《商务数据分析与应用 （微课版）》高职全套教学课件

项目一

商务数据认知全套可编辑PPT课件项目一商务数据认知.pptx项目二了解商务数据分析的基础.pptx项目三获取与收集商务数据.pptx项目四商务数据的预处理.pptx项目五商务数据分析.pptx项目六商务数据可视化.pptxCONTENTS目录01

课程导入与学习目标02

任务一：认识商务数据03

任务二：商务数据的来源04

任务三：商务数据的价值和应用05

课程总结与拓展课程导入与学习目标01本章学习目标

基础认知要求了解数据及商务数据的基本含义，建立对商务数据的基础概念认知。

核心能力要求掌握各类数据来源的划分依据，能够独立区分不同类型的商务数据来源。

应用理解要求理解商务数据的价值及应用相关内容，知晓商务数据在实际商业场景的作用。本章知识框架

模块划分本章内容分为认识商务数据、商务数据的来源、商务数据的价值和应用三大核心模块。

逻辑关联从基础概念到来源分类，再到价值应用，遵循从理论到实践的认知逻辑层层递进。

配套内容包含项目小结、实战训练、知识巩固、思政园地四个拓展模块，辅助知识点吸收。任务一：认识商务数据02数据的基本含义

数据的定义数据是对客观事件进行记录并可以鉴别的符号，是客观事物属性、状态及相互关系的抽象表示。

数据的范畴不仅包含狭义的数字，还包括文字、字母、图形、图像、视频、音频、文本等多种形式。

常见数据举例“0、1、2…”、“阴、雨、气温”、学生档案记录、货物运输情况等都属于数据范畴。数据的计量单位（上）最小计量单位比特（bit/位）是数据存储的最小单位，计算机硬件仅能识别二进制代码“0”和“1”，1位存放1个二进制数。基础存储单位字节（Byte，简写B）是计量数据存储的最基本单位，1B=8bit。常用小型单位千字节KB：1KB=1024B；兆字节MB：1MB=1024KB；吉字节GB：1GB=1024MB。数据的计量单位（下）

01大型存储单位太字节TB：1TB=1024GB；拍字节PB：1PB=1024TB；艾字节EB：1EB=1024PB；泽字节ZB：1ZB=1024EB。

02当前应用现状目前日常应用中常用单位为GB和TB，随着技术发展更大的存储单位会逐步投入使用。

03全球数据规模根据IDC统计，到2025年全球数据规模将达到175ZB，数据总量呈现爆发式增长趋势。信息的基本含义二者的关联数据经过加工后成为信息，数据是信息的表现形式和载体，信息是数据的内涵与有意义的解释。二者的差异数据是物理性的符号，本身无意义；信息是经过加工、对决策产生影响的数据，具有逻辑性和观念性。信息的价值信息的核心作用是消除认知不确定性，是具有重要价值的资源，来源于对大量数据的分析。商务数据的定义

商务数据的定义商务数据是记载商业、经济等活动领域的数据符号，不同行业、企业的获取途径和分析方法存在差异。

前端行为数据电子商务领域的前端数据包括访问量、浏览量、点击流、站内搜索等反映用户行为的数据。

后端商业数据电子商务领域的后端数据侧重商业结果，包括交易量、投资回报率、全生命周期管理等数据。任务二：商务数据的来源03按资料性质划分：一手数据

一手数据的定义一手数据是经过自身直接收集整理、来自直接经验获得的数据，原创性和针对性更强。

常见获取渠道包括用户访谈记录、问卷调研结果、产品前台反馈数据、后台记录的用户行为数据等。

数据优势数据真实性更高，与企业自身业务匹配度高，能够满足特定的分析需求。按资料性质划分：二手数据

二手数据的定义二手数据是借用他人经验或成果获得的数据，获取成本低、获取效率更高。

常见获取渠道包括公开的研究报告、学术文献资料、行业网站公开下载的数据、第三方机构发布的统计信息等。

数据注意事项使用时需要核验数据来源的权威性，确认数据口径与分析需求是否匹配。按来源范围划分：企业外部数据

外部数据的定义通过企业外部渠道获得的数据，能够帮助企业了解行业整体环境和外部影响因素。

常见数据类型包括社会人口数据、宏观经济数据、新闻舆论数据、市场调研数据四大类。

数据应用场景常用于市场趋势判断、行业对标分析、经营环境评估等商业分析场景。按来源范围划分：企业内部数据

内部数据的定义利用企业自身系统获取的数据，能够真实反映企业自身的经营状态和用户情况。

常见数据类型包括用户行为数据、服务端日志数据、客户关系管理系统数据、销售订单数据等。

数据应用场景常用于企业内部经营分析、用户运营优化、业务流程改进等场景。按来源对象划分：日常采集数据

日常采集数据的定义企业在日常运营过程中持续、常规采集的数据，是商务数据分析的基础数据来源。

点击流数据包括页面访问数、浏览量、用户在页面的停留时间等，反映用户对产品的使用行为。

业务运营数据包括销售额、订单量、客户购买数量等，主要存放在ERP、CRM等系统后台，用于衡量业务绩效。按来源对象划分：专题获取数据专题获取数据的定义为了特定分析专题临时针对性采集的数据，用于解决特定业务问题。实验测试数据为分析特定问题临时采集的数据，例如网站改版效果测试、用户体验优化测试等场景的数据。用户调研数据通过问卷调查、客户访谈等定性调研方式获取的用户反馈数据，用于了解用户的主观态度和需求。按来源对象划分：外部环境数据

外部环境数据的定义来自企业外部环境的行业和竞品相关数据，帮助企业明确自身市场定位。

行业发展数据一般来自第三方咨询公司发布的行业报告，用于和企业自身数据对标，挖掘行业机会。

竞争对手数据通过公开渠道获取的竞争对手经营数据，用于分析自身的竞争优劣势，制定竞争策略。任务三：商务数据的价值和应用04商务数据的政策定位

政策文件背景2020年4月《中共中央国务院关于构建更加完善的要素市场化配置体制机制的意见》公布，首次将数据列为新型生产要素。

核心政策方向明确要求加快培育数据要素市场，推进政府数据开放共享，提升社会数据资源价值，加强数据资源整合和安全保护。

行业发展导向政策支持农业、工业、交通、教育等多领域规范化数据开发利用，培育数字经济新产业、新业态、新模式。商务数据的核心价值：用数据说话

价值核心用数据量化业务现状，用清晰的指标消除模糊的主观判断，实现经营状态的可衡量。

实际应用举例商品销售场景下，通过记录订单ID、商品信息、交易价格、用户ID等数据，可准确核算销售金额、用户构成、商品销量等核心信息。

延伸价值基于基础记录数据可进行二次加工，衍生出更多维度的业务分析指标，支撑更深层的业务判断。商务数据的核心价值：用数据判断价值核心

用数据替代主观感觉制定判断标准，遏制决策的主观冲动，让商业决策回归理性。传统决策弊端

无数据支撑的“拍脑袋”决策容易导致经营风险，是很多商业失败的核心诱因。数据决策价值

数据分析能够为决策者提供客观参考，即使商业成功存在偶然因素，也能提前明确决策的风险边界。商务数据的核心价值：用数据寻因价值核心

通过内部数据快速锁定问题发生的范围，为后续原因排查指明方向。实际应用逻辑

销售异常时，可先通过内部数据锁定问题发生的时间、区域、门店、产品范围，缩小排查边界。注意事项

数据仅能锁定问题范围，最终原因还需结合市场走访、员工访谈、用户调研等方式共同确认。商务数据的核心价值：用数据评估&预测

数据评估价值可对销售能力、产品表现、门店运营、供应商资质等进行多维度综合评估，得出更客观的评价结果。

数据预测价值可基于历史数据预测销售趋势，为供应链、市场、售后等部门的工作安排提供参考。

预测注意事项商业环境瞬息万变，预测结果仅作为参照值，需要结合实际业务动态调整。商务数据应用：勾勒消费者画像应用核心通过整合多维度用户数据勾勒消费者画像，还原用户全貌，支撑精准的用户运营。用户标签构成包含基本属性标签（性别、年龄、学历、职业、收入、地区等）和行为属性标签两大类。技术支撑随着数据采集、分析和管理技术成熟，用户画像工具的应用已经非常普遍，是数字化运营的基础工具。商务数据应用：提升营销转化应用核心通过分析流量和付费转化数据，甄别优质广告投放渠道，提升营销投入的ROI。行业案例参考李宁、花西子、完美日记等品牌通过融合数字化营销方式，实现了品牌声量和销量的同步增长。常用分析工具营销漏斗是常用的转化分析工具，能够清晰展示从曝光到最终付费的全链路转化损耗，定位优化点。商务数据应用：精细化运营&优化商品

01精细化运营逻辑分层次筛选特定消费者群体，针对不同用户特征制定运营策略，提升用户留存率和转化效率。

02商品优化逻辑通过数据指引优化商品结构，调整不同品类、品牌的经营比重，提升店铺转化率和销售额。

03认知误区规避打破“经营品种越多越好”的误区，参考“大量销售有限品种”的成功经验，科学优化商品组合。课程总结与拓展05本章知识点总结基础概念模块掌握数据、信息、商务数据的定义，明确数据和信息的关系，知晓数据的计量单位。数据来源模块掌握按资料性质、来源范围、来源对象三种维度的商务数据分类方式，熟悉不同数据的特点。价值应用模块理解商务数据的五大核心价值，掌握商务数据在四个典型商业场景的应用逻辑。实战训练与知识巩固

实战训练任务以小组为单位收集一个商务数据应用的实际案例，制作简报在课堂分享，深化对商务数据价值的理解。

知识巩固习题完成教材配套填空题和简答题，检验对核心概念和应用逻辑的掌握程度。

延伸思考方向结合自身生活场景，思考商务数据在日常消费、学习场景中的实际应用。思政园地：《数据安全法》解读立法背景与定位2021年9月1日《中华人民共和国数据安全法》正式施行，是数据安全领域基础性、框架性法律，为数据相关制度制定提供依据。核心制度要求明确数据分类分级保护、风险评估、应急处置、安全审查、出口管制等核心制度，规定了数据处理者、中介机构等不同主体的安全义务。学生行为指引在数据采集、使用、处理过程中严格遵守法律要求，注重保护个人隐私和数据安全，抵制非法数据交易等违规行为。THEEND谢谢项目二

了解商务数据分析

的基础CONTENTS目录01

课程导入与学习目标02

商务数据分析方法03

商务数据分析流程04

商务数据分析常用工具05

项目总结与实践课程导入与学习目标01课程学习目标知识目标1掌握商务数据分析的两类核心方法，了解不同方法的适用场景。知识目标2熟悉商务数据分析的完整流程，理解各环节的核心工作内容。知识目标3了解主流商务数据分析工具的特点，掌握基础工具的使用场景。章节整体框架

章节核心模块本章节分为数据分析方法、分析流程、常用工具三大核心模块。

思维导图参见教材。

学习路径说明按照“方法-流程-工具”的顺序逐步讲解，循序渐进掌握知识点。商务数据分析方法02分析方法概述

核心方法分类商务数据分析常用方法分为维度法和指标法两类，适配不同分析场景。

方法选择原则没有绝对优劣，根据分析目标和业务场景选择最适配的方法即可。

方法价值说明科学的分析方法能够大幅提升数据处理效率，挖掘数据背后的业务价值。维度法基本概念

维度的定义维度是与事物有联系的概念的数量，是组织、划分数据的核心参照标准。

数据维度见右图。

数据维度分类按照参数数量可分为一维数据、二维数据和多维数据，商务场景常用后两类。时间维度详解

时间维度定义以时间作为度量尺度，用于说明统计数据对应的时间范围和粒度。

核心应用场景可区分存量与流量指标，支撑实时数据查看、趋势分析、周期对比等需求。

时间粒度划分根据业务需求可设置天、月、小时等不同粒度，大数据量场景可通过存储过程生成。空间维度详解

空间维度定义从研究对象的组成角度出发，拆分分析维度，明确各维度的具体表现。

核心应用逻辑围绕研究对象拆分多个分析维度，逐一梳理每个维度的具体影响因素。

应用案例商品分析可从消费者价值、消费者满意、产品质量三个维度分析选购影响因素。指标法基本概念指标法核心逻辑通过构建数据指标体系形成统一衡量标准，适配不同业务形态的分析需求。常见商务指标商务分析常用指标包括销量、活跃率、使用率、转化率等，覆盖多维度业务评估。指标体系特点没有通用模板，需结合具体业务场景和分析目标定制专属指标体系。流量分析方法

来源与搜索词分析通过数据分析平台追踪访问、下载来源及搜索关键词，通过归因模型判断流量质量。

自主投放追踪通过UTM代码追踪外部渠道投放内容，分析不同获客渠道的流量数量与质量，优化投放策略。

实时流量分析通过折线图、柱状图监测新增、活跃、留存等指标，及时发现业务异常，研究用户行为规律。用户分群方法用户维度划分

可从人口属性、设备属性、流量属性、行为属性四个维度划分用户群，适配不同运营需求。用户行为组合划分

针对具备特定行为的用户群组展开分析，对比行为差异，针对性优化产品、提升用户体验。应用案例

上海某电商筛选上海地区有两次购物记录的iPhone用户做配件促销，精准度远高于群发营销。多维分解与细查路径多维分解方法将汇总指标从多个业务维度拆解，打破汇总数据的局限性，定位问题本质，找到优化思路。细查路径方法观察用户行为轨迹，探索用户与商品的交互过程，通常抽取3-5个用户即可覆盖分群主要行为规律。适用场景多用于用户研究、产品体验优化、业务异常问题定位等场景。转化漏斗与留存分析转化漏斗分析按照用户行为路径还原转化流程，分析各节点转化数据，定位高损耗节点，优化转化效率。留存分析探索用户、产品与用户回访之间的关联程度，衡量用户粘性和产品长期价值。应用价值是互联网产品评估运营效果、优化用户体验的核心分析方法。A/B测试与优化建模

A/B测试方法多方案并行测试，仅保留一个变量差异，通过数据对比选择最优方案，小流量场景可直接全量上线测试。

优化建模方法通过数据挖掘手段建模，分析核心事件的相关性，挖掘产品改进关键点。

适用场景多用于产品功能迭代、营销策略优化、核心业务问题攻关等场景。热图分析方法热图分析定义通过高亮颜色可视化展示用户访问偏好，将抽象的用户体验转化为直观的视觉呈现。核心应用场景可分析用户购买偏好，指导商品更新；也可查看页面点击偏好，优化店铺页面设计，提升转化率。应用优势无需复杂数据解读，非专业人员也可快速理解用户行为特征。商务数据分析流程03分析流程整体框架核心流程概述数据分析是标准化的问题解决过程，核心步骤通用，企业可根据自身需求调整细节。流程图展示流程价值说明标准化流程可降低分析误差，保障分析结论的可靠性和实用性。见下图。需求分析与数据获取

需求分析核心结合业务部门需求和现有数据情况，明确分析方向和内容，与需求方达成一致，是分析的核心前提。

数据获取分类分为网络数据和本地数据两类，本地数据又可分为历史数据和实时数据。

数据选择原则根据需求分析的结果选择适配的数据类型和获取方式，保障数据与分析目标匹配。数据预处理

预处理核心内容包括数据合并、数据清洗、数据标准化、数据变换四个核心环节，各环节无严格先后顺序。

各环节作用去除重复、缺失、异常数据，消除量纲差异，满足后续分析与建模的数据格式要求。

预处理价值数据预处理质量直接决定后续分析结论的准确性，是数据分析的核心基础环节。分析与建模描述型分析方法用于描述客户行为模式，可采用关联规则、序列规则、聚类模型等算法。预测型分析方法分为分类预测模型和回归预测模型，前者用于预测离散事件概率，后者用于预测连续型数据。方法选择逻辑根据分析目标选择适配的方法，无绝对优劣，契合业务需求即可。模型评价、优化与部署

模型评价指标聚类、分类、回归三类模型分别有对应的专业评价指标，用于衡量模型性能优劣。

模型优化逻辑若实际应用中模型性能不符合预期，可重构模型，流程与分析建模环节基本一致。

部署方式可输出为数据分析报告，也可直接将模型部署到生产系统，按需选择即可。商务数据分析常用工具04SAS与Markway工具介绍SAS工具特点国际标准统计分析软件，功能强大，程序驱动，适用于专业分析场景，初学者入门门槛较高。Markway工具特点国内自主知识产权的分析系统，融合分析、挖掘、预测功能，适配国内用户使用习惯，技术处于国际先进水平。SPSS工具介绍

SPSS核心特点图形菜单驱动界面，操作友好，输出美观，适合非统计专业人员使用，应用领域广泛。

工具局限性输出结果与办公软件兼容性一般，高级统计功能相比SAS存在一定差距。

适用场景适合社会科学、市场调研等对操作便捷性要求高于极致专业功能的场景。Excel与WPS表格工具介绍

Excel工具特点通用电子表格软件，公式函数丰富，支持SQL语句处理大数据，适用场景广泛，是基础数据分析的首选工具。

WPS表格工具特点国产办公软件，完全兼容Office格式，内存占用低、运行速度快，个人版永久免费，已纳入全国计算机等级考试科目。项目总结与实践05项目核心内容总结

核心知识梳理商务数据分析核心方法分为维度法和指标法，分析遵循标准化6步流程，可根据需求选择适配的分析工具。

知识价值说明原始数据需通过专业分析加工才能支撑经营决策，是企业发挥数据要素价值的核心前提。

后续学习铺垫后续课程将以WPS表格为主要演示工具，展开实操技能讲解。实战训练指导

01安装步骤说明访问WPS官网下载对应系统安装包，运行安装文件即可完成安装。

02基础操作练习安装完成后打开WPS表格，熟悉软件基本页面布局和核心功能入口。知识巩固与案例拓展

核心知识点习题展示填空题和简答题，检验学生对核心知识点的掌握程度，课后完成巩固练习。

经典案例分享讲解沃尔玛“啤酒与尿布”关联分析案例，理解数据分析在实际业务中的应用价值。

思考题思考身边可通过商务数据分析优化的场景，尝试套用本章节所学方法设计分析思路。THEEND谢谢项目三

商务数据的获取

与收集CONTENTS目录01

课程导入与学习目标02

任务一：收集企业数据库数据03

任务二：收集市场调研数据04

任务三：采集网络数据05

项目总结与实操训练课程导入与学习目标01课程学习目标

了解企业数据库数据收集方法掌握企业数据库的分类、价值衡量指标及核心处理概念

了解市场调研数据收集方法熟悉市场调研的作用、开展方式及9种具体调研方法的特点

了解网络数据采集方法掌握网络爬虫的原理、类型、抓取策略及常用采集工具的使用项目整体框架

知识模块划分本项目共分为企业数据库数据收集、市场调研数据收集、网络数据采集三个核心模块

思维导图参见教材。

学习路径说明按照从传统数据渠道到互联网数据渠道的顺序逐步学习，搭配实操训练巩固知识点任务一：收集企业数据库数据02企业数据库的定义与价值

企业数据库定义按照数据结构存储、组织、管理企业数据的集合，是具有相关性的用户共同关注的数据汇总

全国企业数据库内容涵盖国内40多万家上市、非上市公司的注册信息、财务信息、股东情况，是行业研究的必备工具

核心应用价值可快速推测行业经济运营状况，避免实地调研的人力、物力、时间成本投入企业数据库的分类

企业内部数据库存储单个企业的注册信息、场地、员工规模、薪酬、生产能力、技术水平等内部运营数据

企业信息库由国家机关收集全国企业的注册、经营、股东变更信息，用于宏观经济统计、行业研究和普查

两类数据库的适用场景内部数据库用于企业自身运营分析，外部信息库用于行业趋势、宏观市场研究数据库价值的衡量指标

核心评价指标全面性、准确性、时效性是数据库生存发展的三个最重要指标，用户评价是最重要的衡量维度

数据库的附加功能配套搜索功能，可快速检索特定企业信息，大幅降低信息获取的时间与成本

商用数据库的特点覆盖全量企业信息的数据库价格较高，多由投资咨询、行业研究公司持有，用于大型调研项目工业企业数据类型图示

三类数据的适用场景未脱敏数据用于企业深度研究，脱敏数据用于行业整体趋势分析

工业企业数据分为以下三种类型1、经过序贯匹配之后的未脱敏数据2、经过序贯匹配之后的脱敏数据3、未经过序贯匹配的未脱敏数据

数据处理注意事项工业企业数据处理复杂度较高，需先明确数据类型再开展后续分析工作任务二：收集市场调研数据03市场调研的定义与作用

市场调研定义运用科学方法收集消费者产品购买、使用的意见、动机等资料，开展分析研究的过程

调研开展方式可委托专业市场调研公司执行，也可由企业内部市场研究部门自主开展

对营销管理的作用提供决策基础信息、弥补信息缺口、了解外部环境变化、掌握新的市场机会传统调研方法：电话访问与CATI

01传统电话访问优点是客户参与度高，缺点是拒绝率高、第三方委托成本高，访问员多为经过培训的兼职人员

02计算机辅助电话访问（CATI）通过计算机生成问卷，访问员通过终端直接录入答案，可自动校验数据，大幅提升效率和数据质量

03两类方法适用场景传统电话访问适合小范围精准调研，CATI适合大规模标准化调研项目线下调研方法：入户访问与拦截访问

入户访问调查员到受访者家中或工作单位访问，是国内常用调研方法，抽样和受访对象选择需符合随机准则

拦截访问在商业区拦截路人开展面访，优点是效率高，缺点是样本代表性不足，多用于消费者意向调查

两类方法适用场景入户访问适合需要深度沟通的调研，拦截访问适合快速收集大众消费偏好类信息深度调研方法：小组座谈与深度访谈小组（焦点）座谈由主持人邀请6-15名目标用户开展无结构讨论，可获取意外发现，缺点是易受主持人偏见影响深度访谈法由专业调查员开展一对一无结构访问，常用阶梯前进、隐蔽问题寻探等技术，挖掘用户潜在动机两类方法适用场景小组座谈适合探索用户群体共性偏好，深度访谈适合挖掘个体深层态度和需求特殊调研方法：投影技法

投影技法定义通过让受访者解释他人行为的无结构询问方式，间接投射受访者自身的动机、态度和感情

技法分类分为联想技法、完成技法、结构技法和表现技法四类，类似心理咨询的心理分析方法

适用场景适合用于用户不愿意直接表达态度的敏感问题、潜在需求类调研远程调研方法：在线访问与邮寄调查在线访问法利用网络问卷、用户评论等收集信息，优点是反馈率高、成本低、分析便捷，缺点是易产生偏差、样本不全邮寄/传真调查表通过直邮发送问卷，优点是受访者回答时间充足、数据质量高，缺点是回收率低、反馈周期长两类方法适用场景在线访问适合年轻用户群体调研，邮寄调查适合需要精准量化结果的调研项目任务三：采集网络数据04网络数据采集的定义与技术基础

网络数据采集定义利用搜索引擎技术有针对性抓取数据，按照规则归类形成数据库的过程

核心技术支撑基于垂直搜索引擎的网络爬虫、分词系统、任务与索引系统等技术综合实现

核心应用价值可对海量网络信息分拣加工，实现数据价值最大化，服务于大数据分析和数据挖掘场景网络爬虫的定义与类型

网络爬虫定义自动下载网页的程序，可按既定目标选择性访问网页和链接，获取所需信息

爬虫的主流类型分为通用网络爬虫、聚焦网络爬虫、增量式网络爬虫、深层网络爬虫四类，实际系统多结合使用

核心应用场景是Web信息挖掘的核心数据来源，决定了搜索系统的内容丰富度和更新及时性网页抓取策略：广度优先与最佳优先

广度优先搜索按层次逐层抓取网页，实现简单，可覆盖更多网页，缺点是会下载大量无关页面，效率较低

最佳优先搜索通过网页分析算法预测URL相关性，仅抓取高价值页面，可减少30%-90%的无关页面，缺点是易陷入局部最优

两类策略适用场景广度优先适合通用搜索引擎全量抓取，最佳优先适合面向特定主题的聚焦爬虫网页抓取策略：深度优先

深度优先搜索原理从起始网页开始，沿单条链接逐层深入抓取，处理完一条路线后再处理下一条

策略优缺点实现简单，但深层网页价值通常较低，抓取深度控制难度大，目前实际应用较少

策略适用场景仅适合特定场景下的垂直领域深度数据采集，不适合通用网页抓取任务八爪鱼采集工具介绍

八爪鱼工具定位国内领先的互联网数据收集平台，可将非结构化网页数据转换为结构化数据，支持多种格式导出

核心功能优势支持云采集，可实现精准、高效的大规模数据采集，适用于电商价格监控、舆情分析、市场分析等场景

入门采集方式官方提供200+现成采集模板，无需自行配置，仅需输入参数即可快速获取主流网站数据八爪鱼模板采集操作流程模板查找方法可通过首页输入框搜索、热门采集模板列表查找，无对应模板可提交需求申请官方制作。模板使用步骤确认模板符合需求后配置参数，启动本地采集，采集完成后可导出为Excel等格式。任务管理方法采集任务会保存在“我的任务”中，可随时查看历史数据和调整任务配置Python爬虫的核心步骤第一步：获取网页数据

通过requests库发起HTTP请求，GET请求用于获取资源，POST请求用于提交数据，获取网页HTML内容第二步：解析网页数据

利用BeautifulSoup、lxml等第三方库，通过正则表达式、xpath解析等方式提取目标信息第三步：存储网页数据

可保存为txt、csv、json等文本格式，数据量较大时可存入MySQL、MongoDB等数据库Python爬虫的数据分析环节核心分析库介绍NumPy是高性能科学计算基础包，Pandas可高效处理结构化数据，Matplotlib用于数据可视化可视化输出类型可制作散点图、折线图、条形图、直方图、饼状图、箱形图等各类统计图形流程完整性说明数据采集、解析、存储、分析是完整的工作流，最终输出满足业务需求的分析结果项目总结与实操训练05项目核心内容总结

三类数据渠道对比企业数据库使用便利但资源有限，市场调研数据一手精准但成本较高，网络采集数据覆盖面广但需技术支持

核心知识点回顾掌握三类数据渠道的收集方法、适用场景，熟悉常用工具的基础操作

后续学习方向可根据业务需求选择合适的数据获取方式，结合后续数据分析课程开展综合应用实操训练任务

实训1：国家统计局数据下载登录国家统计局官网，搜索人口数据并下载，使用WPS表格整理分析。

实训2：八爪鱼数据采集练习使用八爪鱼采集贝壳找房新房列表、京东商品详情数据，参考配套数据表格完成操作

实训要求按步骤完成操作，提交整理后的数据表格作为实训作业知识巩固与合规教育核心知识点习题涵盖脱敏数据、拦截访问、网络爬虫定义、抓取策略等核心考点，检验学生知识点掌握情况。爬虫合规案例解读结合全国首例短视频爬虫案，明确爬虫技术的刑事合规红线，强调数据采集需遵守《网络安全法》《数据安全法》等法律法规。课程总结数据技术是工具，需在合法合规的前提下使用，才能发挥正向价值。THEEND谢谢项目四商务数据的预处理CONTENTS目录01

学习目标02

任务一：认识数据预处理的必要性03

任务二：了解数据预处理的任务及流程04

任务三：应用WPS表格处理商务数据05

项目小结与知识巩固商务数据的预处理学习目标学习目标项目四·数据预处理1认知奠基—认识数据预处理的基本含义，理解数据预处理在数据处理中的地位和作用，理解做好数据预处理工作的必要性。2流程掌握—掌握数据预处理的流程及具体的任务：掌握数据录入、数据清洗、转化与规整、数据提取、数据分析、数据分组及数据计算等数据预处理步骤。

3工具实战—学会用WPS对数据进行预处理，快速高效实现数据处理工作，将理论知识转化为可落地的操作技能。任务一认识数据预处理的必要性数据清洗·数据转化·数据提取商务数据的预处理任务一什么是数据预处理任务一·认识必要性核心定义数据预处理是指对收集到的原始数据进行初步加工，从而提高数据质量，使数据格式能够满足分析工具的要求。关键认知：数据分析前的原始数据必须进行有效加工，才能成为可以分析的数据资源。预处理是数据分析流程中不可跳过的基础环节。商务数据的预处理任务一数据预处理的必要性任务一·认识必要性高质量数据三特征准确性

·真实反映事实完整性

·无缺失无遗漏一致性

·格式规则统一不进行数据预处理的后果数据无法分析，原始数据不可用分析质量差，结论不可靠分析结果不准确，误导决策虽然预处理阶段耗费时间较长，但处理后可提高数据分析效率和准确度，减少因数据错误而返工的时间成本。商务数据的预处理任务一案例分析—员工销售信息表任务一·数据预处理员工销售信息表查看，原始数据存在哪些问题？任务二了解数据预处理的任务及流程数据录入数据清洗转化与规整数据提取数据分组数据计算商务数据的预处理任务二·流程数据预处理流程图任务二·流程总览六大步骤顺序串联，每一步的输出即为下一步的输入，最终得到满足分析需求的数据流程闭环—从原始数据到可分析数据，六步环环相扣，缺一不可数据转化与规整数据分组010305020406数据计算数据提取数据清洗数据录入一数据录入数据录入—两种方式任务二·数据录入直接手动录入直接编辑单元格或编辑栏完成录入先设计表格栏目，再逐条录入信息录入后需检查并调整格式（如文本、日期、数值）适用于数据量小、结构简单的场景，灵活可控外部数据导入利用WPS“获取外部数据”功能支持TXT、CSV等格式的外部数据快速导入可设置分隔符号、数据类型等参数，批量完成录入适用于已有电子数据源，省时省力，减少人工误差商务数据的预处理任务二商务数据的预处理任务二直接手动录入—设置文本格式任务二·数据录入"001"问题：输入

时自动变成"1"，数字前导零丢失1设置单元格格式为「文本」选中「序号」列右键选择「设置单元格格式」选择数字为「文本」格式点击确定，输入001正常显示2输入英文单引号前缀在单元格输入'001按回车确认单引号强制文本格式，内容显示为001单引号不会显示在单元格中，仅作为标识商务数据的预处理任务二·数据录入外部数据导入—操作步骤「数据」「导入数据」TXT「完成」1打开数据选项卡打开WPS表格→点击

选项卡→选择2选择数据源添加

格式数据→点击「下一步」3导入数据设置文本转换：选择「简体中文」分隔符设置：选择「分隔符号」或「固定宽度」设置每列数据类型4完成导入选择目标区域→点击

如：添加txt格式外部数据任务二·数据录入商务数据的预处理任务二·数据录入数据录入常用设置—设置下拉列表限制输入内容任务二·数据录入操作步骤：选中单元格范围，打开“数据”工具栏，点击“下拉列表”工具栏弹出“插入下拉列表”对话框。

商务数据的预处理任务二·数据录入数据录入常用设置—设置下拉列表限制输入内容任务二·数据录入方法一：手动添加输入选项信息，通过

增加选项，输入完成后点击“确定”即可。设置完成后即可通过下拉列表进行选择，手动输入如果不是列表选项，则会显示“错误提示”输入无效，所以设置下拉列表既可以提高效率，也可以防止输入错误。商务数据的预处理任务二·数据录入数据录入常用设置—设置下拉列表限制输入内容任务二·数据录入方法二：从单元格选择“从单元格选择下拉选项”选中，点击

选中引用的选项，单击“确定”按钮即可。商务数据的预处理任务二·数据录入数据录入常用设置—自动添加序号任务二·数据录入回车「1」「✝」方法：使用公式自动填充序号=IF(B2="","",ROW()-1)选中起点单元格，输入上方公式，

即可自动添加序号。当B列有数据时自动编号，数据为空则序号留空。快捷填充（鼠标拖动）1手动输入起始序号

2选中已填充的单元格3鼠标放至单元格右下角出现

后双击完成填充商务数据的预处理任务二·数据录入数据录入常用设置—数据有效性任务二·数据录入作用：防止输入错误，降低输入误差，确保数据录入的准确性与规范性二数据清洗重复数据缺失数据错误数据一致性处理商务数据的预处理任务二·数据清洗数据清洗概述任务二·数据清洗数据清洗是指将多余的、错误的数据清洗出去，留下有价值的数据，借助数据分析工具进行分析重复数据清洗删除重复值、排序、条件格式数据去重排序条件格式缺失数据清洗定位缺失值，选择处理方法均值填充删除缺失忽略/补充错误数据清洗用函数检查不符合要求的数据IF函数OR函数条件格式数据一致性处理统一数据记录方式查找替换规则统一商务数据的预处理任务二·重复数据清洗重复数据清洗—方法一：数据去重任务二·数据清洗「数据」「重复项」「删除重复项」1选中区域并打开去重功能选中执行区域→→→

2设置删除条件如不允许「姓名」重复，勾选列B如姓名和工号不能同时重复，同时勾选列A和列B3确认并删除重复项点击「确认」→系统自动删除重复记录，保留唯一值工号姓名删除A003陈芳A008陈芳重复记录被移除，仅保留首次出现的数据商务数据的预处理任务二·数据清洗重复数据清洗—方法二：数据排序任务二·数据清洗工号姓名所属部门A007陈芳销售一部A015陈芳销售二部A022李娜销售三部操作步骤1选定数据区域→数据

→排序（升序/降序）2如需按指定列排序，选择自定义排训

主要关键字选择判断字段（如「姓名」）3排序后重复数据排列在一起人工判断后删除适用场景：某些数据重复可能是正常的，需要人为判断后再做处理示例：同名不同人出现2个「陈芳」但所属部门不同，需判断是否为同名不同人，而非重复记录。商务数据的预处理任务二·数据清洗重复数据清洗—方法三：条件格式任务二·数据清洗「开始」「条件格式」「突出显示单元格规则」「重复值」利用条件格式高亮显示重复值，快速定位并处理重复数据1选中数据表并进入条件格式选中数据区域→

→

→

→

2设置重复值的单元格格式示例：设置为浅红填充色深红色文本点击「确定」应用格式3查看并处理高亮重复数据重复数据被颜色凸显，一目了然根据高亮结果进行去重处理商务数据的预处理任务二·缺失数据清洗缺失数据清洗—定位缺失值任务二·缺失数据清洗#DIV/0!#N/A#DIV/0!#N/ACtrl+G「错误」「空值」缺失值通常表示为：空格或错误标识符、等缺失值的两种常见形式空格—单元格为空，无任何内容错误标识符—如

、这些标识符说明公式或引用出现异常定位方法：Ctrl+G定位功能1使用组合键打开「定位」功能2选择或选项3点击确定，即可直接定位到所有错误值或空白单元格

提示：定位后可直接对缺失值进行批量处理，如填充、删除或标记商务数据的预处理任务二·数据清洗缺失数据清洗—四种处理方法任务二·数据清洗缺失值通常表示为空格或错误标识符#DIV/0，根据数据场景选择以下处理方法充足1用样本平均数代替适用于数值型数据，数据量较大时根据该变量在其他所有对象的取值平均值填充2删除缺失数据适用于样本数据时不影响数据分析准确性的情况下直接删除3忽略缺失值样本量足够大时或数据不属于关键数据时选择忽略4补上缺失值检查缺失原因，查找原始数据想方设法寻找缺失数据并补上商务数据的预处理任务二·错误数据清洗错误数据清洗—IF函数检查任务二·数据清洗「影响消费者购买决策的影响因素」IF函数语法IF(logical_test,value_if_true,value_if_false)判断一个条件是否满足，返回对应的值案例背景多选题，题目要求选择最重要的3项用COUNTIF函数统计「1」的数量（被选中的选项标记为1）=IF(COUNTIF(B3:I3,"<>0")=3,"正确","错误")选项数等于3的标记为「正确」，否则标记为「错误」检查结果示例商务数据的预处理任务二·数据清洗错误数据清洗—OR函数+条件格式任务二·数据清洗OR(logical1,logical2,...)OR函数语法：

—只要有一个条件为TRUE，则返回TRUE步骤1：选中需要判断的单元格区域，在“开始”选项栏中找到“条件格式”，打开下拉列表选择“新建规则”。商务数据的预处理任务二·数据清洗错误数据清洗—OR函数+条件格式任务二·数据清洗步骤2-1：在“新建格式规则”对话框中选择“使用公式确定要设置格式的单元格”，在“编辑规则处”输入公式“=OR(B3=0,B3=1)=FALSE”。步骤2-2：打开“格式”对话框，选择“图案”，设置不符合条件单元格的颜色或样式，示例中选择红色，点击“确定”。商务数据的预处理任务二·数据清洗错误数据清洗—OR函数+条件格式任务二·数据清洗步骤3：点击“确定”后，错误数据就用颜色凸显出来，从而完成错误数据查找。示例中，不符合填写要求的2和3就被标注出来了。商务数据的预处理任务二·数据清洗数据一致性处理任务二·数据清洗数据一致性处理任务二·数据清洗不同统计人员记录方式不一致「是否为已成交客户」：有人用「是/否」，有人用「是/不是」，有人用「✔/×」「年龄」列：有的多了「岁」字商务数据的预处理任务二·数据清洗第25页/共61页数据一致性处理任务二·数据清洗一致性规则Ctrl+H「不是」→「否」「✔」→「是」「×」→「否」「岁」解决方案：建立规则+查找替换1分析数据规律，设定

2调出替换对话框3依次替换（

，

，

）4「年龄」列用空值替换

字原始值替换方向统一后值是→是不是→否✔→是×→否25岁→25三数据转化与规整行列转置字段拆分数据合并商务数据的预处理任务三·数据转化与规整行列转置任务三·数据转化与规整季度Q1Q2Q3销售额12,80015,20018,500利润3,4004,1005,200指标销售额利润Q112,8003,400Q215,2004,100Q318,5005,200适用场景：表格行列字段设计不合理，导致后期数据更新不便操作步骤1复制需要转置的数据2选中一个空白单元格作为起始位置3单击鼠标右键→选择性粘贴→粘贴内容转置

效果：行变成列，列变成行转置前后对比前后行（季度）变成列，列（销售额/利润）变成行，便于纵向对比商务数据的预处理任务二·数据转化与规整字段拆分—固定宽度拆分（姓名）任务二·数据转化与规整姓名数据分列固定宽度单击完成案例：将「姓名」拆分成「姓」和「名」在「姓」与「名」之间建立分列线，按固定宽度拆分分列操作步骤1选中「姓名」字段单击列标选中

所在列2「数据」→「分列」选择

→

3选择「固定宽度」在分列向导中选择

4建立分列线在姓名中间位置

建立分列线5设置数据类型与目标区域选择新列起点→点击

商务数据的预处理任务二·数据转化与规整字段拆分—分隔符号拆分（所属部门）任务二·数据转化与规整「所属部门」案例：将

拆分成「部门」和「岗位」步骤1：先用空格

分隔「所属部门」和「岗位」，确保原始数据中两者之间有空格商务数据的预处理任务二·数据转化与规整字段拆分—分隔符号拆分（所属部门）任务二·数据转化与规整「所属部门」案例：将

拆分成「部门」和「岗位」步骤2：进入“文本分列向导”选项卡，操作和拆分“姓名”列相同，选中“所属部门”，打开“数据”选项卡，进入“分列”工具的“文本分列向导”，由于“所属部门”并不是固定字段，此时采用“分隔符号”实现拆分。商务数据的预处理任务二·数据转化与规整字段拆分—分隔符号拆分（所属部门）任务二·数据转化与规整「所属部门」案例：将

拆分成「部门」和「岗位」步骤3：点击“下一步”，选择分隔符号“空格”。商务数据的预处理任务二·数据转化与规整字段拆分—分隔符号拆分（所属部门）任务二·数据转化与规整「所属部门」案例：将

拆分成「部门」和「岗位」步骤4：点击“下一步”，“列数据类型”选择“常规”或“文本”，“目标区域”选择一个起点单元格H1。商务数据的预处理任务二·数据转化与规整字段拆分—分隔符号拆分（所属部门）任务二·数据转化与规整「所属部门」案例：将

拆分成「部门」和「岗位」步骤5：点击“完成”按钮即可实现拆分，拆分效果如图所示，然后根据需要调整拆分列的位置和表格格式即可。商务数据的预处理任务二·数据转化与规整数据合并任务二·数据转化与规整将多个单元格的内容合并为一个单元格，WPS提供三种常用方法&文本&逻辑连接符&使用

连接符直接合并文本=A1&B3合并显示A1和B3单元格内容TTEXT函数将数值转换为指定格式的

=TEXT(A2,"0.0%")将A2转成带一位小数的百分数CCONCATENATE函数连接多个文本字符串=CONCATENATE(A2,B2)将A2和B2内容合并四数据提取VLOOKUP多列提取LEFTRIGHTMID商务数据的预处理任务四·数据提取VLOOKUP函数—多列数据提取任务四·数据提取VLOOKUP(查找值,数据表,列序数,匹配条件)VLOOKUP函数语法：

序号参数说明示例值1查找值匹配的依据（如「姓名」）A22数据表查找值所在的区域$A$2:$D$503列序数需要返回的匹配值所在列号24匹配条件0=精确匹配

1=近似匹配0实际公式：VLOOKUP(A2,$A$2:$D$50,2,0)精确查找姓名对应的部门商务数据的预处理任务四·数据提取VLOOKUP函数—实操步骤任务四·数据提取注意：操作步骤不同数据表的匹配字段顺序不需要一致，VLOOKUP按列序数定位数据同一WPS表格VLOOKUP1规整到同一表格2插入VLOOKUP公式→插入函数→选择3设置函数参数查找值、数据表、列序数、匹配条件

4完成单格提取点击确定完成单格数据提取5复制公式复制公式到其他单元格批量完成提取商务数据的预处理任务四·数据提取单列数据信息提取函数任务四·数据提取从单元格中提取特定位置的字符或日期信息，WPS提供6个常用提取函数字符提取函数文本处理日期提取函数日期处理左侧右侧中间年份月份日LLEFT(text,num)=LEFT(目标单元格,截取长度)提取单元格

指定长度的字符RRIGHT(text,num)=RIGHT(目标单元格,截取长度)提取单元格

指定长度的字符MMID(text,start,num)=MID(目标单元格,起点位置,截取长度)提取单元格

指定起点和长度的字符YYEAR(date)=YEAR(日期单元格)从日期中提取

（如2025）MMONTH(date)=MONTH(日期单元格)从日期中提取

（1–12）DDAY(date)=DAY(日期单元格)从日期中提取

（1–31）商务数据的预处理任务四·数据提取LEFT函数实操案例任务四·数据提取3F2=LEFT(C2,3)3个字符拖动复制"+"案例：从「产品类型」列提取产品信息（左侧

个字符）LEFT(C2,3)提取左侧3个字符操作步骤1选中新单元格2在函数编辑栏输入

3提取C2单元格左侧

，如"A产品"4复制公式到其他单元格（

或双击右下角

）类似可用RIGHT函数提取右侧字符五数据分组VLOOKUP分组实现条件分组畅销·一般·滞销商务数据的预处理任务五·数据分组数据分组概述任务五·数据分组▎分组目的将不同的数据进行分类或定性，对不同的类别信息进行分析或策略研究为什么需要数据分组？原始数据通常是连续的数值，需要按阈值划分为有意义的组别，才能支撑业务决策。畅销商品一般商品滞销商品例如：根据销量将产品划分为不同等级，辅助生产策略调整。案例背景某企业根据产品销量调整生产策略，需界定：实现方法：VLOOKUP函数快速实现数据分组“畅销商品”（月平均销量301件以上）“一般商品”（月平均销量101-300件）“滞销商品”（月平均销量100件以下）商务数据的预处理任务五·数据分组VLOOKUP实现数据分组—操作步骤任务五·数据分组设置分组条件→利用VLOOKUP近似匹配快速实现商品分类注意：绝对引用1设置分组条件定义阈值（最小值）→组类→销量范围0→滞销商品（100件以下）101→一般商品（101-300件）301→畅销商品（301件以上）2插入VLOOKUP函数输入公式，使用近似匹配实现分组VLOOKUP(D2,$G$3:$H$5,2)分组条件区域必须

（加$符号）3复制公式完成分组将公式拖动填充至所有商品行批量完成商品分组标注商务数据的预处理任务五·数据分组VLOOKUP分组—常见错误任务五·数据分组#N/A$F4常见错误：出现错误值

，数据无法正确匹配解决方案：在区域引用中添加

符号，按键盘

可快速切换为绝对引用G3:H5绝对引用$G$3:$H$5错误—未使用绝对引用复制公式时，区域

会随单元格偏移，导致找不到数据=VLOOKUP(D2,G3:H5,2)拖拽复制后，区域变为G4:H6、G5:H7……匹配失败正确—添加$符号固定区域使用

，公式复制时区域保持不变=VLOOKUP(D2,$G$3:$H$5,2)无论复制到哪个单元格，区域始终固定为G3:H5六数据计算基本运算合格率销售额公式与函数商务数据的预处理任务六·数据计算数据计算—基本运算任务六·数据计算利用四则运算和复制填充快速完成批量数据计算1销售额计算公式销售额=销量×单价操作：=D2*E2→得出F2值复制粘贴完成所有计算结果示例：¥455,400（销量600×单价759）2产品合格率计算公式合格率=合格产品数量÷抽检数量操作：=D2/C2→得出E2值复制粘贴完成所有计算结果示例：95%（合格190÷抽检200）任务三应用WPS表格处理商务数据审阅筛选查看商务数据的预处理任务三·应用WPS处理商务数据提高数据审阅速度—快速定位任务三·应用WPS处理商务数据Ctrl+F查找内容隐藏「隐藏」快速定位表格中的信息，屏蔽无关数据，高效审阅商务数据快速定位—查找功能快捷键

调出「查找」功能输入

，点击确认1选择「查找全部」查看所有匹配项2选择「查找下一个」逐个定位3快速定位表格中的信息屏蔽部分信息—隐藏功能选中要

的行或列右键选择

1选中行/列→右键→隐藏2取消隐藏：选中隐藏信息的左右列3右键→「取消隐藏」商务数据的预处理任务三·应用WPS表格处理商务数据给数据排个队—排序功能任务三·应用WPS表格处理商务数据WPS表格提供3种排序方式，灵活应对不同场景单字段排序按数值大小排序（升序/降序）按拼音排序按笔画排序选中数据→数据→排序→选择方式多字段排序主要关键字+次要关键字先按「地域」排序再按「消费金额」排序数据→排序→添加条件自定义序列排序自行设置排序条件按「销售1部→销售2部→销售3部→销售4部」排序适用于固定业务顺序数据→排序→自定义序列商务数据的预处理任务三·筛选与分类汇总数据筛选—简单筛选简单筛选包括内容筛选和颜色筛选两种方式，快速从表格中定位需要的数据按文本颜色按单元格背景色内容筛选文本筛选：筛选文本类数据（如按名称、地区筛选）数字筛选：筛选数值类数据（如高于平均值、大于/小于）操作：数据→筛选→点击▼→勾选需要的内容颜色筛选筛选：根据字体颜色定位数据筛选：根据填充颜色定位数据操作：数据→筛选→按颜色筛选→选择需要筛选的颜色任务三·应用WPS表格处理商务数据商务数据的预处理任务三·应用WPS表格数据筛选—自定义筛选适用场景：使用两个条件筛选数据，精确控制显示范围「销售单价」「与」「或」销售单价▼自定义筛选大于50（与）小于或等于200案例：筛选销售单价筛选

在50（不含）至200（含）之间的数据销售单价大于50与销售单价小于或等于200代表两个条件同时满足；

代表满足其中一个条件即可操作步骤1点击

→数字筛选→

2设置条件：

3点击确定，筛选出符合条件的记录文本自定义筛选：包含/不包含开头是/不是结尾是/不是任务三·应用WPS表格处理商务数据商务数据的预处理任务三·筛选与汇总数据筛选—高级筛选不重复的记录操作入口：「数据」→「筛选」→「高级筛选」

|

可勾选

排除重复值原数据分开显示多列同时筛选自由组合设置完全一致与同时满足或其一即可高级筛选特点筛选结果与

，保留原始表格可实现

，条件更灵活多种筛选方式

使用规则1条件字段必须与原始数据字段

2条件在同一行显示（需

）3条件在不同行显示（满足

）任务三·应用WPS表格处理商务数据商务数据的预处理任务三·应用WPS处理商务数据高级筛选—实操案例任务三·应用WPS处理商务数据所在地自带客户数进货折扣重庆贵阳广州>25000>=6折>25000>=6折>25000>=6折筛选高级筛选原区域其他位置列表区域条件区域「不重复的记录」案例：筛选所在地为「重庆」「贵阳」「广州」，自带客户数>25000，进货折扣≥6折条件设置所在地：或关系（不同行）·客户数&折扣：与关系（同行）操作步骤1数据→

→

2设置筛选方式：

或

3选择

和

4可选：勾选

排除重复值完成筛选，结果可单独显示在原区域或其他位置商务数据的预处理任务三·应用WPS表格处理商务数据分类汇总—简单汇总任务三·应用WPS表格处理商务数据排列在一起数据→分类汇总分类字段汇总结果1/2/3分类汇总流程：先排序，后汇总，分级查看结果分类汇总流程1排序—将要汇总的数据

2执行汇总命令—

3设置参数（

、汇总方式、选定汇总项）4查看

5分级查看（左上角

显示不同级别）案例：汇总不同类型商品的销量和销售额原始数据按商品类型排序后，执行分类汇总商品类型销量（件）销售额（元）男装32028,600女装51045,200箱包18021,000饰品2459,800总计1,255104,600123左上角1级看总计，2级看分类小计，3级看明细商务数据的预处理任务三·筛选与分类汇总分类汇总—嵌套汇总针对多个项目进行汇总：先按「店铺名称」汇总，再按「产品类目」汇总「店铺名称」「产品类目」「店铺名称」「产品类目」必须取消勾选「替换当前分类汇总」1/2/31多重排序先按

排序，再按

排序2第一次汇总按

进行第一次分类汇总3第二次汇总按

进行第二次汇总

·

4查看汇总结果分级查看汇总效果：点击左上角

切换不同级别任务三·应用WPS表格处理商务数据商务数据的预处理任务三·应用WPS表格查看商务数据—冻结标题问题：数据内容多时，拖动滚动条会隐藏标题信息，无法对应数据含义表头行冻结标题行「视图」「冻结窗格」冻结首行冻结前两行冻结首列冻结任意行列问题与解决方案滚动查看数据时，被滚动到屏幕之外，无法识别各列含义解决方案：，让表头始终固定在顶部冻结窗格操作步骤1进入

选项卡2点击

①—选择「冻结首行」适用于仅第一行为标题②—选中第三行任意单元格→冻结至第二行③—选择「冻结首列」④—选择目标单元格→选择对应选项任务三·应用WPS表格处理商务数据商务数据的预处理任务三·应用WPS表格查看商务数据—并排比较需要同时查看多张数据表进行对比时，使用并排比较功能两张表格两张表格同步滚动操作步骤场景：同时查看

进行数据对比1打开需要对比的

2在其中一张表的视图选项卡中选择并排比较

3两张表自动并排显示，即可对比查看同步滚动可选择是否

查看同步滚动：滑动鼠标时两张表同时滚动取消同步：两张表各自独立滚动，不会联动任务三·应用WPS表格处理商务数据项目收尾项目小结与知识巩固项目小结知识巩固实战训练商务数据的预处理项目小结与知识巩固项目小结（一）项目小结与知识巩固数据处理流程六大步骤核心要点总结01数据录入手动录入或外部数据导入设置下拉列表、自动序号数据有效性防错02数据清洗重复数据：去重/排序/条件格式缺失数据：均值/删除/忽略/补充错误数据：IF/OR函数检查一致性处理：查找替换03转化与规整行列转置（选择性粘贴）字段拆分：固定宽度/分隔符号数据合并：&/TEXT/CONCATENATE04数据提取多列提取：VLOOKUP函数单列提取：LEFT/RIGHT/MID日期提取：YEAR/MONTH/DAY05数据分组设置分组条件（阈值+组类）用VLOOKUP实现分组注意绝对引用$符号06数据计算基本运算：加减乘除公式例：销售额=销量×单价例：合格率=合格数/抽检数商务数据的预处理项目小结项目小结（二）项目小结·审阅·筛选·分类汇总·查看数据总结审阅数据、筛选与分类汇总、查看数据的核心技能掌握这些技能，可以高效完成商务数据的审阅、筛选、分类汇总与对比查看Ctrl+F隐藏内容/颜色双条件自由设置简单汇总标题始终可见多张表格审阅数据快速定位—

查找功能屏蔽信息—

行/列数据排序—单字段/多字段/自定义序列

筛选与分类汇总简单筛选—

筛选自定义筛选—

精确筛选高级筛选—多条件

分类汇总—

/嵌套汇总查看数据冻结标题行—滚动时

并排比较—同时查看

对比数据商务数据的预处理项目小结与知识巩固实战训练项目小结与知识巩固通过两个实战任务，综合运用数据预处理各环节技能外部数据导入冻结标题行下拉列表销售人员销售额岗位分类汇总一TXT数据录入与预处理客户订单明细表1使用

方式将原始数据导入WPS表格2对表格进行美化，设置

3设置

，对「商品名称」列进行数据有效性设置4对「单价」「数量」「销售额」列进行数据一致性处理

二数据提取与分类汇总销售业绩分析1提取「客户订单明细表」的

、

2从「员工基本信息表」中提取销售人员的

信息3运用

快速计算销售人员的销售业绩商务数据的预处理项目小结与知识巩固思政园地工匠精神·科学态度“工匠精神数据处理中的工匠精神在处理庞大的数据信息时，要以细致、认真、严谨的工作态度更要在分析处理数据时充分发挥工匠精神选择正确的数据处理方法对原始数据进行加工预处理提高数据分析的效率和效果以工匠之心对待每一份数据，以科学之精神成就每一次分析数据处理讲究科学性和准确性谢

谢项目五商务数据分析目录任务一

市场分析市场容量分析市场竞争分析市场趋势分析任务三

商品数据分析商品市场潜力分析商品竞争力分析商品生命周期分析任务四

运营数据分析转化率分析利润分析库存数据分析任务二

消费者数据分析消费者画像概述消费者画像分析RFM模型数据分析任务五

竞争者分析识别竞争对手竞争对手产品和服务分析竞争对手营销策略分析竞争对手优劣势和挑战总结课程总结与回顾核心知识点回顾核心数据指标汇总学习目标

了解分析思路建立商务数据分析的整体逻辑与思考框架，形成系统化的分析意识。

掌握分析方法熟练掌握市场、消费者、商品、运营、竞争者五类核心数据的分析方法。

理解方法运用清晰把握不同商务数据分析方法的适用场景与实际运用规则。168思维导图任务一

市场分析市场分析是对特定市场的研究和评估，旨在了解市场的大小、趋势、成长性、竞争情况以及面临的机遇和威胁。主要以三个方面进行分析，分别是市场容量分析、市场竞争力分析和市场趋势分析。1市场容量分析核心聚焦：判断市场“蛋糕大小”，量化行业成交规模与用户基数的天花板。关键指标：行业成交额(GMV)、活跃用户数、市场渗透率。分析价值：锁定市场基本盘，识别刚需赛道与主流需求方向。2市场竞争分析核心聚焦：看清市场“拥挤程度”，评估玩家密度与市场集中度。关键指标：卖家集中度(CR5/CR10)、供需比、头部品牌份额。分析价值：规避红海内卷，精准挖掘竞争缓和的细分机会。3市场趋势分析核心聚焦：预判市场“走向高低”，捕捉增长周期与长期潜力。关键指标：同比/环比增速、季节性波动系数、需求弹性。分析价值：把握最佳入场时机，提前布局未来高潜增长领域。图示：男鞋类目电商交易数据原始样表（2022年8月）以男鞋电商赛道为样本，我们聚焦2021-2022年真实交易数据，从“需求端”（成交量）与“供给端”（卖家数）双维度切入。通过标准化的数据分析闭环，将海量原始数据转化为可落地的市场容量洞察，为品牌选品、市场定位提供科学的量化依据。1全域采集依托专业电商数据工具，精准抓取运动鞋、休闲鞋等全品类的月度成交总量与活跃卖家数，确保数据源的时效性与完整性。2清洗建模对原始数据进行去重、补全与标准化，剔除刷单、异常波动等干扰项，构建结构化数据库，统一统计口径。3供需洞察通过“成交量/卖家数”的交叉分析，计算品类的供需比与单店产出效率，可视化呈现市场竞争格局与潜在机会点。核心逻辑：成交量代表市场的“需求水位”，卖家数代表市场的“供给