R语言商务数据分析实战全套教案

第1章R语言数据分析概述
教案
课程名称：R语言商务数据分析实战
课程类别：必修
适用专业：大数据技术类相关专业
总学时：80学时（其中理论45学时，实验35学时）
总学分：5.0学分
本章学时：2学时
一、材料清单
（1）《R语言商务数据分析实战》教材。

（2）配套PPT。

（3）引导性提问。

（4）探究性问题。

（5）拓展性问题。

二、教学目标与基本要求
1.教学目标
根据目前数据分析发展状况，将数据分析具象化。

而后介绍数据分析的概念，流程，目的以及应用场景。

阐述使用R语言进行数据分析的优势。

列举说明R语言数据分析重要Packages的功能。

2.基本要求
（1）了解数据分析的概念。

（2）了解数据分析的流程。

（3）了解数据分析在实际中的应用。

（4）了解R语言数据分析中常用的Packages。

三、问题
1.引导性提问
引导性提问需要教师根据教材内容和学生实际水平，提出问题，启发引导学生去解决问题，提问，从而达到理解、掌握知识，发展各种能力和提高思想觉悟的目的。

（1）数据分析能够做什么？
（2）现实生活中存在哪些数据分析技术？
（3）该如何进行数据分析？
（4）R语言有哪些优势？
2.探究性问题
探究性问题需要教师深入钻研教材的基础上精心设计，提问的角度或者在引导性提问的基础上，从重点、难点问题切入，进行插入式提问。

或者是对引导式提问中尚未涉及但在课文中又是重要的问题加以设问。

（1）数据分析的完整流程是怎样的？
（2）数据分析的能够应用在那些场景？
（3）R语言常用的Packages有哪些？
3.拓展性问题
拓展性问题需要教师深刻理解教材的意义，学生的学习动态后，根据学生学习层次，提出切实可行的关乎实际的可操作问题。

亦可以提供拓展资料供学生研习探讨，完成拓展性问题。

（1）数据分析是不是万能的？
（2）分析本班人员的基本信息可以从哪些角度入手？
四、主要知识点、重点与难点
1.主要知识点
（1）数据分析的概念、流程与应用场景。

（2）R语言在数据分析中的优势。

（3）R语言常用的Packages。

2.重点
（1）数据分析的概念、流程与应用场景。

（2）R语言常用的Packages。

3.难点
数据分析的概念与流程。

五、教学过程设计
1.理论教学过程
（1）数据分析的概念。

（2）数据分析的流程。

（3）数据分析的应用场景。

（4）数据分析的常用工具。

（5）R语言数据分析的优势。

（6）R语言常用的Packages。

2.实验教学过程
在Windows系统上安装R语言。

六、教材与参考资料
1.教材
韩宝国，张良均．R语言商务数据分析实战[M]．北京：人民邮电出版社．2018．
2.参考资料
[1]张良均．R语言数据分析与挖掘实战[M]．北京：机械工业出版社．2015．
[2]张良均．R语言与数据挖掘[M]．北京：机械工业出版社．2016．
第2章商品零售购物篮分析
教案
课程名称：R语言商务数据分析实战
课程类别：必修
适用专业：大数据技术类相关专业
总学时：80学时（其中理论45学时，实验35学时）
总学分：5.0学分
本章学时：5学时
七、材料清单
（6）《R语言商务数据分析实战》教材。

（7）配套PPT。

（8）引导性提问。

（9）探究性问题。

（10）拓展性问题。

八、教学目标与基本要求
3.教学目标
结合商品零售购物篮的项目，重点介绍关联规则算法中的Apriori算法在商品零售购物篮分析案例中的应用。

过程中详细分析商品零售的现状与问题，根据某商场的商品零售数据分析商品的热销程度，通过Apriori算法构建相应模型，并根据模型结果制定销售策略。

4.基本要求
（5）熟悉购物篮分析的实现流程与步骤。

（6）掌握Apriori算法的基本原理与使用方法。

（7）分析商品销售状况与商品结构合理性。

（8）分析零售商品间的关联关系。

九、问题
5.引导性提问
引导性提问需要教师根据教材内容和学生实际水平，提出问题，启发引导学生去解决问题，提问，从而达到理解、掌握知识，发展各种能力和提高思想觉悟的目的。

（5）什么是购物篮分析？
（6）零售商品会出现哪些销售状况？
（7）购物篮分析的意义是什么？
6.探究性问题
探究性问题需要教师深入钻研教材的基础上精心设计，提问的角度或者在引导性提问的基础上，从重点、难点问题切入，进行插入式提问。

或者是对引导式提问中尚未涉及但在课文中又是重要的问题加以设问。

（4）购物篮分析用到哪些算法？
（5）实现购物篮分析的基本流程是什么？
（6）Apriori算法的基本原理是什么？
7.拓展性问题
拓展性问题需要教师深刻理解教材的意义，学生的学习动态后，根据学生学习层次，提出切实可行的关乎实际的可操作问题。

亦可以提供拓展资料供学生研习探讨，完成拓展性问题。

（3）实现本案例的目标还能使用什么方法？
（4）购物篮分析模型中，最小支持度和最小置信度设为其他值，模型的效果会如何？
十、主要知识点、重点与难点
8.主要知识点
（4）分析某零售企业商品销售现状、基本数据情况。

（5）熟悉购物篮分析的基本流程与步骤。

（6）使用统计学知识分析热销商品。

（7）使用商品结构图分析售出商品的结构。

（8）了解Apriori算法的基本原理与使用方法。

（9）构建零售商品的Apriori模型。

（10）根据模型结果提出商品销售策略。

9.重点
（3）购物篮分析的基本流程与步骤。

（4）零售商品的Apriori模型。

10.难点
Apriori算法的基本原理与使用方法。

十一、教学过程设计
11.理论教学过程
（7）分析零售企业商品销售现状。

（8）了解某商品零售企业的基本数据情况。

（9）熟悉购物篮分析的基本流程与步骤。

（10）分析热销商品。

（11）分析售出商品的结构。

（12）了解Apriori算法的基本原理与使用方法。

（13）构建零售商品的Apriori模型。

（14）根据模型结果提出商品销售策略。

12.实验教学过程
（1）使用统计学知识分析热销商品。

（2）使用商品结构图分析售出商品的结构。

（3）使用apriori函数构建零售商品的Apriori模型。

十二、教材与参考资料
13.教材
韩宝国，张良均．R语言商务数据分析实战[M]．北京：人民邮电出版社．2018．
14.参考资料
[1]张良均．R语言数据分析与挖掘实战[M]．北京：机械工业出版社．2015．
[2]张良均．R语言与数据挖掘[M]．北京：机械工业出版社．2016．
第3章航空公司客户价值分析
教案
课程名称：R语言商务数据分析实战
课程类别：必修
适用专业：大数据技术类相关专业
总学时：80学时（其中理论45学时，实验35学时）
总学分：5.0学分
本章学时：7学时
十三、材料清单
（11）《R语言商务数据分析实战》教材。

（12）配套PPT。

（13）引导性提问。

（14）探究性问题。

（15）拓展性问题。

十四、教学目标与基本要求
15.教学目标
结合航空公司客户价值分析的案例，重点介绍数据分析算法中K-Means聚类算法在客户价值分析中的应用。

针对RFM客户价值分析模型的不足，使用K-Means算法构建航空客户价值分析LRFMC模型，详细描述数据分析的整个过程。

16.基本要求
（1）熟悉航空公司客户价值分析的步骤与流程。

（2）了解RFM模型的基本原理，以及K-Means算法的基本原理。

（3）构建航空客户价值分析的关键特征。

（4）比较不同类别客户的客户价值，制定相应的营销策略。

十五、问题
17.引导性提问
引导性提问需要教师根据教材内容和学生实际水平，提出问题，启发引导学生去解决问题，提问，从而达到理解、掌握知识，发展各种能力和提高思想觉悟的目的。

（1）客户价值分析是什么？
（2）影响航空公司客户价值的相关因素有哪些？
（3）航空公司客户价值分析的意义在哪里？
18.探究性问题
探究性问题需要教师深入钻研教材的基础上精心设计，提问的角度或者在引导性提问的基础上，从重点、难点问题切入，进行插入式提问。

或者是对引导式提问中尚未涉及但在课文中又是重要的问题加以设问。

（1）客户价值分析的使用场景有哪些？
（2）航空客户价值分析的步骤与流程有哪些？
（3）为何要构建关键特征？
19.拓展性问题
拓展性问题需要教师深刻理解教材的意义，学生的学习动态后，根据学生学习层次，提出切实可行的关乎实际的可操作问题。

亦可以提供拓展资料供学生研习探讨，完成拓展性问题。

（1）除了K-Means算法，能否使用其他算法进行客户价值分析？
（2）构建K-Means模型时，为何要选取3为聚类数？
十六、主要知识点、重点与难点
20.主要知识点
（1）了解航空公司现状与客户价值分析。

（2）熟悉航空公司客户价值分析的步骤与流程。

（3）处理数据的缺失值与异常值。

（4）结合RFM模型构建关键特征。

（5）标准化构建关键特征后的数据。

（6）了解K-Means算法基本原理。

（7）使用K-Means算法对航空客户进行分群。

（8）根据分群结果制定营销策略。

21.重点
（1）航空公司客户价值分析的步骤与流程。

（2）构建关键特征。

（3）使用K-Means算法对航空客户进行分群。

（4）根据分群结果制定营销策略。

22.难点
（1）构建关键特征。

（2）K-Means算法的原理与使用。

十七、教学过程设计
23.理论教学过程
（1）了解航空公司现状。

（2）了解客户价值分析。

（3）熟悉航空公司客户价值分析的步骤与流程。

（4）处理数据。

（5）结合RFM模型构建关键特征。

（6）了解K-Means算法基本原理。

（7）使用K-Means算法对航空客户进行分群。

（8）根据分群结果制定营销策略。

24.实验教学过程
（1）处理数据的缺失值与异常值。

（2）构建LRFMC五个特征，并进行标准化处理。

（3）构建K-Means模型。

十八、教材与参考资料
25.教材
韩宝国，张良均．R语言商务数据分析实战[M]．北京：人民邮电出版社．2018．
26.参考资料
[1]张良均．R语言数据分析与挖掘实战[M]．北京：机械工业出版社．2015．
[2]张良均．R语言与数据挖掘[M]．北京：机械工业出版社．2016．
第4章财政收入预测分析
教案
课程名称：R语言商务数据分析实战
课程类别：必修
适用专业：大数据技术类相关专业
总学时：80学时（其中理论45学时，实验35学时）
总学分：5.0学分
本章学时：7学时
十九、材料清单
（16）《R语言商务数据分析实战》教材。

（17）配套PPT。

（18）引导性提问。

（19）探究性问题。

（20）拓展性问题。

二十、教学目标与基本要求
27.教学目标
主要介绍原始数据的相关性分析、特征的选取、构建灰色预测和支持向量回归预测模型、模型的评价四部分内容。

在财政收入相关数据的相关性分析中，采用简单相关系数对数据进行了分析；在特征选取中，运用广泛使用的Lasso回归模型；在模型的构建阶段，针对历史数据首先构建了灰色预测模型，对所选特征的2014年与2015年的值进行预测，然后根据所选特征的原始数据与预测值，建立支持向量回归模型，得到财政收入的最终预测值。

28.基本要求
（5）了解财政收入预测的背景知识，分析步骤和流程。

（6）掌握相关性分析方法与应用。

（7）掌握用Lasso模型特征选取方法。

（9）掌握灰色预测和支持向量回归算法的原理与应用。

二十一、问题
29.引导性提问
引导性提问需要教师根据教材内容和学生实际水平，提出问题，启发引导学生去解决问题，提问，从而达到理解、掌握知识，发展各种能力和提高思想觉悟的目的。

（4）市财政收入的构成是什么？
（5）影响财政收入的相关因素有哪些？
（6）市财政收入预测的意义在哪里？
30.探究性问题
探究性问题需要教师深入钻研教材的基础上精心设计，提问的角度或者在引导性提问的基础上，从重点、难点问题切入，进行插入式提问。

或者是对引导式提问中尚未涉及但在课文中又是重要的问题加以设问。

（4）相关性分析的使用场景有哪些？
（5）Lasso回归使用场景有哪些？
（6）为何要提取关键特征？
31.拓展性问题
拓展性问题需要教师深刻理解教材的意义，学生的学习动态后，根据学生学习层次，提出切实可行的关乎实际的可操作问题。

亦可以提供拓展资料供学生研习探讨，完成拓展性问题。

（3）除了SVR还有很多回归算法，能否使用其他回归算法解决该需求？
（4）国家数据网有很多类似数据，能否预测某个省的财政收入呢？
二十二、主要知识点、重点与难点
32.主要知识点
（9）财政收入预测的背景知识，分析步骤和流程。

（10）相关性分析方法与应用。

（11）用Lasso模型特征选取方法。

（12）灰色预测和支持向量回归算法的原理与应用。

33.重点
（5）财政收入预测的步骤和流程。

（6）相关性分析方法与应用。

（7）使用Lasso模型选取特征。

（8）灰色预测算法的原理与使用。

（9）支持向量回归算法的原理与使用。

34.难点
（3）使用Lasso模型选取特征。

（4）灰色预测算法的原理与使用。

（5）支持向量回归算法的原理与使用。

二十三、教学过程设计
35.理论教学过程
（9）分析财政收入预测背景。

（10）了解财政收入预测的方法。

（11）熟悉财政收入预测的步骤与流程。

（12）了解相关性分析。

（13）分析计算结果。

（14）了解Lasso回归方法。

（15）分析Lasso回归结果。

（16）了解灰色预测算法。

（17）了解SVR算法。

（18）分析预测结果。

36.实验教学过程
（4）分析财政收入数据特征的相关性。

（5）使用Lasso回归选取财政收入预测的关键特征。

（6）使用灰色预测和SVR构建财政收入预测模型。

（7）评价SVR模型。

二十四、教材与参考资料
37.教材
韩宝国，张良均．R语言商务数据分析实战[M]．北京：人民邮电出版社．2018．
38.参考资料
[1]张良均．R语言数据分析与挖掘实战[M]．北京：机械工业出版社．2015．
[2]张良均．R语言与数据挖掘[M]．北京：机械工业出版社．2016．
第5章金融服务机构资金流量预测
教案
课程名称：R语言商务数据分析实战
课程类别：必修
适用专业：大数据技术类相关专业
总学时：80学时（其中理论45学时，实验35学时）
总学分：5.0学分
本章学时：8学时
二十五、材料清单
（21）《R语言商务数据分析实战》教材。

（22）配套PPT。

（23）引导性提问。

（24）探究性问题。

（25）拓展性问题。

二十六、教学目标与基本要求
39.教学目标
借助国内某金融服务机构资金流入的数据，介绍时间序列分析法中ARIMA模型在实际项目中的应用过程。

对时间序列的平稳性检验、纯随机性检验和模型定阶做详细说明。

最后结合模型的误差与得分，选择相对最优模型，详细地描述数据分析的整个过程。

40.基本要求
（8）熟悉金融服务机构资金流量预测的步骤与流程。

（9）掌握数据平稳性检验和处理方法，以及纯随机性检验。

（10）使用ARIMA模型对资金流量进行预测。

二十七、问题
41.引导性提问
引导性提问需要教师根据教材内容和学生实际水平，提出问题，启发引导学生去解决问题，提问，从而达到理解、掌握知识，发展各种能力和提高思想觉悟的目的。

（7）金融服务机构现状有哪些？
（8）预测的算法有哪些？
（9）预测资金流量的意义在哪里？
42.探究性问题
探究性问题需要教师深入钻研教材的基础上精心设计，提问的角度或者在引导性提问的基础上，从重点、难点问题切入，进行插入式提问。

或者是对引导式提问中尚未涉及但在课文中又是重要的问题加以设问。

（7）金融服务机构资金流量预测的步骤与流程有哪些？
（8）ARIMA模型定阶的方法还有哪些？
43.拓展性问题
拓展性问题需要教师深刻理解教材的意义，学生的学习动态后，根据学生学习层次，提出切实可行的关乎实际的可操作问题。

亦可以提供拓展资料供学生研习探讨，完成拓展性问题。

（5）除了ARIMA模型外，能否使用其他方法预测资金流量？
二十八、主要知识点、重点与难点
44.主要知识点
（13）分析金融服务机构现状与数据的基本情况。

（14）熟悉金融服务机构资金流量预测的步骤与流程。

（15）对数据进行平稳性检验和处理的方法。

（16）对通过平稳性检验的数据进行纯随机性检验。

（17）了解ARIMA模型的原理。

（18）了解定阶的方式，并识别模型的阶数。

（19）建立ARIMA模型，并计算误差与得分。

45.重点
（10）金融服务机构资金流量预测的步骤与流程。

（11）对数据进行平稳性检验和处理，以及纯随机性检验。

（12）识别模型的阶数。

（13）建立ARIMA模型，并计算误差与得分。

46.难点
识别模型的阶数。

二十九、教学过程设计
47.理论教学过程
（19）分析金融服务机构现状。

（20）了解数据的基本情况。

（21）认识资金流量预测。

（22）熟悉金融服务机构资金流量预测的步骤与流程。

（23）了解平稳性检验的方法。

（24）了解纯随机性检验的原理。

（25）了解定阶的方式，并识别模型的阶数。

（26）建立ARIMA模型，并计算误差与得分。

48.实验教学过程
（8）对数据进行平稳性检验和处理。

（9）对处理后的平稳序列进行纯随机性检验。

（10）对处理后的平稳序列进行模型定阶。

（11）对模型进行残差检验，并评估模型。

三十、教材与参考资料
49.教材
韩宝国，张良均．R语言商务数据分析实战[M]．北京：人民邮电出版社．2018．
50.参考资料
[1]张良均．R语言数据分析与挖掘实战[M]．北京：机械工业出版社．2015．
[2]张良均．R语言与数据挖掘[M]．北京：机械工业出版社．2016．
第6章P2P信用贷款风险控制
教案
课程名称：R语言商务数据分析实战
课程类别：必修
适用专业：大数据技术类相关专业
总学时：80学时（其中理论45学时，实验35学时）
总学分：5.0学分
本章学时：9学时
三十一、材料清单
（26）《R语言商务数据分析实战》教材。

（27）配套PPT。

（28）引导性提问。

（29）探究性问题。

（30）拓展性问题。

三十二、教学目标与基本要求
51.教学目标
通过数据分析的方法构建P2P信贷用户还款逾期率模型。

重点介绍数据探索和数据清洗的内容，并深度分析出影响用户还款逾期的重要因素。

根据分析结果，为某P2P信贷企业提出了后期业务改进意见。

52.基本要求
（11）熟悉用户逾期预测的步骤与流程。

（12）掌握结构化数据探索，并提取其中有效信息的方法与步骤。

（13）掌握常见数据预处理方法。

（14）熟悉GBM模型构建与参数调节方法。

（15）找出影响用户逾期还款的关键因素。

（16）使用GBM算法预测用户逾期还款的概率。

三十三、问题
53.引导性提问
引导性提问需要教师根据教材内容和学生实际水平，提出问题，启发引导学生去解决问题，提问，从而达到理解、掌握知识，发展各种能力和提高思想觉悟的目的。

（10）P2P信贷行业现状有哪些？
（11）怎么控制P2P信贷风险？
54.探究性问题
探究性问题需要教师深入钻研教材的基础上精心设计，提问的角度或者在引导性提问的基础上，从重点、难点问题切入，进行插入式提问。

或者是对引导式提问中尚未涉及但在课文中又是重要的问题加以设问。

（9）P2P信贷用户逾期预测的步骤与流程有哪些？
（10）P2P信贷用户逾期预测的方法还有哪些？
55.拓展性问题
拓展性问题需要教师深刻理解教材的意义，学生的学习动态后，根据学生学习层次，提出切实可行的关乎实际的可操作问题。

亦可以提供拓展资料供学生研习探讨，完成拓展性问题。

（6）除了GBM算法外，能否使用其他算法预测P2P信贷用户逾期？
三十四、主要知识点、重点与难点
56.主要知识点
（20）分析P2P信贷行业所面临的现状。

（21）了解某P2P信贷平台现阶段数据情况。

（22）熟悉P2P信贷用户逾期预测的基本流程与步骤。

（23）分析用户信息完善程度、用户信息修改情况、区域经济发展情况、借款月份情况分别与逾期率之间的关系。

（24）使用第三方平台信息构建特征。

（25）处理类别型特征，插补数值型特征缺失值与筛选冗余特征。

（26）了解GBM算法的基本原理，优缺点和使用场景。

（27）使用ROC曲线评价构建完成的GBM模型。

（28）分析构建的GBM模型的计算结果。

57.重点
（14）P2P信贷用户逾期预测的步骤与流程。

（15）分析户信息完善程度、用户信息修改情况、区域经济发展情况、借款月份情况分别与逾期率之间的关系。

（16）使用第三方平台信息构建特征。

（17）处理类别型特征，插补数值型特征缺失值与筛选冗余特征。

（18）使用ROC曲线评价构建完成的GBM模型。

58.难点
处理类别型特征，插补数值型特征缺失值与筛选冗余特征。

三十五、教学过程设计
59.理论教学过程
（27）分析P2P信贷行业所面临现状。

（28）了解数据的基本情况。

（29）认识资金流量预测。

（30）熟悉P2P信贷用户逾期预测的步骤与流程。

（31）分析用户信息完善程度、用户信息修改情况、区域经济发展情况、借款月份情况分别与逾期率之间的关系。

（32）使用第三方平台信息构建特征。

（33）处理类别型特征，插补数值型特征缺失值与筛选冗余特征。

（34）了解GBM算法的基本原理，优缺点，使用场景与R语言函数。

（35）使用ROC曲线评价构建完成的GBM模型。

（36）分析构建的GBM模型的计算结果。

60.实验教学过程
（12）画图分别展示用户信息完善程度、用户信息修改情况、区域经济发展情况、借款月份情况分别与逾期率的分布。

（13）使用第三方平台信息构建特征。

（14）对登录信息表和更新信息表进行长宽表转换。

（15）针对类别型特征进行字符串处理和哑变量处理。

（16）处理数值型数据的缺失值。

（17）筛选冗余特征。

（18）构建GBM模型，并绘制特征重要性图。

（19）评价GBM模型。

三十六、教材与参考资料
61.教材
韩宝国，张良均．R语言商务数据分析实战[M]．北京：人民邮电出版社．2018．
62.参考资料
[1]张良均．R语言数据分析与挖掘实战[M]．北京：机械工业出版社．2015．
[2]张良均．R语言与数据挖掘[M]．北京：机械工业出版社．2016．
第7章电子商务网站智能推荐服务
教案
课程名称：R语言商务数据分析实战
课程类别：必修
适用专业：大数据技术类相关专业
总学时：80学时（其中理论45学时，实验35学时）
总学分：5.0学分
本章学时：11学时
三十七、材料清单
（31）《R语言商务数据分析实战》教材。

（32）配套PPT。

（33）引导性提问。

（34）探究性问题。

（35）拓展性问题。

三十八、教学目标与基本要求
63.教学目标
主要介绍协同过滤算法在电子商务领域中实现用户个性化推荐的应用。

通过对用户访问网页日志的数据进行分析与处理，采用基于物品的协同过滤算法进行建模分析，最后通过模型评价与结果分析，得到智能推荐模型。

64.基本要求
（17）熟悉网站智能推荐的步骤与流程。

（18）掌握简单的统计分析方法，运用于网页流量的统计。

（19）对某网站数据进行预处理，包括数据去重、数据变换和特征选取。

（20）使用协同过滤算法对某网站进行智能推荐。

三十九、问题
65.引导性提问
引导性提问需要教师根据教材内容和学生实际水平，提出问题，启发引导学生去解决问题，提问，从而达到理解、掌握知识，发展各种能力和提高思想觉悟的目的。

（12）什么是智能推荐？
（13）生活中常见的智能推荐服务有哪些？
（14）实现智能推荐的算法有哪些？
66.探究性问题
探究性问题需要教师深入钻研教材的基础上精心设计，提问的角度或者在引导性提问的基础上，从重点、难点问题切入，进行插入式提问。

或者是对引导式提问中尚未涉及但在课文中又是重要的问题加以设问。

（11）网站的推荐流程是怎么样的？
（12）协同过滤算法除了基于物品的算法外，还有哪些？
67.拓展性问题
拓展性问题需要教师深刻理解教材的意义，学生的学习动态后，根据学生学习层次，提出切实可行的关乎实际的可操作问题。

亦可以提供拓展资料供学生研习探讨，完成拓展性问题。

（7）除了协同过滤算法外，能否使用其他算法预测实现网站的智能推荐？
四十、主要知识点、重点与难点
68.主要知识点
（29）了解智能推荐服务应用场景。

（30）了解某法律网站现状与数据的基本情况。

（31）熟悉网站智能推荐的步骤与流程。

（32）分析原始数据用户点击的网页类型，得到统计分析结果。