商业分析第2章 商业分析的流程、方法与工具
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
）。回归还能够进行销售预测。
2.1.3 数据挖掘和预处理
6.预测（forecasting）：根据大多数集合中的模式估计未
来值。这是另一种形式的估计，应用的例子有使用统计 时间序列方法预测未来的销售数量。
7.其他技术：这些技术一般基于高级人工智能方法，包括
基于案例的推理、模糊逻辑、遗传算法和基于事实的推 理。
1.报表
用表格、图表等格式来动态显示数据。 交通工具的驾驶舱由众多的仪表和控制工具组成，
3.管理驾驶舱
管理驾驶舱就是模拟这种组合方式，将大量的已知数据有序地展示Hale Waihona Puke Baidu
，让使用者方便快速地获取所需信息。主要应用与企业的管理者。
2.2 商业分析的主要方法
2.2.1 商业数据分析方法
1.回归分析
回归分析（regression analysis）是确定两种或两种以上变量间相互依
2.1.3 数据挖掘和预处理
3.关联（association）：识别发生在相同时间的事件之间的关系。关
联分析可用于解决市场“菜篮子”一类的分析问题。在零售业中需要 识别哪些商品更可能被同时购买，多大程度上如此。关联分析一般
应用统计方法。
4.序列分析（sequencing）
：和关联分析类似。不过序列分析的对象
捕捉商机，做到抢占先机，在竞争中获胜。
2.1.2 商业信息的收集
商业信息，不仅包括行业发展趋势、市场动态和终端消费者信息，而 且还包括竞争对手的各种情况。可以从以下一些渠道来获取商业信息 。
1.内部信息 2.人际关系网（第三方）信息 3.文献信息：
（1）正式出版物；（2）半正式出版物；（3）非正式出版物
（2）数据预处理是挖掘过程高效率完成的基础
（3）数据预处理的结果对数据挖掘的结果，乃至最终的
商业分析结果影响巨大
2.1.3 数据挖掘和预处理
数据预处理技术主要包括： 数据清洗
是指发现并纠正数 据文件中可识别错 误的步骤，包括对 噪声、缺失值、异 常值的处理。
数据集成
是把不同来源、格 式、特点性质的数 据在逻辑上或物理 上有机地集中，从
在商业应用中，数据挖掘是一种按照企业既定业务目标，对大量的企业数据进行探索和分析，揭示隐藏 的、未知的信息或验证已知规律，并进一步将其模型化的有效方法。 数据库、机器学习和统计学在数据挖掘中起着核心作用。
2.1.3 数据挖掘和预处理
数据挖掘的主要方式包括以下几类：
1.分类（classification）：推导一个群体的特征（例如转向竞争
第 2章 商业分析的流程、方法与工具
2.1 商业分析的流程与步骤
商业分析是针对商业活动中某一特定领域或问题的 对有关信息进行定向选择和科学抽象的研究，它通 常由以下五个步骤组成。
业务 需求
信息 收集
数据挖 掘和预 处理
知识运用 和商业分 析
总结与 评估
2.1.1 业务需求
完整的商业活动是一个过于庞杂的过程，在商业分析活动 中，我们必须明确业务需求，才能确立要研究的特定领域 和问题，了解商业分析工作的研究对象、研究目的和研究 内容。
数据变换
数据归约
是将数据库中的海
所谓数据变换就是 将数据转换或归并 成适合数据挖掘的
量数据进行归约， 归约后的数据仍接 近于保持原数据的
而提供全面的数据
共享。
描述形式。
完整性，但数据量
相对小得多。
2.1.4 知识应用和商业分析
在商业分析活动中，选择合适的处理方法对数据进行挖掘
、分析，能够得到丰富的数据模型和预测结果，这些知识 并不能直接用于商业活动，必须将其应用到一些商业分析
是在一段时间内发生的事件之间的关系（例如超市重复光顾的顾客 ）。可以用购买者的账号或者其他方法记录购买行为。
5.回归分析（regression）：用于图形表示数据得出预测值，有线性
（linear）回归和非线性（nonlinear）回归的区别。回归是估计值的
一种方法，经常包含识别测量值和通过评分评价每一个项目（顾客
4.网络信息
（1）商业情报数据库。eg：Dialog , Data-Star，ORBIT；（2）搜索引 擎；（3）社交网络
2.1.3 数据挖掘和预处理
1.商业问题的数据挖掘
广义：从大量、不完全的、有噪声、模糊和随机的数据中提取隐含在其 中的、人们事先不知道但又是潜在有用的信息和知识的过程。 狭义：是广义数据挖掘过程中抽取有用模式或建立模型的一个关键步骤。
2.1.1 业务需求
在业务需求分析过程中，还应该遵循以下基本原则：
①针对性 ②科学性 ③可行性 ④效益性
2.1.2 商业信息的收集
商业信息是一笔无形的财富。它的可利用价值，通过使用 者在利用信息实现其经营目标中表现出来。 信息量越大，决策的准确性越高，所以必须重视商业信息 的收集，这样才能减少决策的不确定性和盲目性，不断地
对手的顾客）。这些方法包括以已知类型的集合（可以由聚类方法 获得）作为数据的种子，并将其他的数据项（顾客）归入这些类别 。决策树、神经网络都是有用的工具。
2.聚类（clustering）：识别数据的分组，每一组都有共同的特征
（聚类和分类的不同之处在于，聚类没有实现确定分类的特征）。
聚类方法可以解决市场细分问题，能够识别不同需要的顾客类型。
一个好的业务需求应该能够有效地表达用户对目标结论的
需求，准确而切中时要，并具有研究的价值和可能，能在 实际应用中创造社会价值和经济效益。
2.1.1 业务需求
分析业务需求期间通常会着重的主题：
①商业目标 ②实行方式 ⑥锁定使用者 ⑦使用者的利益
③需求范围
④利害关系人 ⑤关键特性
⑧安全性问题
⑨确定目标的优先级
2.1.3 数据挖掘和预处理
数据的选择； 数据的预处理 ； 数据的转换
数据挖掘的商业问题解决
的一般过程如下：
目标定义
数据准备
挖掘过程
商业信息应用
模型或模式结构 ； 评分函数； 优化和搜索办法 ；
数据管理策略
2.1.3 数据挖掘和预处理
数据预处理——商业分析的关键环节
其重要性体现在：
（1）数据预处理是数据挖掘顺利进行的基础
方法中，得出更加直观的结论，为最终的决策提供有效的
支持。 典型的商业分析方法有：SWOT分析、PEST分析、波特五 力分析等。
2.1.5 展示和评估
为了能够让商业分析得到的结论更有效地发挥作用，还需 要商业分析的情报人员对结论进行处理，通过各种展示方 法尤其是可视化方法二次表达，使结论能够被用户简单直 观地接受。
2.1.3 数据挖掘和预处理
6.预测（forecasting）：根据大多数集合中的模式估计未
来值。这是另一种形式的估计，应用的例子有使用统计 时间序列方法预测未来的销售数量。
7.其他技术：这些技术一般基于高级人工智能方法，包括
基于案例的推理、模糊逻辑、遗传算法和基于事实的推 理。
1.报表
用表格、图表等格式来动态显示数据。 交通工具的驾驶舱由众多的仪表和控制工具组成，
3.管理驾驶舱
管理驾驶舱就是模拟这种组合方式，将大量的已知数据有序地展示Hale Waihona Puke Baidu
，让使用者方便快速地获取所需信息。主要应用与企业的管理者。
2.2 商业分析的主要方法
2.2.1 商业数据分析方法
1.回归分析
回归分析（regression analysis）是确定两种或两种以上变量间相互依
2.1.3 数据挖掘和预处理
3.关联（association）：识别发生在相同时间的事件之间的关系。关
联分析可用于解决市场“菜篮子”一类的分析问题。在零售业中需要 识别哪些商品更可能被同时购买，多大程度上如此。关联分析一般
应用统计方法。
4.序列分析（sequencing）
：和关联分析类似。不过序列分析的对象
捕捉商机，做到抢占先机，在竞争中获胜。
2.1.2 商业信息的收集
商业信息，不仅包括行业发展趋势、市场动态和终端消费者信息，而 且还包括竞争对手的各种情况。可以从以下一些渠道来获取商业信息 。
1.内部信息 2.人际关系网（第三方）信息 3.文献信息：
（1）正式出版物；（2）半正式出版物；（3）非正式出版物
（2）数据预处理是挖掘过程高效率完成的基础
（3）数据预处理的结果对数据挖掘的结果，乃至最终的
商业分析结果影响巨大
2.1.3 数据挖掘和预处理
数据预处理技术主要包括： 数据清洗
是指发现并纠正数 据文件中可识别错 误的步骤，包括对 噪声、缺失值、异 常值的处理。
数据集成
是把不同来源、格 式、特点性质的数 据在逻辑上或物理 上有机地集中，从
在商业应用中，数据挖掘是一种按照企业既定业务目标，对大量的企业数据进行探索和分析，揭示隐藏 的、未知的信息或验证已知规律，并进一步将其模型化的有效方法。 数据库、机器学习和统计学在数据挖掘中起着核心作用。
2.1.3 数据挖掘和预处理
数据挖掘的主要方式包括以下几类：
1.分类（classification）：推导一个群体的特征（例如转向竞争
第 2章 商业分析的流程、方法与工具
2.1 商业分析的流程与步骤
商业分析是针对商业活动中某一特定领域或问题的 对有关信息进行定向选择和科学抽象的研究，它通 常由以下五个步骤组成。
业务 需求
信息 收集
数据挖 掘和预 处理
知识运用 和商业分 析
总结与 评估
2.1.1 业务需求
完整的商业活动是一个过于庞杂的过程，在商业分析活动 中，我们必须明确业务需求，才能确立要研究的特定领域 和问题，了解商业分析工作的研究对象、研究目的和研究 内容。
数据变换
数据归约
是将数据库中的海
所谓数据变换就是 将数据转换或归并 成适合数据挖掘的
量数据进行归约， 归约后的数据仍接 近于保持原数据的
而提供全面的数据
共享。
描述形式。
完整性，但数据量
相对小得多。
2.1.4 知识应用和商业分析
在商业分析活动中，选择合适的处理方法对数据进行挖掘
、分析，能够得到丰富的数据模型和预测结果，这些知识 并不能直接用于商业活动，必须将其应用到一些商业分析
是在一段时间内发生的事件之间的关系（例如超市重复光顾的顾客 ）。可以用购买者的账号或者其他方法记录购买行为。
5.回归分析（regression）：用于图形表示数据得出预测值，有线性
（linear）回归和非线性（nonlinear）回归的区别。回归是估计值的
一种方法，经常包含识别测量值和通过评分评价每一个项目（顾客
4.网络信息
（1）商业情报数据库。eg：Dialog , Data-Star，ORBIT；（2）搜索引 擎；（3）社交网络
2.1.3 数据挖掘和预处理
1.商业问题的数据挖掘
广义：从大量、不完全的、有噪声、模糊和随机的数据中提取隐含在其 中的、人们事先不知道但又是潜在有用的信息和知识的过程。 狭义：是广义数据挖掘过程中抽取有用模式或建立模型的一个关键步骤。
2.1.1 业务需求
在业务需求分析过程中，还应该遵循以下基本原则：
①针对性 ②科学性 ③可行性 ④效益性
2.1.2 商业信息的收集
商业信息是一笔无形的财富。它的可利用价值，通过使用 者在利用信息实现其经营目标中表现出来。 信息量越大，决策的准确性越高，所以必须重视商业信息 的收集，这样才能减少决策的不确定性和盲目性，不断地
对手的顾客）。这些方法包括以已知类型的集合（可以由聚类方法 获得）作为数据的种子，并将其他的数据项（顾客）归入这些类别 。决策树、神经网络都是有用的工具。
2.聚类（clustering）：识别数据的分组，每一组都有共同的特征
（聚类和分类的不同之处在于，聚类没有实现确定分类的特征）。
聚类方法可以解决市场细分问题，能够识别不同需要的顾客类型。
一个好的业务需求应该能够有效地表达用户对目标结论的
需求，准确而切中时要，并具有研究的价值和可能，能在 实际应用中创造社会价值和经济效益。
2.1.1 业务需求
分析业务需求期间通常会着重的主题：
①商业目标 ②实行方式 ⑥锁定使用者 ⑦使用者的利益
③需求范围
④利害关系人 ⑤关键特性
⑧安全性问题
⑨确定目标的优先级
2.1.3 数据挖掘和预处理
数据的选择； 数据的预处理 ； 数据的转换
数据挖掘的商业问题解决
的一般过程如下：
目标定义
数据准备
挖掘过程
商业信息应用
模型或模式结构 ； 评分函数； 优化和搜索办法 ；
数据管理策略
2.1.3 数据挖掘和预处理
数据预处理——商业分析的关键环节
其重要性体现在：
（1）数据预处理是数据挖掘顺利进行的基础
方法中，得出更加直观的结论，为最终的决策提供有效的
支持。 典型的商业分析方法有：SWOT分析、PEST分析、波特五 力分析等。
2.1.5 展示和评估
为了能够让商业分析得到的结论更有效地发挥作用，还需 要商业分析的情报人员对结论进行处理，通过各种展示方 法尤其是可视化方法二次表达，使结论能够被用户简单直 观地接受。