关于商业数据分析，很多人不知道的四大进阶能力 一般来说，大部分商业数据分析师都会在工作中遇到不同阶段性的瓶颈：
第一阶段：工作时间被取数的工作安排得满满当当，根本没有时间做有价值的“分析”的工作；
第二阶段：即使在公司已经呆了一两年，面对海量的数据，除了对指标的分析外，对数据没有任何思路；
第三阶段：当你做出了你认为有价值的数据分析，高层领导也只是看一看，并没有后续的安排；
第四阶段：最后你的数据分析得到高层的认可，但是放到业务部门去推动，没有任何反馈。
总而言之，商业数据分析师也太难了...
以下主要是针对以上四个阶段瓶颈，需要做出的行动的分享。如果以下所说的行动都能做到，那么你离成为一名数据负责人应该就不远了。
如今通过数据分析助力业务部门的决策和发展，这已经是每一个数据分析人员乃至于业务部门的基本共识了。然而，虽然道理人人都懂，但真正能够做到的却不多。究其原因，无非是以下四点没有做好：
01 没有站到领导的高度来看待问题
一名数据分析人员其自身所站的高度，直接决定了他进行数据分析的方向和影响力。就好比打仗，业务领导看的是大势，是全局。而你作为一个参谋，天天只关注一城一地的得失，即便你能力再强，分析的再透彻，在领导看来也不过是一点而已，想要通过这样的分析来影响业务的全局发展无疑是痴人说梦。因此，一名优秀的数据分析人员，首先需要能够和领导站到一个高度。你需要知道整个公司的业务战略，需要了解本部门在战略中的定位和规划。只有站在这个高度，你才能知道业务领导关心什么，整个战局的重点在哪里，会有哪些问题和指标需要特别关注，这样你才有可能进行体系化的数据分析。这种体系化的数据分析与针对某个业务指标的分析最大的不同，在于各个分析之间有着明确的关联关系，仅通过数据就可以让业务领导对全局洞若观火。任何一个领导看到这样体系化的工具都一定会爱不释手，毕竟这会成为他们把控全局最简便的工具。一旦让业务领导依赖上数据工具，后期的分析结果和建议势必会得到他的重视，这样通过数据来推动业务发展就变的水到渠成。（这里的工具不特指软件，一个模型也是一个工具）很多数据分析人员往往关注在一个工具怎么用，一个算法怎么实现这样的细节点上。这些技能当然重要，但最终真正决定一名分析师高度的其实是他的眼界和思想的高度。
需要的行动：
? 主动参加高层领导的会议，从各个层面积极沟通，主动了解公司战略规划以及部门定位；
? 多与业务部门核心团队进行沟通，了解其当前的关注点以及后期的整体战略
方向和动态；
? 深入了解所在部门的业务，同时主动了解行业内竞争对手或领头羊的行业动态，整理并汇总形成自己的见解；
? 如果你无法达到业务领导的高度，就更要多和他沟通，了解他的想法和眼界，站在他的肩膀之上。永远记住，当你带着想法，拿着数据，主动的与业务领导进行沟通时，业务领导一定是欢迎的。毕竟他所承担的压力多一个人分担总是好的，更何况是一个有想法，积极主动的人。记住，态度永远是最重要的！
02 是很好的"实现者"，而不是很好的"思考者"
很多数据分析人员，喜欢把自己定位成为业务部门的数据"实现者"。确切来说，就是把自己定义为基于业务需求实现报表或看板的实施人员。这是非常错误和不可取的。基于业务人员想法来制作报表或者看板，最多只是"60分工作"。即便你的需求来源是业务部门老总，也就值60分。何为"60分工作"？就是刚刚满足温饱的工作，让你能赚这份工资，但无法凸显你的价值，无法让你升职加薪。其实数据分析最值钱的就是想法，特别是基于实际业务现状有针对性的想法。如果这些想法来源都是业务人员，那你就是一个"IT民工"，只是一个比电脑高级一点的工具而已。所以，作为一名数据分析师，你一定要有自己对业务独到的见解和想法，要成为一名“思考者”。通过你拥有的数据对这些想法进行系统化、体系化的分析，通过数据来论证自己的想法。这是一个很痛苦、很费时的工作。往往10个想法里才有1个是靠谱的，可被论证的。但是，当你把这一个被数据证明的想法抛出来时，一定会让业务人员眼前一亮，对于任何人来说，一个有思想的人提出的建议都一定会更容易让人接受。服务好业务人员是无可厚非的，
但作为一名数据分析师，绝对不能仅限于此。你一定要了解业务，提出想法、假设，并通过数据来论证。当你在业务人员的眼中摘掉“IT民工”的帽子，换上“思考者”的王冠时，你才真正踏上数据推动业务发展的康庄大道。
需要的行动：
? 千万不要固步自封，如果你已经把自己定位成一个“IT民工”，永远不会有人把你当成“思考者”；
? 不要把自己的视野仅仅局限于你服务的业务领域，多去了解一些其他业务部门和行业中的动态，要知道，他山之石可以攻玉。有时候跳出圈子多看一些东西，才会让你比圈子里的人想的更多；
? 与业务同事多沟通，有时候将不同人的意见综合起来做提炼，也是形成你独特想法的一种捷径；
? 当形成自己想法时，要主动通过数据去验证，不要怕失败。得到的结论也不要妄自菲薄，要勇于表达自己的观点；
? 不管失败多少次，永远有勇气站起来做下一次的尝试，要做打不倒的小强！
03 缺少汇报的技巧和经验，往往是茶壶煮饺子，有料倒不出来
目前行业内的数据分析师，大多数还是偏向理工科的同学。这部分同学逻辑思维能力没的说，但最大的问题还是在于表达。数据分析师是一个与业务贴的很近的职业，即便你上面两点都能够很好的达到要求，但最终还是需要拿给业务人员来用的。这个时候除了好的想法外，优秀的表达和汇报能力就成为关键因素。最大的问题是不会“讲故事”。何为"讲故事"？就是把你研究出来的算法，看
板，报表等与实际业务场景结合起来，通过一个个生动的故事来体现你工作的价值。很多数据分析师和业务人员汇报的时候更多的是讲自己的工具怎么操作，各个业务指标的含义，其中背后的算法等等。而对于使用场景，业务含义，业务价值涉猎很少，即便有提到的也是平铺直叙，让人感觉很突兀。要知道，对于业务人员来说，你这样的讲解会让大家云里雾里，直接影响到对你提供工具的使用效果。比较好的演讲，应该是先抛出目前业务出现的问题，然后逐层剖析找到问题关键，再给出工具，结合历史的业务数据进行操作，指出使用工具如何能够及早发现问题，提升业务效率等。基于实际业务的痛处，通过讲故事的方式进行宣讲，会让听众感同身受，也激起他们使用工具的欲望和兴趣。对于每一个业务人员来说，他们关注的是各种业务KPI，你需要紧紧抓住他们的兴趣点，用风趣的语言，环环相扣的故事，说服他们使用你的劳动成果。酒香也怕巷子深，诸位presentation较差的分析师们还是要努力提升一下啊。
需要的行动：
? 一定要重视汇报，不要觉得“酒香不怕巷子香”；
? 汇报前要做好充分的准备：使用正式的PPT、Keynote，不要用Excel、xmind 等思路整理工具；汇报前自己要多做几次练习，理顺语言和思路；仔细推敲自己PPT里的内容，做到每一个细节都胸有成竹，细节是魔鬼，一处细节的纰漏会毁了你整个汇报；
? 把你要表述的内容整理成为具有条理的“故事”。汇报最忌杂乱无章，有些不相干的内容如果没法串起来，就形成多次汇报内容；
? 对于一些这方面比较欠缺的小伙伴，可以参考相关汇报模板。汇报绝对是整个数据分析工作的8分，善用PPT中的动画一步一步的讲清思路+PPT下面的
备注+一遍又一遍的演讲练习，把整个故事流畅讲下来，不看备注。如果对自己汇报能力没信心的话，千万不要拿着眼花缭乱酷炫的dashboard跟老板汇报，因为你会说着说着，不知道自己说到哪了，也不知道下一步怎么说。
04 缺少对业务的持续推动能力
数据分析师的最终目的是通过数据来推动业务的发展。数据分析固然能够基于历史和现在的数据进行分析，给出建议，但最终落地还是要靠各个业务执行人员。任何一个业务的发展都是受很多因素影响的，要想真正证明数据的价值，还需要业务执行层的鼎力支持。当我们设定数据分析模型，找到了影响业务发展的一个关键要素。基于分析，给业务部门做了汇报，并提出了改进建议，这个问题和建议都得到业务人员和领导的高度认可，并要求在公司内部推行。但之后的2，3个月，相关业务指标依然如故，没有任何改变。这是不是我们的分析有误？有很大可能是真正一线执行层并没有认真落实。缺乏相关的监控手段，无法确认这一政策是否真正执行。要想真正让一个分析结果能够落地，除了说服决策层的领导外，还需要提供具体落地方案的监控方案。除此之外，如果能够与业务部门保持良好的关系，能够了解数据之外的信息，也会对你的工作有很大的帮助。如果你真的希望自己的劳动成功能够落地，还是需要进行全程的跟踪，并针对数据的变化不断的调整模型和方案。
需要的行动：
? 时刻提醒自己，业务的业绩达成才是你的最终目标，你的工作并不止于分析报告，后续的推进落地依然是你的职责；
? 与业务各个业务部门的关键人员搞好关系，往往在办理公事时，私人的关系会让你事半功倍；
? 遇到阻力和困难时，永远不要退缩，要通过各种渠道去推进，如果依靠你的力量无法推进时，要懂得借力；
? 厘清业务处理过程中各个环节的流程和所在节点的利益关系，无利不起早，很多事情无法推进，核心矛盾是利益分配没有理顺；
? 懂得管理业务领导，把领导当成你的资源，带着问题找领导解决时，永远带着解决方案，让领导做选择题，不要做问答题；
? 最后，也是最关键的，把业务的目标当成你自己的事情，当你真正能够推动业务增长之时，也是你凸显价值，升职加薪之日！
作为一名数据分析师，如果你能够站在业务领导的高度，主动的思考问题并提出解决方案，有很好的表达技巧说服业务人员接受你的观点，并能够全程推动和监控方案的落地实施，那么你一定能够通过数据来推动业务的持续发展。这几点看似很难，但只要你能够明确方向，一点一点的推进，你一定会惊喜的发现，原来通过数据影响业务并没有那么困难，随着业务对于数据依赖的不断加强，你的价值也会不断凸显，升职加薪自然水到渠成。
本科学生综合性实验报告项目组长张梦瑶学号0141262 成员 专业国际经贸班级国贸142 实验项目名称商务数据分析报告 指导教师及职称李虹来 开课学期2015 至2016 学年下学期 上课时间2016 年 6 月16 日
1.商业理解阶段 网上销售与传统的店面销售不同，没有售货员提供现场咨询服务。但是，网上销售可以利用互联网的优势，为用户提供更优质的服务。由于服务器会记录用户在浏览电子商务网站时的所有行为，因此，企业很容易收集用户的浏览记录、交易信息及偏好数据。 在个性化推荐技术的关联规则分析中，最典型的例子是购物篮分析，其目标是发现交易数据库中不同商品之间的联系强度，挖掘用户潜在购买模式，并将这些模式所对应的服务或产品展示给用户，为其提供参考，从而提高用户的满意度及购买率。 2. 数据理解阶段 本案例采用淘宝网的用户交易数据进行分析，每条交易记录包括记录号和顾客购买的商品，表1给出了数据集中各属性名及意义，表2为部分交易实例数据示例。 3. 数据准备阶段 原始数据集可能包含了一些冗余的数据、空值和零值等，这种格式不能作为关联规则分析算法的输入，需要对数据进行预处理。本案例的预处理中包括过滤掉原始数据集中的商品数量和单价这两个属性。同时为了保护顾客的隐私，过滤了用户名属性，并且用交易号来唯一表示顾客的每一次交易。处理后的数据集如表3所示。
在Clementine软件进行关联规则挖掘时，必须把数据格式转换成Clementine软件能处理的格式。通常有两种格式：一种是布尔矩阵形式，即每行表示一条交易记录，列中的T/F值表示该商品是否有在相应的交易记录中出现，T表示有出现，F表示没有出现（表4列出转换后的前3条记录信息）；一种是事务处理格式，即每行对应一个交易号和一个商品项（表5列出了前3个事务对应的事务处理格式）。 4. 数据建模 利用Clementine中的Apriori算法进行关联规则分析，设定最小支持度1%，最小置信度50%，输入为布尔矩阵格式的交易数据（如表4），输出商品的关联规则及相应的支持度、置信度和提升度信息（如表6）。表中显示“高跟鞋”和“洗发水”、“童装”和“玩具”、“文具”经常被一起购买。 表6 Apriori算法运行结果 5. 模型评估 我们选取以下的关联规则向顾客进行推荐。 规则1：（玩具、文具）=>童装 规则2：洗发水=>高跟鞋 规则3：玩具=>童装 规则4：地毯=>家具 规则5：（短裙、高跟鞋）=>女装T恤 规则6：（童装、文具）=>玩具 再结合规则和实际经验知识，可以对规则进行进一步优化处理。在本案例中，可以对规则1{（玩具、文具）=>童装}和规则3{玩具=>童装}进行合并，以规则3的形式呈现。 6. 模型发布 通过建模分析由得出的关联规则，企业就可以得到商品销售的一些合理搭配，进而设定相应的推荐策略。如在顾客购买了地毯后，可以向其推荐家具类商品；或者当顾客购买了童装后，可以向其推荐玩具和文具类商品；这些都可能是顾客感兴趣或需要的商品。
大数据的商业应用 对大数据的开放和应用将对社会、商业和个人都产生巨大而深远的影响。目前我们已经观察到或者可以预测到的影响包括但不仅限于以下几个方面。 第一，围绕大数据的应用将激发前所未有的创新浪潮。社交网络的流行和物联网的建设使得对个体和群体（无论是人或物）的实时观察和了解正在逐渐成为可能，这为预测群体行为和了解个体偏好提供了强有力的工具。利用大数据这一特性的应用已经在多个领域展现其惊人的威力和创新能力。 第二，大数据的开放将极大地提升社会的公开透明度和提高政策制定的效率。一方面，多种类型数据的公开大大提升了政府的透明度，通过公众的监督提高民主程度。另一方面，通过为大众提供创新的平台，充分汲取群体的智慧，有效榨取数据的可利用价值，反过来可以提升社会效率和政府效率。 第三，随着大数据时代的来临和深化，在商业、经济及其他领域中，决策行为将日益基于数据和分析而做出，而并非基于经验和直觉。伴随着数据的大量累积和数据处理能力的不断提升，利用数据来进行判断和预测的能力将会得到无限的放大，数据将引领社会前进的方向。第四，个人成为大数据链条中不可或缺的一环，而对数据的依赖将改变人类的生活方式。 对银行的影响 （一）大数据提供了全新的沟通渠道和营销手段 一方面，社交媒体的兴起给银行提供了全新的与客户接触的渠道。已经有多家银行开通了官方微博，通过树立社会化的形象，拉近与客户之间的距离，利用社交媒体的力量，往往能够取得意想不到的效果。光大银行在2011年4月份通过其官方微博发起了“95595酒窝哦酒窝——光大电子银行酒窝传递活动”，向网民征集酒窝照片，并由参与者向好友进行传递，征集的照片会组成一个笑容墙展示，一个月的时间里有超过740000人参与了活动，使得光大银行的客服电话号码一夜走红。 另一方面，通过打通银行内部数据和外部社会化的数据可以获得更为完整的客户拼图，从而进行更为精准的营销和管理。银行本身拥有客户的大量数据，通过对数据的分析可以获得很多信息，从而成为进行管理和营销的依据。但由于银行拥有的客户信息并不全面，这种分析有时候难以得出理想的结果甚至有可能得出错误的结论。比如说，如果某位信用卡客户
生命周期是指从出生到死亡的整个过程。大数据是一种特殊的信息资源，也有其自身的生命周期。无论是商业大数据还是政府大数据，在大数据交易平台上作为产品进行交易之前，都要经过数据生成、采集、预处理和分析的过程，这个过程就是不断积累大数据价值的过程，为建立大数据权主体和利益分配奠定了基础。 大数据交易完成后，大数据买家将利用大数据产品，挖掘其潜在价值。买家的反馈将对大数据交易市场产生重要影响。买方使用大数据后，应按与大数据交易平台或卖方签订的合同处理大数据。大数据的生成、收集、预处理、分析、交易、反馈和处置是大数据产品的全生命周期过程。 在商业大数据的生成过程中，大数据来源方主要是个人和企业，个人会产生网页浏览记录、消费行为、出行轨迹、文字评论、上传的
多媒体资料等大数据，企业则产生业务、财务等方面的大数据。 在商业大数据的采集、预处理、分析过程中，企业占据主导地位，大数据交易平台次之，个人仅占很少比例，这是因为企业、大数据交易平台本身具有人才众多、技术手段先进、资金雄厚等天然优势，而个人在人力、时间、软件、硬件、技术手段等多方面都处于明显劣势，所以参与度很低。 在购买商业大数据时，企业是主要参与方，政府、事业单位、大数据交易平台、个人较少，这种现象的产生与各个买方对大数据的利用目的是分不开的：企业有非常明确的盈利目的，渴望通过利用大数据实现自身业务的进一步发展以实现盈利；而政府、大部分事业单位（自收自支事业单位除外）不以盈利为目的，没有强烈的购买动机；大数据交易平台只是起到一个中介作用，渴望引入更多品种、数量的大数据产品，吸引更多大数据买卖双方在自己的平台进行交易以抽取提成实现盈利；个人用户中有部分买家是处于科研目的购买大数据，
《商业数据分析》规范与要素 数据分析有多种类别，比如运营分析、产品分析、商业分析等。每个类别有自己框架和重点，同时也会有些许的交集。比如对通过用户分层，看不同用户的表现。运营分析、产品分析、商业分析大概都会用到这个视角。那么我们今天就聊聊其中的商业分析，更准确点说是商业数据分析。 长期浸泡在商业分析或者战略分析圈里朋友应该都感受到了。同过去相比，现在的商业或战略分析，有了很大的变化。过去的数据没有现在这么丰富，很多商业或战略分析更多的定性分析，对数据的依赖不多。现如今会更多的倚重数据了。所以现在的商业分析部招人会倾向于数据分析背景的同学，而不是只会写PPT的同学了。 那么如何做商业数据分析呢？首先不要把商业分析想的特别高大上，遥不可及。他也有固定的套路和章法可循。商业数据分析，是一个系统性
的工程，要有体系性的框架。主要是弄清楚以下几个问题，那么基本的商业分析框架就搭起来了。剩下的就是如何用数据来描述其中的关系和逻辑了。 客户细分-- 谁是客户 这个是最重要的。要弄清楚客户是谁，并对客户做细分。有的公司说，我是面向C端的，所有的人都是我的客户。细细一想，显然不是这样的，比如京东、天猫、淘宝，各自的客户人群就有明显的差别；京东的男性用户偏多；天猫用户倾向于高品质；淘宝用户比较闲，喜欢逛；他们各自核心用户的画像差别就更大了。 再比如爱奇艺、优酷、抖音都是视频内容平台，他们的客户也是不一样的。当然，有可能平台大了，覆盖的用户范围广了，会有不同的客户群。那么就更需要对客户群做细分了。所以做商业分析的第一步就是弄清楚谁是客户，哪些是核心客户，这样才能有的放矢，提供不同的价值。说到价值，下面我们就聊聊针对客户的价值输出。
2014年第1期(总第20期) 哈尔滨师范大学社会科学学报 Journal of Social Science of Harbin Normal University No.1，2014Total No.20 大数据分析驱动 企业商业模式的创新研究 李艳玲 （东北财经大学管理科学与工程学院，辽宁 大连116025） ［摘 要］随着大数据时代的来临，大数据发展催化了大量的相关产业，也带来了商业模式创新的机 遇。大数据问题迅速从技术层面上升到国家战略的最高层面。商务管理在大数据背景下面临诸多的时代挑战，分析企业在应用与研究方面所面临的问题，研究大数据环境下所带来的商业机会的新变化与新思路，思考并探索如何让我国在商业模式创新中迅速适应大数据环境，并有效利用新的机遇与挑战等问题刻不容缓，文章探讨了大数据驱动的商业模式的创新，并对大数据的发展做出展望。 ［关键词］大数据;商业模式;创新研究［中图分类号］F49 ［文献标识码］A ［文章编号］2095－0292（2014）01－0055－05 ［收稿日期］2013－11－10 ［作者简介］李艳玲，东北财经大学管理科学与工程学院副教授，博士研究生，主要从事大数据商业模式创新、管理决策研究。 由于社会化媒体和移动互联网的日益普及， 在最近及未来几年中，各种新的、强大的数据源会持续爆炸式地增长，过去曾经用的名词“信 息爆炸” 、“海量数据”已不足以描述数据的增长态势，2011年5月，美国麦肯锡全球研究院 （MGI ）发表一篇名为“Big data ：The next fron-tier for innovation ，competition and productivity ”（大数据：未来创新、竞争、生产力的指向标） 的研究报告，“Big Data ”（大数据）这个关键词便开始流行起来。 大数据是指大小超出了传统数据库软件工具 的抓取、存储、管理和分析能力的数据群，按EMC 的界定，其中的“大”是指大型数据集，一般在10TB 规模左右；多用户把多个数据集放在一起，形成PB 级的数据量，同时这些数据来自多种数据源，以实时、迭代的方式来实现。IBM 公司把大数据概括成三个V ，即大量化（Volume ）、多样化（Variety ）、快速化（Veloci-ty ），这三个特点反映了大数据所潜藏的巨大价值（Value ），总体概括为四个特征，即4V 。 面对与日俱增的大量复杂的数据，大数据将 会对高级分析产生巨大的影响，如何通过技术、 安全实践和IT 技能的正确组合来发现数字宇宙的潜在效益，帮助客户管理、保护和挖掘这些可以改变游戏规则的数据价值，并把它们直接转化为竞争优势，真正驾驭数字宇宙，发挥大数据的巨大潜力，是每个企业迫切解决的关键问题。同时，分析和利用大数据也可以催生无数新的服务和商机，也让一些传统行业找到了新的发展机会，更为紧迫的是，大数据时代产生了对“数据科学家”这种新兴复合型人才的迫切需求。对数据的洞察力进一步体现公司的战略和行动，将形成正向反馈，有助于企业积累竞争优势，这是大数据分析对产品创新活动的一个新的典型特征。传统创新活动主要局限在企业内部、数据有限、不能及时方便获取，而大数据时代开放性、网络化的数据无处不在，即时发生大量数据，为实时化、个性化创新方式提供了大量的在产品市场化之前进行互动设计的可能性。这方面的研究应充分利用大数据并结合行业特点研究一些重点行业中的产品及服务创新，例如金融、保险、医疗、零售、物流、互联网、电信等具有突出代表 — 55—
2016年出版
正文目录 1、BI行业增长强劲，下游需求突出，竞争壁垒有抬升趋势 (4) 1.1、商业智能（BI）认可度持续提高，市场规模不断扩大 (4) 1.2、BI 产业链结构分析 (6) 1.2.1、BI 上游 (6) 1.2.2、BI 下游 (6) （1）、电信行业：大数据潜在金矿、亟待规模开发 (8) （2）、金融行业：效率与安全双轮驱动大数据应用深化 (8) （3）、电子政务：政务信息化政策利好大数据整体解决方案商用 (9) （4）、电力行业：生产信息决策与节能减排双重利好于大数据 (10) 1.3、BI 与大数据的联系与区别 (10) 2、大数据：逐步走向成熟，市场进入爆发成长期 (11) 2、从BI 到大数据4.0的演变历程 (12) 2.1、大数据核心技术不断演进，年增50% (12) 2.1.1、大数据的史前时代 (16) 2.1.2、大数据1.0 效率为先(2012-2015)：非结构化数据处理加速 (17) 2.1.3、大数据2.0 变现为王(2015-2020)：用户画像与标签 (18) 2.1.4、大数据3.0 与4.0 决策为本(2020-2030)：机器学习与洞察 (19) 2.2、大数据产业步入快速增长、国内相关企业产业布局呈哑铃型 (20) 2.2.1、从概念热炒到实际应用，大数据步入快速成长期 (20) 2.2.2、大数据产业链分工明晰，发展侧重数据采集及应用、呈现哑铃型 (21) 2.3、大数据助力产业升级创新 (22) 3、大数据主要应用分析 (23) 3.1、电信行业大数据应用 (23) 3.1.1、电信大数据爆发式增长，但运营商进入存量经营时代 (23) 3.1.2、电信运营商大数据变现具备基础 (24) 3.1.3、利用大数据，聚焦服务、创新、运行支撑 (25) 3.1.4、海外成功先例，值得借鉴 (26) （1）、全球电信运营商大数据实践 (26) （2）、法国电信：利用大数据开拓新服务领域 (28) （3）、西班牙电信大数据应用 (29) 3.2、金融行业大数据应用 (29) 3.2.1、强调大数据环境下的客户、市场、运营洞察 (29) 3.2.2、工商银行：利用大数据洞察客户心声 (31) 3.3、互联网大数据应用分析 (32) 3.3.1、大数据先行者，促进营销、信息与业务多重变革 (32) 3.3.2、BAT：领军大数据变革时代 (33) 3.3.3、亚马逊：用户行为数据分析助推个性化营销 (36) 3.4、工业大数据应用 (37) 3.4.1、借力大数据，实现设备、系统、决策智能化 (37) 3.4.2、工业大数据：中国制造2025 核心技术 (37) 3.4.3、汽车行业：“变形金刚”改变行业战斗方式 (38) 3.5、航空业大数据应用分析 (39)
石家庄工商职业学院开设商务数据分析与应用专业的可行性分析报告 一、商务数据分析与应用专业简介 1.培养目标：本专业以服务于各个行业的数据分析与应用，尤其是互联网和电信行业。适应企业发展及人才需求为宗旨，培养学生具备数据采集，数据分析，数据处理、商业创新能力和电子商务职业素养，掌握互联网时代电商商务数据分析整体发展状况及基本理论知识，熟练运用数据工具开展数据分析，数据挖掘，数据展示，具备利用数据进行相关的商务策划，综合运营管理能力的应用型创业型人才。 2.主要课程：计算机应用基础、统计学，数据分析与应用、网络营销与策划、数据模型与客户行为分析、数据基础、DATAHOOP平台、客户数据分析方法、战略管理、营销管理，SPSS等。 3．就业前景毕业生可在互联网公司、电子商务公司及各类企业从事基于数据平台的数据采集，数据挖掘，营销决策，投资风险分析、客户关系管理等工作 4.获得证书 数据分析员，数据分析师 二、商务数据分析与应用行业发展现状及高职高专人才需求分析 1.行业发展现状分析。 2015年9月5日，经李克强总理签批，国务院日前印发《促进大数据发展行动纲要》（以下简称《纲要》），系统部署大数据发展工作。 《纲要》部署三方面主要任务。一要加快政府数据开放共享，推动资源整合，提升治理能力。大力推动政府部门数据共享，稳步推动公共数据资源开放，统筹规划大数据基础设施建设，支持宏观调控科学化，推动政府治理精准化，推进商业服务便捷化，促进安全保障高效化，加快民生服务普惠化。二要推动产业创新发展，培育新兴业态，助力经济转型。发展大数据在工业、新兴产业、农业农村等行业领域应用，推动大数据发展与科研创新有机结合，推进基础研究和核心技术攻关，形成大数据产品体系，完善大数据产业链。三要强化安全保障，提高管理水平，促进健康发展。健全大数据安全保障体系，强化安全支撑。
大数据实现商业价值的9种方法 现在已经有了许多利用大数据获取商业价值的案例，我们可以参考这些案例并以之为起点，我们也可以从大数据中挖掘出更多的金矿。2013 TDWI关于管理大数据的调查显示，89%的受访者认为大数据是一个机会，而在2011年的大数据分析的调查中这个比例仅为70％。在这两次调查中受访问者均普遍认为，要抓住大数据的机会并从中获取商业价值，需要使用先进的分析方法。此外，其他从大数据中获取商业价值的方法包括数据探索、捕捉实时流动的大数据并把新的大数据来源与原来的企业数据相整合。虽然很多人已有了这样一个认识：大数据将为我们呈现一个新的商业机会。但目前仅有少量公司可以真正的从大数据中获取到较多的商业价值。下边介绍了9个大数据用例，我们在进行大数据分析项目时可以参考一下这些用例，从而更好地从大数据中获取到我们想要的价值。从数据分析中获取商业价值。请注意，这里涉及到一些高级的数据分析方法，例如数据挖掘、统计分析、自然语言处理和极端SQL等等。与原来的报告和OLAP技术不同，这些方法可以让你更好地探索数据和发现分析见解。探索大数据以发现新的商业机会。很多大数据都是来自一些新的来源，这代表客户或合作伙伴互动的新渠道。和任何新的数
据来源一样，大数据值得探索。通过数据探索，你可以了解一些之前所不知道的商业模式和事实真相，比如新的客户群细分、客户行为、客户流失的形式，和最低成本的根本原因等等。对已收集到的大数据进行分析。许多公司都收集了大量的数据，他们感觉这些数据存在着商业价值，但并不知道怎样从这些弄出来的值大的数据。不同行业的数据集有所不同，比如，如果你处于网络营销行业，你可能会有大量Web站点的日志数据集，这可以把数据按会话进行划分，进行分析以了解网站访客的行为并提升网站的访问体验。同样，来自制造业的质量保证数据将有助于公司生产出更可靠的产品和选择更好的供应商，而通过RFID 数据可以帮助你更深入地供应链中产品的运动轨迹。重点分析对你的行业有价值的大数据。大数据的类型和内容因行业而异，每一类数据对于每个行业的价值是不一样的。比如电信行业的呼叫详细记录（CDR），零售业、制造业或其他以产口为中心的行业的RFID数据，以及制造业（特别是汽车和消费电子）中机器人的传感器数据等等，这些都是各个行业中非常重要的数据。理解非结构化的大数据。非结构化的信息主要指的是是使用文字表达的人类语言，这与大多数关系型数据有着很大的不同，你需要使用一些新的工具来进行自然语言处理、搜索和文本分析。把基于文本内容的业务流程进行可视化展示，比如，保险索赔过
大数据在商业地产运用案例 一段记录顾客在商店浏览购物的视频、顾客在购买产品和服务前后的行为、如何通过社交网络联系您的客户、是什么吸引合作伙伴加盟、客户如何付款以及供应商喜欢的收款方式……所有这些场景都提供了很多指向，将它们抽丝剥茧，透过特殊的棱镜观察，将其与其他数据集对照，或者以与众不同的方式分析解剖，就会发现，原来这里面有很多秘密。而所有秘密的支持都依靠一种技术——大数据。 一.进军电商的核心--大数据研究 从国内近年来新开张的商业物业来看，影院、餐厅、美容、健身、娱乐等“亲历性”服务项目占有的面积正在不断增多，而单纯的商品销售面积正在不断减少，这也是苏宁、国美、万达等传统商业企业全面高调进军电商的原因。 只有进入电商领域，他们才能积累更多的数据，为大数据时代的到来积累资本。全渠道销售模式是未来零售新方向,或有可能颠覆单一模式(纯线上或纯线下模式),开创零售行业新格局。而开展线上线下互动的O2O模式的核心，就是大数据应用。 数据对于零售企业的最大价值：为零售策略的开展提供细致的指导建议； 1、精准营销； 2、产品研发； 3、完善供应链； 二.典型零售企业的大数据建设 1.朝阳大悦城: 朝阳大悦城的生命力何在？除了及时的业态调整和不断创新的营销活动等这些表面上看到的动作，朝阳大悦城真正的核心竞争力是高效的运营管理，是以大数据为基础来部署，所有的营销、招商、运营、活动推广都围绕着大数据的分析报告来进行的大战略。 数据运营案例： a、根据超过100万条会员刷卡数据的购物篮清单，将喜好不同品类不同品牌的会员进行分类，将会员喜好的个性化品牌促销信息精准进行通知。 b、朝阳大悦城在商场的不同位置安装了将近200个客流监控设备，并通过Wi-Fi站点的登录情况获知客户的到店频率，通过与会员卡关联的优惠券得知受消费者欢迎的优惠产品。 c、经过客流统计系统的追踪分析，提供解决方案改善消费者动线，4层的新区开业之后客人总是不愿意往新里走，因为消费熟悉之前的动线，所以很少有人过去，该区域的销售表现一直不尽如人意。为此，招商部门在4层的新老交接区的空区开发了休闲水吧，打造成欧洲风情街，并提供iPAD无线急速上网休息区。通过精心设计，街区亮相后新区销售有了明显的改观。 d、打通微信与实体会员卡，会员的消费数据、阅读行为、会员资料打通后，更好地了解消费者的消费偏好和消费习惯，从而更有针对性地提供一系列会员服务。 2.银泰百货 银泰大数据战略： a、2013年，银泰百货全国门店的WIFI网络将铺设完毕，顾客进店可以免费登录使用WIFI。 b、打通线上线下，开启020，顾客通过手机端参与产品折扣活动，再到实体店提货的购物模式。
Pivot专业解析——史上最全数据科学/商业分析项目分析 “大数据”作为时下最火热的IT行业的词汇，随之而来的数据仓库、数据安全、数据分析、数据挖掘等等围绕大数据的商业价值的利用逐渐成为行业人士争相追捧的利润焦点。 对于“大数据”(Big data)，研究机构Gartner给出了这样的定义：“大数据”是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。“大数据”这个术语最早期用来描述为更新网络搜索索引需要同时进行批量处理或分析的大量数据集。随着谷歌MapReduce 和Google File System (GFS)的发布，大数据不再仅用来描述大量的数据，还涵盖了处理数据的速度。早在1980年，著名未来学家阿尔文·托夫勒便在《第三次浪潮》一书中，将大数据热情地赞颂为“第三次浪潮的华彩乐章”。不过，大约从2009年开始，“大数据”才成为互联网信息技术行业的流行词汇。 美国互联网数据中心指出，互联网上的数据每年将增长50%，每两年便将翻一番，而目前世界上90%以上的数据是最近几年才产生的。随着最近Big Data在业界的兴起，很多美国大学开设了大数据相关的program或者在原有的统计、数学或是计算机专业开设相关的Concentration。笔者在这里就一些开设的项目和相关的技能做简要介绍。大数据硕士项目主要为业界从事互联网分析，广告分析，或者统计分析的相关职位输送人才。 大数据相关技能
统计学相关知识: 回归分析，多元统计分析，时间序列分析 统计软件：R, SPSS, SAS计算机算法知识：数据结构，算法，数据库，数据挖掘，机器学习, 数据可视化计算机编程: C/C++, Java, Python, Hadoop/MapReduce 申请人背景 大数据项目根据项目所在学院适合不同本科背景的人申请，尤其偏爱在数学、计算机、统计方面背景比较强的同学，同时部分项目也需要一定商业实践经历。 开设相关或类似项目学校 MITMS in Business Analytics – Data Science Track 开设学院：商学院 适合背景：数学/计算机/工程 点评：Sloan商学院2016Fall新开的一年项目，特为理工科开设，主要针对数学/工程背景希望转商科。除了强大的数理背景外还需要实习经历，要求三封推荐信中至少有一封是来自业界人士。 Harvard S. M in Computational Science and Engineering –Data Science Track 开设学院：工学院 适合背景：数学/计算机/工程 点评：传统计算机数学交叉项目，比较喜欢数学背景，里面很多科偏应用数学，
商业数据分析工具》实验教学大 纲 大纲制定（修订）时间： 2017 年 11 月 课程总学时： 16 实验（上机）计划学时： 8 开课单位： 经济管理学院 、大纲编写依据 3. 近年来《商业数据分析工具》实验教学经验。 二、实验课程地位及相关课程的联系 1. 《商业数据分析工具》是信息管理与信息系统专业重要的专业方向课程； 2. 本实验项目是《商业数据分析工具》课程综合知识的运用； 3. 本实验是一门实践性很强的课程，在计算机行业里应用非常广泛，通过上机 实验，不仅巩固学生在课堂上所学的知识，加深对数据分析工具的理解，更重要的 是通过实验题目，提高学生的动手能力，增强学生就业的竞争力； 4.本实验为后续的《商业数据分析工具》和毕业设计等课程有指导意义。 三、本课程实验目的和任务 1. 理解商业数据分析的基本理论，训练运用商业数据分析软件对研究问题进行 分析、设计、实践的基本技术，掌握科学的实验方法； 2. 培养学生观察问题、分析问题和独立解决问题的能力； 课程名称： 商业数据分析工具》 课程编码： 课程类别： 专业选修课程 课程性质：选修 适用专业： 信息管理与信息系统 1. 信息管理与信息系统专业 2017教学计划； 2. 信息管理与信息系统专业 求； 商业数据分析工具》 理论教学大纲对实验环节的要
3.通过本课程的学习与实践，加深对数据分析方法的基本理论(回归分析、方差 分析、聚类分析、判别分析等)的理解，掌握统计软件的各个操作方法和步骤，并能结合具体问题和相关知识对计算结果给出合理的解释。 4.培养正确记录实验数据和现象，正确处理实验数据和分析实验结果及调试程序的能力，以及正确书写实验报告的能力。 四、实验基本要求 1.实验项目的选定依据教学计划对学生实践能力培养的要求; 2.巩固和加深学生对商业数据分析工具的运用，提高学生解决问题的能力及结合运用所学知识解决问题的能力； 3.实验项目要求学生掌握excel基础知识、SPSS部分知识,并运用相关知识自行设计实验方案，完成具有一定数据的计算跟分析。 4.通过实验，要求学生做到: (1)能够预习实验，自行设计实验方案，并撰写实验报告; (2)学会Excel的使用，能利用Excel程序对数据进行处理，验证课程中涉及的各知识点； (3)能够独立分析数据计算结果，并撰写实验报告。 五、实验内容和学时分配
期末论文 论文题目：数据挖掘在商业数据分析中的应用 所属课程名称_____ 指导教师_____________ 班级__________ 学号_________ 姓名_____________ 成绩___________________
数据挖掘在商业数据分析中的应用 【摘要】本文主要介绍数据挖掘在商业数据分析中的应用，文章从数据挖掘的商业内涵、数据挖掘的商业需求分析出发，阐述了数据挖掘在海量信息中提取有效信息的作用。最后介绍了数据挖掘关于企业客户数据分析、企业财务预警两个方面上的应用及相关案例，说明了数据挖掘给人们带来了便利，给企业带来了新的利润空间以及为企业提供了决策支持，进一步强调了数据挖掘在商业数据分析中存在的必要性。 【关键字】数据挖掘；财务预警；决策支持 一、从商业角度看数据挖掘技术 数据挖掘从本质上说是一种新的商业信息处理技术。数据挖掘技术把人们对数据的应用，从低层次的联机查询操作，提高到决策支持、分析预测等更高级应用上。它通过对这些数据进行微观、中观乃至宏观的统计、分析、综合和推理，发现数据间的关联性、未来趋势以及一般性的概括知识等，这些知识性的信息可以用来指导高级商务活动。 从决策、分析和预测等高级商业目的看，原始数据只是被开采的矿山，需要挖掘和提炼才能获得对商业目的游泳的规律性知识。这正是数据挖掘这个名字的由来。所以，从商业角度看，数据挖掘就是按企业的既定业务目标，对大量的企业数据进行深层次分析以揭示隐藏的、未知的规律性并将其模型化，从而支持商业决策活动。从商业应用角度刻画数据挖掘，可以使我们更全面的了解数据挖掘的真正含义。它有别于机器学习等其它研究领域，从它的提出之日起就具有很强的商业应用目的。同时，数据挖掘技术只有面向特定的商业领域才有应用价值。数据挖掘并不是要求发现放之四海而皆准的真理，所有发现的知识都是相对的，并且对特定的商业行为才有指导意义。 二、数据挖掘技术的商业需求分析 数据挖掘之所以吸引专家学者的研究兴趣和引起商业厂家的广泛关注，主要在于大型数据系统的广泛使用和把数据转换成有用知识的迫切需要。60年代，为了适应信息的电子化要求，信息技术一直从简单的文件处理系统向有效的数据库系统变革。70年代，数据库系统的三个主要模式——层次、网络和关系型数据库的研究和开发取得了重要进展。80年代，关系型数据库及其相关的数据模型工具、数据索引及数据组织技术被广泛采用，并且成为了整个数据库市场的主导。80年代中期开始，关系数据库技术和新型技术的结合成为数据库研究和开发的重要标志。从数据模型上看，诸如扩展关系、面向对象、对象-关系（Object-Relation）以及演绎模型等被应用到数据库系统中。从应用的数据类型上看，包括空间、时态、多媒体以及WEB等新型数据成为数据库应用的重要数据源。同时，事务数据库（Transaction Database）、主动数据库（Active Database）、知识库（Knowledge Base）、办公信息库（Information Base）等技术也得到蓬勃发展。从数据的分布角度看，分布是数据库（Distributed Database）及其透明性、并发控制、并行处理等成为必须面对的课题。进入90年代，分布式数据库理论上趋于成熟，分布式数据库技术得到了广泛应用。目前，由于各种新型技术与数据库技术的有机结合，使数据库领域中的新内容、新应用、新技术层出不穷，形成了庞大的数据库家族。但是，这些数据库的应用都是以实时查询处理技术为基础的。从本质上说，查
赢盛中国研究：“大数据”成为零售业博利热点（图） 报告引言：这个时代已经完全不是此前单纯的数字媒体化年代，一些商业巨头已经不声不响地运用“大数据（专题阅读）”技术好多年，用大数据驱动市场营销、驱动成本控制、驱动产品和服务创新、驱动管理和决策的创新好多年。大数据里面包含了企业运营的各种信息，如果能对它们进行及时有效整理和分析，就可以很好地有效地帮助企业进行经营决策，为企业带来获取巨大的增值价值效益。 一、“大数据”的商业价值 1.对顾客群体细分 “大数据”可以对顾客群体细分，然后对每个群体量体裁衣般的采取独特的行动。瞄准特定的顾客群体来进行营销和服务是商家一直以来的追求。云存储的海量数据和“大数据”的分析技术使得对消费者的实时和极端的细分有了成本效率极高的可能。 2.模拟实境
运用“大数据”模拟实境，发掘新的需求和提高投入的回报率。现在越来越多的产品中都装有传感器，汽车和智能手机的普及使得可收集数据呈现爆炸性增长。Blog、Twitter、Facebook和微博等社交网络也在产生着海量的数据。 云计算和“大数据”分析技术使得商家可以在成本效率较高的情况下，实时地把这些数据连同交易行为的数据进行储存和分析。交易过程、产品使用和人类行为都可以数据化。“大数据”技术可以把这些数据整合起来进行数据挖掘，从而在某些情况下通过模型模拟来判断不同变量(比如不同地区不同促销方案)的情况下何种方案投入回报最高。 3.提高投入回报率 提高“大数据”成果在各相关部门的分享程度，提高整个管理链条和产业链条的投入回报率。“大数据”能力强的部门可以通过云计算、互联网和内部搜索引擎把”大数据”成果和“大数据”能力比较薄弱的部门分享，帮助他们利用“大数据”创造商业价值。 4.数据存储空间出租 企业和个人有着海量信息存储的需求，只有将数据妥善存储，才有可能进一步挖掘其潜在价值。具体而言，这块业务模式又可以细分为针对个人文件存储和针对企业用户两大类。主要是通过易于使用的API，用户可以方便地将各种数据对象放在云端，然后再像使用水、电一样按用量收费。目前已有多个公司推出相应服务，如亚马逊、网易、诺基亚等。运营商也推出了相应的服务，如中国移动的彩云业务。 5.管理客户关系 客户管理应用的目的是根据客户的属性(包括自然属性和行为属性)，从不同角度深层次分析客户、了解客户，以此增加新的客户、提高客户的忠诚度、降低客户流失率、提高客户消费等。对中小客户来说，专门的CRM显然大而贵。不少中小商家将飞信作为初级CRM来使用。比如把老客户加到飞信群里，在群朋友圈里发布新产品预告、特价销售通知，完成售前售后服务等。 6.个性化精准推荐 在运营商内部，根据用户喜好推荐各类业务或应用是常见的，比如应用商店软件推荐、IPTV视频节目推荐等，而通过关联算法、文本摘要抽取、情感分析等智能分析算法后，可以将之延伸到商用化服务，利用数据挖掘技术帮助客户进行精准营销，今后盈利可以来自于客户增值部分的分成。 以日常的“垃圾短信”为例，信息并不都是“垃圾”，因为收到的人并不需要而被视为垃圾。通过用户行为数据进行分析后，可以给需要的人发送需要的信息，这样“垃圾短信”
商业数据分析专业人才培养方案 一、背景 教育部办公厅 2019 年提出了关于实施一流本科专业建设“双万计划”的通知。为深入落实全国教育大会和《加快推进教育现代化实施方案（2018-2022 年）》精神，贯彻落实新时代全国高校本科教育工作会议和《教育部关于加快建设高水平本科教 育全面提高人才培养能力的意见》、“六卓越一拔尖”计划 2.0 系列文件要求，推 动新工科、新医科、新农科、新文科建设，做强一流本科、建设一流专业、培养一流 人才，全面振兴本科教育，提高高校人才培养能力，实现高等教育内涵式发展。 随着大数据技术在各行各业的渗透，人文社会科学通过对全样本数据进行分 析和处理，在解决经济社会发展和人们思想变革方面带来了新的便利，同时也产生 了新的文科领域。基于编程、大数据采集和处理等技术的社会科学学科，运用机 器学习或知识图谱等人工智能技术进行的社会问题研究，都将成为新文科研究的 重点。 二、行业人才需求 1. 新时代新商科 随着5G、大数据、人工智能、AR、VR、物联网等前沿技术深刻改变着我们 的这个社会的生产和生活方式，新的商业模式对商业企业的从业者提出了新的要求。 新技术、新业态、新人才需要新商科，这波技术浪潮对传统商科的最大挑战 就是商科如何将新技术进行融合，培养掌握新技术的商科人才，最终帮助企业实 现数字化转型。
时代的发展越来越需要新的商科人才来满足行业发展的需要，技术赋能型商科人 才将是新时代商业发展最关键的人才。 2. 商业数据分析专业的行业需求 随着商业企业的商业模式升级和数字化转型，海量数据资料持续积蓄。同时， 随着大数据、人工智能等新技术的应用和普及，各种数据工具大量涌现，大数据技 术的应用门槛逐渐降低。如何利用科学的数据方法提升企业在决策、管理和经营方面 的效果，成为企业在新一轮竞争中发展的关键优势。因此，对于精通大数据分析工具应用，并能够基于商业逻辑运用数据分析与挖掘等方法解决企业经营发展问题的商业 分析人才需求空前旺盛。 同时，大量传统的岗位看似与数据无关，但在大数据的背景下也需要数据分 析的能力，数据分析思维和能力已经慢慢成为职场基础能力。有研究指出，69% 的雇主希望员工具备一定的数据分析能力，有的甚至会在面试、试用期时设置关卡，用以考核员工的“数据思维”。 3. 市场需求大，就业范围广 适应新时代发展的商业分析师应是既深入了解商业模式又有技术背景的数 据专家，他们最重要的价值就是形成基于数据分析的结果报告，并利用具体商业知识，提供合理决策建议。 因此，在大数据渗透进几乎所有行业的时代，基本所有公司都需要商业分析师。如今，大数据或者数据工作者的岗位需求激增，其中大数据科学家的缺口在15 万到20 万之间，对于懂得利用大数据做决策的分析师岗位缺口则达到 150 万。 三、专业人才培养目标 商业数据分析是在大数据环境下使用数据深入理解和洞察企业业务的多学 科交叉复合专业,该专业主要培养学生具备扎实的商业经济与运行管理知识的同时，基于大数据分析平台，通过数理统计等数学思维的培养，掌握数据收集、数
商业数据分析工具实验 The latest revision on November 22, 2020
《商业数据分析工具》实验教学大纲 大纲制定（修订）时间： 2017 年 11 月课程名称：《商业数据分析工具》课程编码： 课程类别：专业选修课程课程性质：选修 适用专业：信息管理与信息系统 课程总学时：16 实验（上机）计划学时： 8 开课单位：经济管理学院 一、大纲编写依据 1.信息管理与信息系统专业2017教学计划； 2.信息管理与信息系统专业《商业数据分析工具》理论教学大纲对实验环节的要求； 3.近年来《商业数据分析工具》实验教学经验。 二、实验课程地位及相关课程的联系 1.《商业数据分析工具》是信息管理与信息系统专业重要的专业方向课程； 2.本实验项目是《商业数据分析工具》课程综合知识的运用； 3.本实验是一门实践性很强的课程，在计算机行业里应用非常广泛，通过上机实验，不仅巩固学生在课堂上所学的知识，加深对数据分析工具的理解，更重要的是通过实验题目，提高学生的动手能力，增强学生就业的竞争力； 4.本实验为后续的《商业数据分析工具》和毕业设计等课程有指导意义。 三、本课程实验目的和任务 1.理解商业数据分析的基本理论，训练运用商业数据分析软件对研究问题进行分析、设计、实践的基本技术，掌握科学的实验方法； 2.培养学生观察问题、分析问题和独立解决问题的能力； 3.通过本课程的学习与实践，加深对数据分析方法的基本理论（回归分析、方差分析、聚类分析、判别分析等）的理解，掌握统计软件的各个操作方法和步骤，并能结合具体问题和相关知识对计算结果给出合理的解释。 4.培养正确记录实验数据和现象，正确处理实验数据和分析实验结果及调试程序的能力，以及正确书写实验报告的能力。 四、实验基本要求 1.实验项目的选定依据教学计划对学生实践能力培养的要求； 2.巩固和加深学生对商业数据分析工具的运用，提高学生解决问题的能力及结合运用所学知识解决问题的能力； 3.实验项目要求学生掌握excel基础知识、SPSS部分知识,并运用相关知识自行设计实验方案，完成具有一定数据的计算跟分析。 4.通过实验，要求学生做到： （1）能够预习实验，自行设计实验方案，并撰写实验报告；
本科学生综合性实验报告项目组长张梦瑶学号 0141262 成员 专业国际经贸班级国贸142 实验项目名称商务数据分析报告 指导教师及职称李虹来 开课学期 2015 至 2016 学年下学期 上课时间 2016 年 6 月 16 日
1.商业理解阶段 网上销售与传统的店面销售不同，没有售货员提供现场咨询服务。但是，网上销售可以利用互联网的优势，为用户提供更优质的服务。由于服务器会记录用户在浏览电子商务网站时的所有行为，因此，企业很容易收集用户的浏览记录、交易信息及偏好数据。 在个性化推荐技术的关联规则分析中，最典型的例子是购物篮分析，其目标是发现交易数据库中不同商品之间的联系强度，挖掘用户潜在购买模式，并将这些模式所对应的服务或产品展示给用户，为其提供参考，从而提高用户的满意度及购买率。 2. 数据理解阶段 本案例采用淘宝网的用户交易数据进行分析，每条交易记录包括记录号和顾客购买的商品，表1给出了数据集中各属性名及意义，表2为部分交易实例数据示例。
3. 数据准备阶段 原始数据集可能包含了一些冗余的数据、空值和零值等，这种格式不能作为关联规则分析算法的输入，需要对数据进行预处理。本案例的预处理中包括过滤掉原始数据集中的商品数量和单价这两个属性。同时为了保护顾客的隐私，过滤了用户名属性，并且用交易号来唯一表示顾客的每一次交易。处理后的数据集如表3所示。 Clementine软件能处理的格式。通常有两种格式：一种是布尔矩阵形式，即每行表示一条交易记录，列中的T/F值表示该商品是否有在相应的交易记录中出现，T表示有出现，F表示没有出现（表4列出转换后的前3条记录信息）；一种是事务处理格式，即每行对应一个交易号和一个商品项（表5列出了前3个事务对应的事务处理格式）。 表4 布尔矩阵格式数据集
龙源期刊网 https://www.doczj.com/doc/fd11640375.html, 基于大数据的商业综合体营销分析 作者：万胤岳高启闻 来源：《今日财富》2018年第26期 文章通过分析大数据时代商业综合体的新特征，对基于大数据的商业综合体营销提出“依托大数据，开展好业态规划”、“依托大数据，推进对合作商的合理管理”、“依托大数据，实现对产品的精准营销”、“依托大数据，推进公开性合作经营”等策略，旨在为研究如何促进大数据时代背景下商业综合体的有序健康发展提供一些思路。 在当前大数据时代背景下，传统商业综合体营销方式方法俨然难以满足消费者发展需求，应当要求商业综合体要不断革新思想认识，加强对各式各样先进技术的有效应用，方可为商业综合体营销顺利开展奠定良好基础。由此可见，对基于大数据的商业综合体营销开展研究，有着十分重要的现实意义。 一、大数据时代商业综合体的新特征 相较于传统商业综合体，大数据时代下的商业综合体发生了极大的转变，且主要表现为：其一，打破独立经营局面，实现大数据资源共享。大数据时代下，依托云计算、物联网等技术，商业综合体内的合作商可进行资源共享，实现多方共赢。其二，搭建精准网络营销平台，实时服务庞大随机消费者。大数据时代下商业总会体内的产品营销可实现基于大数据技术的定向精准营销，一方面可利用大数据信息流，有效掌握消费者实际需求，为合作商产品定位及服务功能优化提供可靠依据。另一方面可借助互联网营销平台，实现线上线下的有效针对营销。其三，多产业有机相融，实现多业态协调发展。大数据时代下，商业综合体可提出各式各样的虚拟化产品，以满足消费者的新型需求。 二、基于大数据的商业综合体营销策略 （一）依托大数据，开展好业态规划 商业综合体是现代城市的综合性商业，其对应覆盖着范围十分大的消费商圈，某种程度上而言，在相同范围、相同特征的区域，其所能够容纳的商业综合体是存在一定消费上限的。商业综合体规模越大，则其覆盖的商业服务范围便越大，所能够提供的商业服务、交流平台能力也越强，因而在大数据时代背景下开展商业综合体营销，应当首先加强对行业消费大数据的有效应用，结合大数据提供的信息数据，有效针对地筛选出区域范围内相对缺少的业态开展规划，而针对销售火爆的业种，则应当结合大数据的层级排序开展优化整合，在确保其有效存活的前提下，切实提高商业综合体营销效率，促进商业综合体的有序健康发展。 （二）依托大数据，推进对合作商的合理管理