电子商务数据分析课件 第7章 电子商务数据可视化

第七章电子商务数据可视化7.1数据可视化的含义教学目的与要求：

解释数据可视化的含义说明数据可视化的基本思想描述数据可视化的基本特点一、数据可视化的含义

数据可视化（DataVisualization）：是指将大型数据或集中的数据以图形图像形式表示，并利用数据分析和开发工具发现其中未知信息的处理过程。

从技术的角度来看，数据可视化借助于图形化的手段，能清晰、快捷、有效地传达与沟通信息；从用户的角度来看，数据可视化可以让用户快速抓住要点信息。数据可视化的目的是借助图形化手段，清晰、有效地传达与沟通信息。二、数据可视化的基本思想（1）数据库中每一个数据项均可作为单个图元元素表示，大量的数据集构成数据图像；（2）将数据的各个属性值以多维数据的形式表示，并可以从不同的维度观察数据；（3）可对数据进行更深入的观察和分析，并输出结果。

由于电子商务数据往往不可能通过简单统计就轻易看到模式和结论，因此特别需要借助视觉化呈现数据，从而有效地揭示信息模式和观察结果。三、数据可视化的特点（1）数据可视化与信息图形、统计图形、信息可视化、科学可视化密切相关，一般具有准确性、创新性和简洁性等特点。（2）数据可视化通常需要同时具备美学形式与信息解释功能，通过直观地传达关键的内容与特征，实现对复杂数据集的深入洞察。

数据可视化分析，能通过视觉化方式快速抓住要点信息，是获得商务信息的有效方式之一。7.2常用的数据可视化方法主要教学内容：

面积与尺寸可视化概念可视化颜色可视化图形可视化地域空间可视化一、面积与尺寸可视化

这种方法通过对同一类图形（诸如柱状、圆环、蜘蛛图等）的长度、高度或面积加以区别，清晰地表达不同指标及其对应的指标值之间的对比信息，让浏览者对相关数据及其之间的对比情况一目了然。制作这类数据可视化图形时，一般需要用数学公式计算，以便表达准确的尺度和比例。【案例7-2】图7-3是某企业能力模型蜘蛛图。通过蜘蛛图的表现，该公司综合实力与同行平均水平的对比一目了然。二、概念可视化

概念可视化是将抽象的指标数据转换为人们熟悉的、容易感知的数据，使用户更容易地理解图形所要表达的意义。【案例7-3】图7-4是某工业园区厕所里贴在墙上的提醒员工节省纸张的环保贴士，用了概念转换的方法，让人清晰地感受到员工一年的用纸量之多。图7-4提醒节省纸张的环保贴士三、颜色可视化

通过不同的颜色来表达指标值的强弱和大小，是数据可视化设计的常用方法之一。这种方法可让用户一眼看出数据信息的整体特征，如哪一部分指标的数据值比较突出等。一般而言，选择颜色应注意以下问题：（1）不要在条形图中使用红色代表正数，因为在商业范畴内，红色往往与损失紧密联系，而用红条代表负收益则是非常有效的。（2）不要使用多种颜色来表示同种数据，应使用同种颜色表示同一变量，这样可以让用户更好地集中注意力去比较数据。（3）如果需要使用不同的颜色来区分图表的不同元素，或者是表明数据的变化，一定要使用更明亮或更暗的色彩，确保明度有足够的对比度，使所有用户都能更容易地阅读图表。四、图形可视化

在人们设计指标及数据时，若结合、使用有相应实际含义的图形，往往会使数据图表的内容展现得更加生动，更便于用户理解图表要表达的内容。【案例7-5】从图7-6中可以看出，该数据可视化的设计直接采用男性和女性图形分类，同时采用了面积与尺寸可视化方法，将不同的比例用不同长度的条形表示，再结合使用颜色可视化，让调查分析的结果一目了然，大大加强了数据的可理解性。图7-6人人网用户网购情况调查分析结果的可视化输出五．地域空间可视化

当指标数据要表达的主题与地域有关联时，一般可选择用地图作为大背景来可视化输出数据分析的结果。这样，用户既可以直观地了解到整体的数据情况，也可以根据地理位置快速定位到某一地区查看详细数据。在进行数据可视化设计时应注意以下事项：（1）设计的数据可视化方案一般要求至少适用于两个层次。其一，要求能够整体展示大的图形轮廓，让用户快速了解图表所要表达的整体概念；其二，要求能以合适的方式对局部的详细数据加以强化呈现，例如，当鼠标指针悬停在目标上方时，能够弹出窗口展示相关详细信息。（2）上述5种数据可视化方法在实践中经常混合使用。例如，在展示一些复杂图形和多维度数据时，需要综合应用多种可视化方法，以便收到比较理想的效果。（3）设计的可视化图表一定要易于理解。可视化图表在显性化的基础上越美观越好，切忌华而不实。7.3数据可视化的形式——图表主要教学内容：

数据可视化图表类型数据可视化图表制作技巧一、数据可视化图表类型

1．关系流程类图表通常用语言一时难以表述清楚的东西，若借助图形来说明，往往效果会好很多。如图7-7所示，人们可以迅速找到表述亮点或事件的主干，让所要表达的主题和思路更加清晰。图7-7某在线平台业务关系流程辅助表述图一、数据可视化图表类型

2．叙事插图型图表

叙事型图表主要强调的是时间维度，一般是指随着时间的推移，信息也不断变化的图表。插图型图表是用诙谐幽默的图画表达信息的图表。一、数据可视化图表类型

3．树状结构类图表

树状结构类图表具有非常有序的系统特征，可以把繁复的数据通过分支梳理的方式表达清楚。运用分组，每组再次分类的主体框架表示主从结构，让数据与示意图有效地结合在一起，如图7-9所示。图7-9树状结构类图一、数据可视化图表类型

4．时间表述类图表

时间表述类图表只要以时间轴为中心加入文字数据即可，图7-10所示是一种时间表述类图模板。从设计的角度来看，将主题融入图形设计，挑选重要事件点解读，可以使画面精美、加深理解力度。图7-10时间表述类图一、数据可视化图表类型

5．空间结构类图表运用设计语言把繁杂结构模型化、虚拟化，是空间结构类图表存在的意义。大篇幅的文字讲不清楚的事情，也许仅需一个简单的空间结构类图表。图7-11所示为某立体仓库的空间结构图。图7-11某立体仓库的空间结构图图二、数据可视化图表制作技巧

1．重视基础图形创意

在数据可视化图表设计中，通过对基础图形的创意来突出设计主题（见图7-13），就可以取得一举多得、事半功倍的效果。图7-13基础图形通过创意来突出设计主题二、数据可视化图表制作技巧

2．创设高吸引度与视觉亮点

图7-14所示的最新热点视觉吸引效果图采用的风趣幽默的表现手法，选取的时下最新热点，都是数据可视化设计的有效切入点。图7-14最新热点视觉吸引效果图二、数据可视化图表制作技巧

3．使画面简洁明了

信息的整理和归纳应力求以最精简的数据产出最清晰的效果，始终要坚持可读性和条理性共存的原则。基于图表的信息表达示例如图7-15所示。图7-15基于图表的信息传达二、数据可视化图表制作技巧

4．坚持视觉导向

遵循视觉导向规律的设计，往往可以提高人们对信息的理解力，给人以舒适的阅读感受。反之，则会失去图文重点，让人不解其意，给人杂乱无章的感觉。二、数据可视化图表制作技巧

5.用好象征图释

象征性图释要以受众广为前提和目标，在设计上要注重保持风格的统一，让人视觉连贯、赏心悦目。图7-17象征图释7.4应用实例：电子商务数据分析结果的可视化输出主要教学内容：

利用Excel实现数据分析结果可视化输出利用SPSSModeler实现可视化数据挖掘利用Python可视察化分析消费者评论数据一、利用Excel实现数据分析结果可视化输出

1．利用Excel表格功能实现数据的可视化展示（1）首先，在Excel表格数据下方填写100%，如图7-18所示，若数据中有100%，则可不写。一、利用Excel实现数据分析结果可视化输出

1．利用Excel表格功能实现数据的可视化展示（2）选中欲图形化的数据，单击“条件格式”，在弹出的菜单中选择“数据条”选项，如图7-19所示。一、利用Excel实现数据分析结果可视化输出

1．利用Excel表格功能实现数据的可视化展示（3）选择喜欢的颜色，如图7-20所示。一、利用Excel实现数据分析结果可视化输出

1．利用Excel表格功能实现数据的可视化展示（4）选定数据的图形化显示结果如图7-21所示。图中多了一行“100%”，可通过操作将其隐藏起来。一、利用Excel实现数据分析结果可视化输出

1．利用Excel表格功能实现数据的可视化展示（5）将鼠标指针移动到欲隐藏行的行标处（也就是显示行数的地方），选中行（注意不是选中单元格），如图7-22所示。一、利用Excel实现数据分析结果可视化输出

1．利用Excel表格功能实现数据的可视化展示（6）在选中行单击鼠标右键，在弹出的菜单中选择“隐藏（H）”选项，如图7-23所示。一、利用Excel实现数据分析结果可视化输出

1．利用Excel表格功能实现数据的可视化展示（7）隐藏多余行以后的数据图形化效果如图7-24所示。一、利用Excel实现数据分析结果可视化输出

2．利用Excel数据透视图实现数据的可视化展示利用Excel数据透视图实现数据可视化展示的操作步骤如下。（1）选中数据透视表中的任意单元格，然后在“数据透视表工具”的“选项”对话框的“工具”选项组中，单击“数据透视图”按钮，如图7-25所示。。一、利用Excel实现数据分析结果可视化输出

2．利用Excel数据透视图实现数据的可视化展示（2）在随即打开的“插入图表”对话框中选择“柱形图”中的“堆积柱形图”类型，如图7-26所示。。。一、利用Excel实现数据分析结果可视化输出

2．利用Excel数据透视图实现数据的可视化展示（3）单击“确定”按钮，关闭“插入图表”对话框，与当前数据透视表相关联的数据透视图就创建完成了，如图7-27所示。一、利用Excel实现数据分析结果可视化输出

2．利用Excel数据透视图实现数据的可视化展示（4）为了更清晰地对比同一年度各种图书的销售情况，可直接在数据透视图中单击“年”按钮，进行快速筛选，如图7-28所示。一、利用Excel实现数据分析结果可视化输出

2．利用Excel数据透视图实现数据的可视化展示（5）单击图7-28中的“确定”按钮，数据透视图中就显示出“2011年”各类图书的销售数据，如图7-29所示。。二、使用SPSSModeler实现可视化数据挖掘SPSSModeler是一个企业级的数据挖掘平台，它将复杂的统计方法和机器学习技术应用到数据分析中，揭示隐藏在商务交易系统、结构数据库和普通文件中的模式和趋势，帮助客户始终站在行业发展的前沿，在缩短投资回报周期的同时，极大地提高投资回报率。1．SPSSModeler的主要功能（1）数据读取功能。SPSSModeler具备处理多种格式的数据的能力，能够从多种类型的文件（诸如可变长度记录、二进制文件、自由格式数据、Excel等）读取任何格式的数据。（2）数据预处理功能。SPSSModeler提供多种数据处理节点，分析人员可以通过拖拉方式实现数据的预处理，而无须精通数据库语言。二、使用SPSSModeler实现可视化数据挖掘1．SPSSModeler的主要功能

（3）图形化数据输出功能。SPSSModeler提供了多种图形化技术和输出报告，帮助用户理解数据间的关键性联系，并指导用户以最便捷的途径找到问题的最终解决办法。

（4）数据挖掘功能。SPSSModeler提供了一系列的数据挖掘算法模型，可以满足任何数据挖掘应用。用户可以从多种算法中选择，以满足其预测、聚类、关联、分类等需求。

（5）模型评估功能。SPSSModeler提供的评估图包括收益图表、提高图表、投资回报图表、利润图表、响应图表。

（6）多种格式的数据导出功能。SPSSModeler可以提供多种格式的数据导出服务，方便用户使用结果数据。

（7）商品部署功能。SPSSModeler支持方便、灵活的部署方式，用户可以将模型直接发布到数据库中，进行高效的数据库打分，也可制订定期、定时的模型运行计划等。二、使用SPSSModeler实现可视化数据挖掘2．SPSSModeler中参数的设置

在使用SPSSModeler过程中有一些小技巧（如参数的设置等）可能容易被忽略，而它们却可以帮助用户更加高效、方便地实现所需功能。（1）什么时候需要用到参数？在分析的过程中，如果用户需要根据不同条件来运行相同的数据流，而且这个条件是多个节点需要用到的，这时就可以使用参数来实现。（2）参数类型。IBMSPSSModeler中的参数主要可分为两类：一是流参数，在流脚本中或在流属性对话框中设置，可用于流中的所有节点；二是会话参数，在独立脚本或在会话参数对话框中设置，可用于当前会话中使用的所有流。二、使用SPSSModeler实现可视化数据挖掘2．SPSSModeler中参数的设置（3）流参数的设置。打开菜单栏，选择“工具”栏下的“流属性”选项，在弹出的“流1对话框中选择“参数”选项，如图7-30所示。（4）会话参数的设置。打开菜单栏，选择“工具”栏下的“设置会话参数”选项，如图7-31所示。二、使用SPSSModeler实现可视化数据挖掘

什么时候需要用到全局量？当需要使用某个指标值的统计值如平均值、汇总值、最小值、最大值、标准差等进行“选择”或者“导出”计算时，使用全局量可以方便地帮助实现。

应用举例：设有2016年每个月销售金额的数据，现要新增一列“每个月销售金额的占比”，一般需要先通过汇总值把销售金额汇总，再将其合并到原来的表中。这样做比较麻烦，若设置全局量，就可以很方便地实现了。设置全局量的流程如图7-34所示。3．SPSSModeler中全局量的设置二、使用SPSSModeler实现可视化数据挖掘

（1）读取源数据，如图7-35所示。3．SPSSModeler中全局量的设置（2）用类型节点读取值，如图7-36所示。二、使用SPSSModeler实现可视化数据挖掘

（3）在“输出”面板中选择“设置全局量”，打开“设置全局量”对话框如图7-37所示。3．SPSSModeler中全局量的设置（4）单击“运行”按钮后，选择菜单栏中“工具”栏下的“全局量”标签，面板自动生成全局量及相应计算好的数值，如图7-38所示。二、使用SPSSModeler实现可视化数据挖掘

（5）使用导出节点，生成占比指标，在导出的表达式面板，右边下拉框中选择“全局量”，可以看到前面生成的全局量的值，如图7-39所示。3．SPSSModeler中全局量的设置（6）使用表格查看结果，如图7-40所示。三、使用Python可视化分析消费者评论数据

Python是一种功能强大的编程语言，拥有丰富的库和工具，可以帮助用户处理文本数据，包括评论数据。电子商务平台上的评论数据中蕴藏着丰富的情感和观点，通过Python的编程功能，可以对评论数据进行深入分析和可视化展示，将繁杂的文本和数字转化为直观易懂的图表，以便企业快速洞察市场动态和消费者需求，为产品改进和营销策略提供有力支持。1．评论数据分析的一般流程

（1）数据准备

（2）数据清洗与预处理首先，需要获取评论数据。这可以通过多种方式实现，例如通过API接口直接从平台获取、使用Web爬虫技术抓取网页上的评论或者读取本地存储的数据文件，并确保所收集的数据包含必要的字段如用户ID、评论内容、时间戳等，这对于后续分析非常重要。主要任务：①去除HTML标签、特殊字符、URL链接等噪声信息；②分词，即把句子（特别是对于中文评论）分解成单词或短语；③去除停用词，如去除“的”“是”等高频但无实际意义的词汇，以及对文本进行标准化处理（如大小写转换）。这些步骤有助于提高后续分析的质量和准确性。三、使用Python可视化分析消费者评论数据1．评论数据分析的一般流程

（3）情感分析

（4）可视化展示构建情感分析模型判断每条评论的情感倾向（正面、负面或中性）。可采用开源工具如SnowNLP，还可以考虑使用机器学习算法训练分类器，比如朴素贝叶斯、支持向量机（SVM）或是深度学习框架中的循环神经网络（RNN）等。即把上述得到的结果以图形的形式展现给用户。例如，在分析电商直播间的评论时，可以使用Matplotlib和Seaborn绘制评论数量随时间变化的折线图，以此展示话题热度的变化趋势；同时也可以利用饼图或柱状图来呈现用户情感倾向的分布情况，从而直观地反映出观众对直播内容的态度。散点图适合用来表示两个变量之间的关系；折线图可用于显示随时间变化的趋势；直方图能够清晰地表现出数值分布情况；条形图适用于比较不同类别的频数；箱线图可帮助理解数据的离散程度及异常值；饼图适合比例分配的展示；热力图多用于揭示变量间的关联强度；词云图可根据词语出现频率生成图像，强调最重要的关键词。三、使用Python可视化分析消费者评论数据2．利用python代码实现商品评论数据的可视化分析

（1）导入库并设置停用词importpandasaspdimportnumpyasnpimportmatplotlib.pyplotaspltimportseabornassnsimportnetworkxasnxfromwordcloudimportWordCloudimportjiebaimportjieba.analyseimportrandomfromPILimportImageimportmatplotlib.colorsasmcolorsplt.rcParams['font.sans-serif']=['SimHei']plt.rcParams['axes.unicode_minus']=Falsestop_list=pd.read_csv("停用词.txt",index_col=False,quoting=3,sep="\t",names=['stopword'],encoding='utf-8')jieba.analyse.set_stop_words('停用词.txt')2．利用python代码实现商品评论数据的可视化分析

（2）定义随机生成颜色函数defrandomcolor():colorArr='0123456789ABCDEF'

color="#"foriinrange(6):

color+=random.choice(colorArr)returncolor

（3）提取关键词及其频率text=''.join(df['cutword'].tolist())j_r=jieba.analyse.extract_tags(text,topK=20,withWeight=True)df1=pd.DataFrame(j_r,columns=['word','frequency'])

（4）词云图生成fromwordcloudimportWordCloudimportrandomfromPILimportImageimportmatplotlibmask=np.array(Image.open('四叶草.png'))cmap=mcolors.LinearSegmentedColormap.from_list("",[randomcolor()for_inrange(10)])clean_text=''.join([charforcharintextifchar.isalnum()orchar.isspace()])wordcloud=WordCloud(