（2）二次移动平均法：对一次移动平均再进行移动平均，建立线性趋势模型，解决一次移动平均对线性增长趋势的滞后偏差问题。

（3）一次指数平滑法：公式为S_t^(1)=αy_t+(1-α)S_(t-1)^(1)，α为加权系数（0<α<1）。

（4）二次指数平滑法：在一次指数平滑基础上再进行平滑，建立直线趋势预测模型，修正滞后偏差。

（5）季节指数法：包括季节指数水平法（计算季节比率Yt/Ȳ）和季节指数趋势法（移动平均消除趋势后求季节指数）。

（6）实例：某天猫店铺2018-2021年季度零售额数据，运用Excel绘制折线图、进行移动平均分析。

4.聚类分析

（1）概念：将物理或抽象对象集合分组，形成由类似对象组成的多个类，在相似基础上收集数据并分类。

（2）与分类的区别：聚类所划分的类是未知的，属于探索性分析；分类则是按已知标准进行归类。

（3）传统方法：系统聚类法、分解法、加入法、动态聚类法、有序样品聚类法、有重叠聚类法、模糊聚类法。

（4）常用算法：k-均值、k-中心点等，已置入SPSS、SAS等统计分析软件。

二、归纳商务数据分析模型1.5W2H模型（七问分析法）

以What（做什么）、Why（为什么）、Who（谁来做）、When（何时）、Where（何地）、How（怎么做）、Howmuch（多少成本）七个维度提问，搭建分析框架。案例：用户购买行为分析。

2.PEST模型（宏观环境分析）

从政治（Political）、经济（Economic）、社会（Social）、技术（Technological）四大维度检阅企业外部宏观环境。案例：胖东来零售企业的PEST分析。

3.逻辑树模型

（1）议题树：将事物细分为内在逻辑联系的副议题，适用于问题早期、尚未形成假设时。

（2）假设树：假设一种解决方案，用论据证明或否定，适用于对情况有足够了解、能提出合理假设时。

（3）是否树：对问题进行判断分析，结果非"是"即"否"，适用于对事物结构有良好理解、需快速决策时。

案例：某电脑销售公司网络营销推广方案的逻辑树分析。

4.漏斗模型

（1）概念：由多个自定义事件序列按指定顺序依次触发的流程中的量化转化模型，将潜在客户逐步变为客户。

（2）电商购物流程应用：浏览商品→放入购物车→生成订单→支付订单→完成交易，分别计算每环节转化率与总体转化率。

（3）Excel绘制：利用Excel2019直接插入漏斗图，或早期版本通过条形图+辅助列实现。

5.SWOT分析

评价企业的优势（Strengths）、劣势（Weaknesses）、机会（Opportunities）、威胁（Threats），制定发展战略。案例：宝洁中国SWOT分析矩阵。

三、综合实践案例

1.智能家居市场需求回归分析：收集销售量、人口增长、收入水平、房价、互联网普及率等数据，建立回归模型进行预测。

2.甲企业代工转型PEST分析：运用PEST模型分析代工企业转型自建品牌的外部环境。

3.电商购物流程漏斗模型绘制：使用给定数据包，在Excel中绘制漏斗模型并分析各环节转化率。

复盘反思（10min）

（1）总结本次课重点难点，突出课程思政内容（数据真实性、统计诚信、科学精神）。

（2）组织学生讨论本次课的收获：

知识盘点：对比四种数据分析方法与五种分析模型的适用场景，说说你的理解。

反思："方法"与"模型"的区别与联系——方法是处理数据的技术手段，模型是解决问题的思维框架；二者相辅相成，方法为模型提供数据支撑，模型为方法指明分析方向。

学生反馈：Excel操作是否熟练，哪些统计概念较难理解，对实际案例的分析是否到位。

以上情况，在本节课的教学活动中，以激发学生兴趣为指导原则，以团队合作为主要形式。课前准备

（5分钟）

新课讲授

（60分钟）

教师总结

（25分钟）作业（1）课后完成填空题、单选题、名词解释题、简答题、计算题等内容（见教材项目检测）；

（2）操作题：下载"某网店运营数据"Excel文件，完成以下任务：①计算付费流量投入与网店利润的相关系数；②绘制散点图并添加趋势线，写出回归方程；③运用移动平均法（N=3）对销售额进行预测。提交Excel文件及分析报告（不少于500字）。教学小结本专题系统介绍了商务数据分析的四大方法与五大模型，学生通过Excel实操掌握了相关分析、回归分析、移动平均等基础技能。5W2H、PEST、逻辑树、漏斗、SWOT等模型为学生提供了结构化分析问题的思维工具。后续需加强统计原理的讲解深度，帮助学生从"会操作"向"懂原理"提升，同时增加更多行业真实案例，强化方法模型的综合运用能力。2026-2027学年第一学期课程教学总结系（部）课程名称