30第七章-電商數(shù)據(jù)分析綜合案例課件

第七章電商數(shù)據(jù)分析綜合案例中國IT教育解決方案專家2019年**月第七章電商數(shù)據(jù)分析綜合案例中國IT教育解決方案專家1目錄

Contents01電商數(shù)據(jù)背景分析02數(shù)據(jù)處理03數(shù)據(jù)分析04數(shù)據(jù)展示目錄01電商數(shù)據(jù)背景分析02數(shù)據(jù)處理03數(shù)據(jù)分析04數(shù)據(jù)2電商數(shù)據(jù)背景分析01電商數(shù)據(jù)背景分析017.1電商數(shù)據(jù)背景分析大數(shù)據(jù)時(shí)代給電子商務(wù)發(fā)展帶來新的機(jī)遇與挑戰(zhàn)，大數(shù)據(jù)技術(shù)幫助電子商務(wù)行業(yè)發(fā)現(xiàn)新的商業(yè)模式，尤其是用戶行為預(yù)測分析和購物商品關(guān)聯(lián)分析己經(jīng)在電商領(lǐng)域得到了很好的應(yīng)用，并已經(jīng)幫助電商獲得了巨大的利潤。其中用戶行為分析是大數(shù)據(jù)電商應(yīng)用領(lǐng)域最常用的技術(shù)手段，該技術(shù)通過研究用戶在互聯(lián)網(wǎng)上的行為數(shù)據(jù)，如用戶在訪問某個(gè)電商網(wǎng)站時(shí)，用戶瀏覽、點(diǎn)擊、購買、評價(jià)某種商品的行為，可以讓企業(yè)更加詳細(xì)、清楚地了解用戶的行為習(xí)慣，從而為企業(yè)的經(jīng)營提供支持。案例以某電商類網(wǎng)站商品交易數(shù)據(jù)為基礎(chǔ)，對“雙十一“在內(nèi)的近六個(gè)月的交易數(shù)據(jù)（脫敏數(shù)據(jù)）完成數(shù)據(jù)處理，同時(shí)對數(shù)據(jù)中品牌商品，尤其是熱門品牌和商品，進(jìn)行點(diǎn)擊量、加入購物車量、購買量、關(guān)注量進(jìn)行分析和預(yù)測，對購買客戶的年齡、性別、區(qū)域特點(diǎn)進(jìn)行分析和總結(jié)。7.1電商數(shù)據(jù)背景分析大數(shù)據(jù)時(shí)代給電子商務(wù)發(fā)展帶來新的機(jī)遇與47.1電商數(shù)據(jù)背景分析1.user_id|買家id2.item_id|商品id3.cat_id|商品類別id4.merchant_id|賣家id5.brand_id|品牌id6.month|交易時(shí)間:月7.day|交易事件:日8.action|行為,取值范圍{0,1,2,3},0表示點(diǎn)擊，1表示加入購物車，2表示購買，3表示關(guān)注商品9.age_range|買家年齡分段：1表示年齡<18,2表示年齡在[18,24]，3表示年齡在[25,29]，4表示年齡在[30,34]，5表示年齡在[35,39]，6表示年齡在[40,49]，7和8表示年齡>=50,0和NULL則表示未知10.gender|性別:0表示女性，1表示男性，2和NULL表示未知11.province|收獲地址省份12.ident_code|商品唯一標(biāo)識碼13.score|用戶評分7.1電商數(shù)據(jù)背景分析1.user_id|買家id95數(shù)據(jù)處理02數(shù)據(jù)處理027.2數(shù)據(jù)處理【任務(wù)描述】對電商數(shù)據(jù)進(jìn)行數(shù)據(jù)處理，要求如下：（1）根據(jù)日期建立時(shí)間列，時(shí)間列格式為日期格式，如2015-01-01，列名為date，并去除原來的‘month’和‘day’列。（2）統(tǒng)計(jì)2015年10月11日-2015年11月11日之間，每天用戶的不同行為的數(shù)量，列名為不同行為，時(shí)間為索引?！静僮鞑襟E】（1）根據(jù)“month”和“day”列數(shù)據(jù)，運(yùn)用Date函數(shù)生成date列。①鼠標(biāo)單擊“action”所在列，選中該列，右鍵單擊鼠標(biāo)，在彈出的快捷菜單中單擊“插入”菜單項(xiàng)，則在“day”列和“action”列之間插入一空列，如圖7-1所示。7.2數(shù)據(jù)處理【任務(wù)描述】77.2數(shù)據(jù)處理圖7-1電商案例源數(shù)據(jù)7.2數(shù)據(jù)處理圖7-1電商案例源數(shù)據(jù)87.2數(shù)據(jù)處理②光標(biāo)定位于H2單元格，鼠標(biāo)單擊“插入函數(shù)”按鈕，彈出“插入函數(shù)”對話框，選擇類別“日期與時(shí)間”—“Date”函數(shù)，單擊“確定”按鈕，彈出如圖7-2所示的“函數(shù)參數(shù)”對話框。③光標(biāo)定位于Year右側(cè)的輸入框，輸入2015，光標(biāo)定位于Month右側(cè)的輸入框，選取F2單元格，光標(biāo)定位于Day右側(cè)的輸入框，選取G2單元格，單擊“確定”按鈕，即可生成Date列數(shù)據(jù)。④選中Date列，設(shè)置其格式為：“日期”-“2012-03-14”。圖7-2Date函數(shù)參數(shù)對話框7.2數(shù)據(jù)處理②光標(biāo)定位于H2單元格，鼠標(biāo)單擊“插入函97.2數(shù)據(jù)處理（2）統(tǒng)計(jì)2015年10月11日-2015年11月11日之間，每天用戶的不同行為的數(shù)量，列名為不同行為，時(shí)間為索引。①單擊“數(shù)據(jù)”選項(xiàng)卡中的“篩選”按鈕。②單擊Date列右側(cè)的向下箭頭，在彈出的快捷菜單中，單擊“日期篩選”—“自定義篩選”，如圖7-3所示。圖7-3篩選快捷菜單7.2數(shù)據(jù)處理（2）統(tǒng)計(jì)2015年10月11日-201107.2數(shù)據(jù)處理③在彈出的“自定義自動篩選方式”對話框中，設(shè)置顯示行Date“在以下日期之后或與之相同—“2015-10-11”，“在以下日期之前或與之相同--“2015-11-11”，單擊“確定”按鈕，將篩選出來的數(shù)據(jù)復(fù)制至一個(gè)新的sheet表，并將其重命名為“10月11月數(shù)據(jù)”。④選中新表中的數(shù)據(jù)源，單擊“插入”→“數(shù)據(jù)透視表”，彈出“創(chuàng)建數(shù)據(jù)透視表”對話框，如圖7-4所示。選擇需要分析的數(shù)據(jù)區(qū)域，以及數(shù)據(jù)透視表放置的位置，單擊“確定”按鈕。圖7-4創(chuàng)建數(shù)據(jù)透視表7.2數(shù)據(jù)處理③在彈出的“自定義自動篩選方式”對話框中117.2數(shù)據(jù)處理⑤進(jìn)入數(shù)據(jù)透視表的分析窗口，按日分析統(tǒng)計(jì)不同行為的數(shù)量，則拖動date字段至“行”區(qū)域，拖動action字段至“列”區(qū)域，再將action字段拖動至“值”區(qū)域，并設(shè)置其“值字段匯總方式”為“計(jì)數(shù)”，如圖圖7-5所示。圖7-5數(shù)據(jù)透視表字段設(shè)置7.2數(shù)據(jù)處理⑤進(jìn)入數(shù)據(jù)透視表的分析窗口，按日分析統(tǒng)計(jì)127.2數(shù)據(jù)處理⑥修改分析顯示結(jié)果中的列標(biāo)簽，“0”修改為“點(diǎn)擊”，“1”修改為“加入購物車”，“2”修改為“購買”，“3”修改為“關(guān)注商品”，最終結(jié)果如圖7-6所示。圖7-6數(shù)據(jù)透視表結(jié)果7.2數(shù)據(jù)處理⑥修改分析顯示結(jié)果中的列標(biāo)簽，“0”修改13數(shù)據(jù)分析03數(shù)據(jù)分析037.3數(shù)據(jù)分析【任務(wù)描述】針對某電商平臺2015年幾個(gè)月的用戶行為數(shù)據(jù)，挖掘點(diǎn)擊量與購買量之間的關(guān)系，并預(yù)測假如10000點(diǎn)擊量購買量為多少？【操作步驟】（1）統(tǒng)計(jì)每日用戶行為數(shù)據(jù)①選中電商源數(shù)據(jù)，鼠標(biāo)單擊“插入”選項(xiàng)卡“圖表”區(qū)域的“數(shù)據(jù)透視圖”，彈出如圖7-7所示的“創(chuàng)建數(shù)據(jù)透視圖”對話框，單擊“確定”按鈕即可。圖7-7“創(chuàng)建數(shù)據(jù)透視表”對話框7.3數(shù)據(jù)分析【任務(wù)描述】圖7-7“創(chuàng)建數(shù)據(jù)透視157.3數(shù)據(jù)分析②進(jìn)入數(shù)據(jù)透視表的分析窗口，按日分析統(tǒng)計(jì)不同行為的數(shù)量，則拖動date字段至“行”區(qū)域，拖動action字段至“列”區(qū)域，再將action字段拖動至“值”區(qū)域，并設(shè)置其“值字段匯總方式”為“計(jì)數(shù)”，如圖7-8所示。圖7-8數(shù)據(jù)透視表字段設(shè)置7.3數(shù)據(jù)分析②進(jìn)入數(shù)據(jù)透視表的分析窗口，按日分析統(tǒng)計(jì)167.3數(shù)據(jù)分析③修改分析顯示結(jié)果中的列標(biāo)簽，“0”修改為“點(diǎn)擊”，“1”修改為“加入購物車”，“2”修改為“購買”，“3”修改為“關(guān)注商品”，最終結(jié)果如圖7-9所示。圖7-9數(shù)據(jù)透視表結(jié)果7.3數(shù)據(jù)分析③修改分析顯示結(jié)果中的列標(biāo)簽，“0”修改177.3數(shù)據(jù)分析④選取“數(shù)據(jù)透視表結(jié)果”中的日期、點(diǎn)擊、購買列數(shù)據(jù)，復(fù)制至一個(gè)新的工作表，將無數(shù)據(jù)的單元格用“0”替換，如圖7-10所示。圖7-10處理后的數(shù)據(jù)分析源數(shù)據(jù)7.3數(shù)據(jù)分析④選取“數(shù)據(jù)透視表結(jié)果”中的日期、點(diǎn)擊、187.3數(shù)據(jù)分析（2）分析“點(diǎn)擊”和“購買”二個(gè)變量間的相關(guān)性①選中數(shù)據(jù)分析源數(shù)據(jù)，單擊“數(shù)據(jù)”選項(xiàng)卡中的“數(shù)據(jù)分析”，彈出如圖7-11所示的對話框，選擇其中的“相關(guān)系數(shù)”，單擊“確定”按鈕。圖7-11“數(shù)據(jù)分析”對話框7.3數(shù)據(jù)分析（2）分析“點(diǎn)擊”和“購買”二個(gè)變量間的197.3數(shù)據(jù)分析②在如圖7-12所示的“相關(guān)系數(shù)”對話框中，設(shè)置“輸入?yún)^(qū)域”為“點(diǎn)擊”和“購買”所在列數(shù)據(jù)，“分組方式”選擇“逐列”，勾選“標(biāo)志位于第一行”，根據(jù)需要設(shè)置“輸出選項(xiàng)”，此處設(shè)置“輸出區(qū)域”為$F$1，則在源數(shù)據(jù)所在工作表的F1單元格為左上角的矩形區(qū)域顯示相關(guān)分析結(jié)果，單擊“確定”按鈕。圖7-12“相關(guān)系數(shù)”對話框7.3數(shù)據(jù)分析②在如圖7-12所示的“相關(guān)系數(shù)”對話207.3數(shù)據(jù)分析③相關(guān)系數(shù)分析結(jié)果如圖7-13所示，“點(diǎn)擊”和“購買”二個(gè)變量的相關(guān)系數(shù)是0.918079，屬高度正相關(guān)。（3）建立“點(diǎn)擊”和“購買”二個(gè)變量回歸分析模型①單擊“數(shù)據(jù)”選項(xiàng)卡中的“數(shù)據(jù)分析”按鈕，在如圖7-11所示的“數(shù)據(jù)分析”對話框中，選擇“回歸”，單擊“確定”按鈕。圖7-13“相關(guān)系數(shù)”分析結(jié)果7.3數(shù)據(jù)分析③相關(guān)系數(shù)分析結(jié)果如圖7-13所示，“217.3數(shù)據(jù)分析②在如圖7-14所示的“回歸”對話框中，對各類參數(shù)做如下設(shè)置。Y值輸入?yún)^(qū)域：輸入需要分析的因變量數(shù)據(jù)區(qū)域，此處選擇“購買”列所在數(shù)據(jù)。X值輸入?yún)^(qū)域：輸入需要分析的自變量數(shù)據(jù)區(qū)域，此處選擇“點(diǎn)擊”列所在數(shù)據(jù)。標(biāo)志：勾選“標(biāo)志”復(fù)選框。置信度：勾選“置信度”復(fù)選框，輸入“95%”。輸出區(qū)域：此處選擇F6單元格，回歸分析結(jié)果顯示在以F6單元格為左上角的區(qū)域。殘差：勾選“殘差”和“標(biāo)準(zhǔn)殘差”圖7-14“回歸”參數(shù)設(shè)置對話框7.3數(shù)據(jù)分析②在如圖7-14所示的“回歸”對話框中227.3數(shù)據(jù)分析③在如圖7-15所示的回歸統(tǒng)計(jì)表中顯示，MultipleR為0.9181，說明“點(diǎn)擊”和“購買”二個(gè)變量高度正相關(guān)；RSquare為0.8429，說明回歸模型擬合效果較好④在如圖7-16所示的方差分析表中顯示，F(xiàn)統(tǒng)計(jì)量值為981.6318，說明“點(diǎn)擊”和“購買”二個(gè)變量具有顯著的線性關(guān)系；SignificanceF值為1.84E-75，小于等于0.01，說明檢驗(yàn)結(jié)果具有極其顯著的統(tǒng)計(jì)學(xué)意義。圖7-14“回歸”參數(shù)設(shè)置對話框圖7-16方差分析表7.3數(shù)據(jù)分析③在如圖7-15所示的回歸統(tǒng)計(jì)表中顯示237.3數(shù)據(jù)分析⑤如圖7-17所示的回歸系數(shù)表顯示，回歸模型的斜率為0.1160，截距為-12.42，因此點(diǎn)擊量和購買量的簡單線性回歸模型為Y=0.116X-12.42。⑥根據(jù)上述簡單線性回歸模型，預(yù)測點(diǎn)擊量為10000時(shí)，購買量約為1148。圖7-17回歸系數(shù)表7.3數(shù)據(jù)分析⑤如圖7-17所示的回歸系數(shù)表顯示，回24數(shù)據(jù)展示04數(shù)據(jù)展示047.4數(shù)據(jù)展示【任務(wù)描述】根據(jù)電商數(shù)據(jù)進(jìn)行如下可視化分析展示：（1）用折線圖畫出用戶10月份每日購買、點(diǎn)擊、加入購物車、關(guān)注的變化趨勢圖。（2）分析出各個(gè)地區(qū)男女購買量的特點(diǎn)，用柱狀圖表示，橫坐標(biāo)為省份，縱坐標(biāo)上半部分為男性購買量，下半部分為女性購買量，總量為總購買量?！静僮鞑襟E】（1）用折線圖畫出用戶10月份每日購買、點(diǎn)擊、加入購物車、關(guān)注的變化趨勢圖①選中電商源數(shù)據(jù)，鼠標(biāo)單擊“插入”選項(xiàng)卡“圖表”區(qū)域的“數(shù)據(jù)透視圖”，彈出如圖7-18所示的“創(chuàng)建數(shù)據(jù)透視圖”對話框，單擊“確定”按鈕即可。②需要展示每日用戶行為變化趨勢，因此在“數(shù)據(jù)透視圖字段”對話框中，將Date字段拖動至軸類別區(qū)域，將系統(tǒng)默認(rèn)增加的“月”字段拖動至“篩選”區(qū)域，將action字段拖動至“圖例（系列）”區(qū)域，再將action字段拖動至“值”區(qū)域并將“值字段設(shè)置”為“計(jì)數(shù)”，如圖7-19所示。7.4數(shù)據(jù)展示【任務(wù)描述】267.4數(shù)據(jù)展示圖7-18“創(chuàng)建數(shù)據(jù)透視圖”對話框圖7-19“數(shù)據(jù)透視圖字段”對話框7.4數(shù)據(jù)展示圖7-18“創(chuàng)建數(shù)據(jù)透視圖”對話框圖277.4數(shù)據(jù)展示③鼠標(biāo)單擊“數(shù)據(jù)透視工具”選項(xiàng)卡中的“更改圖表類型”，選擇“帶數(shù)據(jù)標(biāo)記的折線圖”，單擊“確定”按鈕。④單擊“月”字段右側(cè)向下箭頭，選擇“10月”，單擊“確定”按鈕，如圖7-20所示，即可以折線圖展示10月份用戶的行為趨勢，結(jié)果如圖7-21所示。圖7-20選擇月份圖7-2110月用戶行為趨勢圖7.4數(shù)據(jù)展示③鼠標(biāo)單擊“數(shù)據(jù)透視工具”選項(xiàng)卡中的“更287.4數(shù)據(jù)展示（2）分析各個(gè)地區(qū)男女購買量的特點(diǎn)①選中電商源數(shù)據(jù)，鼠標(biāo)單擊“插入”選項(xiàng)卡“圖表”區(qū)域的“數(shù)據(jù)透視圖”，彈出如圖7-18所示的“創(chuàng)建數(shù)據(jù)透視圖”對話框，單擊“確定”按鈕即可。②需要展示各地區(qū)男女購買量，因此在“數(shù)據(jù)透視圖字段”對話框中，將province字段拖動至軸類別區(qū)域，將gender字段拖動至“圖例（系列）”區(qū)域，再將gender字段拖動至“值”區(qū)域并將“值字段設(shè)置”為“計(jì)數(shù)”，如圖7-22所示。圖7-22“數(shù)據(jù)透視圖字段”設(shè)置對話框7.4數(shù)據(jù)展示（2）分析各個(gè)地區(qū)男女購買量的特點(diǎn)圖7-297.4數(shù)據(jù)展示③鼠標(biāo)單擊“數(shù)據(jù)透視工具”選項(xiàng)卡中的“更改圖表類型”，選擇“堆積柱形圖”，單擊“確定”按鈕，結(jié)果如圖7-23所示。圖7-23各地區(qū)男女購買量可視化展示圖7.4數(shù)據(jù)展示③鼠標(biāo)單擊“數(shù)據(jù)透視工具”選項(xiàng)卡中的“更30THANKS！THANKS！31第七章電商數(shù)據(jù)分析綜合案例中國IT教育解決方案專家2019年**月第七章電商數(shù)據(jù)分析綜合案例中國IT教育解決方案專家32目錄

Contents01電商數(shù)據(jù)背景分析02數(shù)據(jù)處理03數(shù)據(jù)分析04數(shù)據(jù)展示目錄01電商數(shù)據(jù)背景分析02數(shù)據(jù)處理03數(shù)據(jù)分析04數(shù)據(jù)33電商數(shù)據(jù)背景分析01電商數(shù)據(jù)背景分析017.1電商數(shù)據(jù)背景分析大數(shù)據(jù)時(shí)代給電子商務(wù)發(fā)展帶來新的機(jī)遇與挑戰(zhàn)，大數(shù)據(jù)技術(shù)幫助電子商務(wù)行業(yè)發(fā)現(xiàn)新的商業(yè)模式，尤其是用戶行為預(yù)測分析和購物商品關(guān)聯(lián)分析己經(jīng)在電商領(lǐng)域得到了很好的應(yīng)用，并已經(jīng)幫助電商獲得了巨大的利潤。其中用戶行為分析是大數(shù)據(jù)電商應(yīng)用領(lǐng)域最常用的技術(shù)手段，該技術(shù)通過研究用戶在互聯(lián)網(wǎng)上的行為數(shù)據(jù)，如用戶在訪問某個(gè)電商網(wǎng)站時(shí)，用戶瀏覽、點(diǎn)擊、購買、評價(jià)某種商品的行為，可以讓企業(yè)更加詳細(xì)、清楚地了解用戶的行為習(xí)慣，從而為企業(yè)的經(jīng)營提供支持。案例以某電商類網(wǎng)站商品交易數(shù)據(jù)為基礎(chǔ)，對“雙十一“在內(nèi)的近六個(gè)月的交易數(shù)據(jù)（脫敏數(shù)據(jù)）完成數(shù)據(jù)處理，同時(shí)對數(shù)據(jù)中品牌商品，尤其是熱門品牌和商品，進(jìn)行點(diǎn)擊量、加入購物車量、購買量、關(guān)注量進(jìn)行分析和預(yù)測，對購買客戶的年齡、性別、區(qū)域特點(diǎn)進(jìn)行分析和總結(jié)。7.1電商數(shù)據(jù)背景分析大數(shù)據(jù)時(shí)代給電子商務(wù)發(fā)展帶來新的機(jī)遇與357.1電商數(shù)據(jù)背景分析1.user_id|買家id2.item_id|商品id3.cat_id|商品類別id4.merchant_id|賣家id5.brand_id|品牌id6.month|交易時(shí)間:月7.day|交易事件:日8.action|行為,取值范圍{0,1,2,3},0表示點(diǎn)擊，1表示加入購物車，2表示購買，3表示關(guān)注商品9.age_range|買家年齡分段：1表示年齡<18,2表示年齡在[18,24]，3表示年齡在[25,29]，4表示年齡在[30,34]，5表示年齡在[35,39]，6表示年齡在[40,49]，7和8表示年齡>=50,0和NULL則表示未知10.gender|性別:0表示女性，1表示男性，2和NULL表示未知11.province|收獲地址省份12.ident_code|商品唯一標(biāo)識碼13.score|用戶評分7.1電商數(shù)據(jù)背景分析1.user_id|買家id936數(shù)據(jù)處理02數(shù)據(jù)處理027.2數(shù)據(jù)處理【任務(wù)描述】對電商數(shù)據(jù)進(jìn)行數(shù)據(jù)處理，要求如下：（1）根據(jù)日期建立時(shí)間列，時(shí)間列格式為日期格式，如2015-01-01，列名為date，并去除原來的‘month’和‘day’列。（2）統(tǒng)計(jì)2015年10月11日-2015年11月11日之間，每天用戶的不同行為的數(shù)量，列名為不同行為，時(shí)間為索引?！静僮鞑襟E】（1）根據(jù)“month”和“day”列數(shù)據(jù)，運(yùn)用Date函數(shù)生成date列。①鼠標(biāo)單擊“action”所在列，選中該列，右鍵單擊鼠標(biāo)，在彈出的快捷菜單中單擊“插入”菜單項(xiàng)，則在“day”列和“action”列之間插入一空列，如圖7-1所示。7.2數(shù)據(jù)處理【任務(wù)描述】387.2數(shù)據(jù)處理圖7-1電商案例源數(shù)據(jù)7.2數(shù)據(jù)處理圖7-1電商案例源數(shù)據(jù)397.2數(shù)據(jù)處理②光標(biāo)定位于H2單元格，鼠標(biāo)單擊“插入函數(shù)”按鈕，彈出“插入函數(shù)”對話框，選擇類別“日期與時(shí)間”—“Date”函數(shù)，單擊“確定”按鈕，彈出如圖7-2所示的“函數(shù)參數(shù)”對話框。③光標(biāo)定位于Year右側(cè)的輸入框，輸入2015，光標(biāo)定位于Month右側(cè)的輸入框，選取F2單元格，光標(biāo)定位于Day右側(cè)的輸入框，選取G2單元格，單擊“確定”按鈕，即可生成Date列數(shù)據(jù)。④選中Date列，設(shè)置其格式為：“日期”-“2012-03-14”。圖7-2Date函數(shù)參數(shù)對話框7.2數(shù)據(jù)處理②光標(biāo)定位于H2單元格，鼠標(biāo)單擊“插入函407.2數(shù)據(jù)處理（2）統(tǒng)計(jì)2015年10月11日-2015年11月11日之間，每天用戶的不同行為的數(shù)量，列名為不同行為，時(shí)間為索引。①單擊“數(shù)據(jù)”選項(xiàng)卡中的“篩選”按鈕。②單擊Date列右側(cè)的向下箭頭，在彈出的快捷菜單中，單擊“日期篩選”—“自定義篩選”，如圖7-3所示。圖7-3篩選快捷菜單7.2數(shù)據(jù)處理（2）統(tǒng)計(jì)2015年10月11日-201417.2數(shù)據(jù)處理③在彈出的“自定義自動篩選方式”對話框中，設(shè)置顯示行Date“在以下日期之后或與之相同—“2015-10-11”，“在以下日期之前或與之相同--“2015-11-11”，單擊“確定”按鈕，將篩選出來的數(shù)據(jù)復(fù)制至一個(gè)新的sheet表，并將其重命名為“10月11月數(shù)據(jù)”。④選中新表中的數(shù)據(jù)源，單擊“插入”→“數(shù)據(jù)透視表”，彈出“創(chuàng)建數(shù)據(jù)透視表”對話框，如圖7-4所示。選擇需要分析的數(shù)據(jù)區(qū)域，以及數(shù)據(jù)透視表放置的位置，單擊“確定”按鈕。圖7-4創(chuàng)建數(shù)據(jù)透視表7.2數(shù)據(jù)處理③在彈出的“自定義自動篩選方式”對話框中427.2數(shù)據(jù)處理⑤進(jìn)入數(shù)據(jù)透視表的分析窗口，按日分析統(tǒng)計(jì)不同行為的數(shù)量，則拖動date字段至“行”區(qū)域，拖動action字段至“列”區(qū)域，再將action字段拖動至“值”區(qū)域，并設(shè)置其“值字段匯總方式”為“計(jì)數(shù)”，如圖圖7-5所示。圖7-5數(shù)據(jù)透視表字段設(shè)置7.2數(shù)據(jù)處理⑤進(jìn)入數(shù)據(jù)透視表的分析窗口，按日分析統(tǒng)計(jì)437.2數(shù)據(jù)處理⑥修改分析顯示結(jié)果中的列標(biāo)簽，“0”修改為“點(diǎn)擊”，“1”修改為“加入購物車”，“2”修改為“購買”，“3”修改為“關(guān)注商品”，最終結(jié)果如圖7-6所示。圖7-6數(shù)據(jù)透視表結(jié)果7.2數(shù)據(jù)處理⑥修改分析顯示結(jié)果中的列標(biāo)簽，“0”修改44數(shù)據(jù)分析03數(shù)據(jù)分析037.3數(shù)據(jù)分析【任務(wù)描述】針對某電商平臺2015年幾個(gè)月的用戶行為數(shù)據(jù)，挖掘點(diǎn)擊量與購買量之間的關(guān)系，并預(yù)測假如10000點(diǎn)擊量購買量為多少？【操作步驟】（1）統(tǒng)計(jì)每日用戶行為數(shù)據(jù)①選中電商源數(shù)據(jù)，鼠標(biāo)單擊“插入”選項(xiàng)卡“圖表”區(qū)域的“數(shù)據(jù)透視圖”，彈出如圖7-7所示的“創(chuàng)建數(shù)據(jù)透視圖”對話框，單擊“確定”按鈕即可。圖7-7“創(chuàng)建數(shù)據(jù)透視表”對話框7.3數(shù)據(jù)分析【任務(wù)描述】圖7-7“創(chuàng)建數(shù)據(jù)透視467.3數(shù)據(jù)分析②進(jìn)入數(shù)據(jù)透視表的分析窗口，按日分析統(tǒng)計(jì)不同行為的數(shù)量，則拖動date字段至“行”區(qū)域，拖動action字段至“列”區(qū)域，再將action字段拖動至“值”區(qū)域，并設(shè)置其“值字段匯總方式”為“計(jì)數(shù)”，如圖7-8所示。圖7-8數(shù)據(jù)透視表字段設(shè)置7.3數(shù)據(jù)分析②進(jìn)入數(shù)據(jù)透視表的分析窗口，按日分析統(tǒng)計(jì)477.3數(shù)據(jù)分析③修改分析顯示結(jié)果中的列標(biāo)簽，“0”修改為“點(diǎn)擊”，“1”修改為“加入購物車”，“2”修改為“購買”，“3”修改為“關(guān)注商品”，最終結(jié)果如圖7-9所示。圖7-9數(shù)據(jù)透視表結(jié)果7.3數(shù)據(jù)分析③修改分析顯示結(jié)果中的列標(biāo)簽，“0”修改487.3數(shù)據(jù)分析④選取“數(shù)據(jù)透視表結(jié)果”中的日期、點(diǎn)擊、購買列數(shù)據(jù)，復(fù)制至一個(gè)新的工作表，將無數(shù)據(jù)的單元格用“0”替換，如圖7-10所示。圖7-10處理后的數(shù)據(jù)分析源數(shù)據(jù)7.3數(shù)據(jù)分析④選取“數(shù)據(jù)透視表結(jié)果”中的日期、點(diǎn)擊、497.3數(shù)據(jù)分析（2）分析“點(diǎn)擊”和“購買”二個(gè)變量間的相關(guān)性①選中數(shù)據(jù)分析源數(shù)據(jù)，單擊“數(shù)據(jù)”選項(xiàng)卡中的“數(shù)據(jù)分析”，彈出如圖7-11所示的對話框，選擇其中的“相關(guān)系數(shù)”，單擊“確定”按鈕。圖7-11“數(shù)據(jù)分析”對話框7.3數(shù)據(jù)分析（2）分析“點(diǎn)擊”和“購買”二個(gè)變量間的507.3數(shù)據(jù)分析②在如圖7-12所示的“相關(guān)系數(shù)”對話框中，設(shè)置“輸入?yún)^(qū)域”為“點(diǎn)擊”和“購買”所在列數(shù)據(jù)，“分組方式”選擇“逐列”，勾選“標(biāo)志位于第一行”，根據(jù)需要設(shè)置“輸出選項(xiàng)”，此處設(shè)置“輸出區(qū)域”為$F$1，則在源數(shù)據(jù)所在工作表的F1單元格為左上角的矩形區(qū)域顯示相關(guān)分析結(jié)果，單擊“確定”按鈕。圖7-12“相關(guān)系數(shù)”對話框7.3數(shù)據(jù)分析②在如圖7-12所示的“相關(guān)系數(shù)”對話517.3數(shù)據(jù)分析③相關(guān)系數(shù)分析結(jié)果如圖7-13所示，“點(diǎn)擊”和“購買”二個(gè)變量的相關(guān)系數(shù)是0.918079，屬高度正相關(guān)。（3）建立“點(diǎn)擊”和“購買”二個(gè)變量回歸分析模型①單擊“數(shù)據(jù)”選項(xiàng)卡中的“數(shù)據(jù)分析”按鈕，在如圖7-11所示的“數(shù)據(jù)分析”對話框中，選擇“回歸”，單擊“確定”按鈕。圖7-13“相關(guān)系數(shù)”分析結(jié)果7.3數(shù)據(jù)分析③相關(guān)系數(shù)分析結(jié)果如圖7-13所示，“527.3數(shù)據(jù)分析②在如圖7-14所示的“回歸”對話框中，對各類參數(shù)做如下設(shè)置。Y值輸入?yún)^(qū)域：輸入需要分析的因變量數(shù)據(jù)區(qū)域，此處選擇“購買”列所在數(shù)據(jù)。X值輸入?yún)^(qū)域：輸入需要分析的自變量數(shù)據(jù)區(qū)域，此處選擇“點(diǎn)擊”列所在數(shù)據(jù)。標(biāo)志：勾選“標(biāo)志”復(fù)選框。置信度：勾選“置信度”復(fù)選框，輸入“95%”。輸出區(qū)域：此處選擇F6單元格，回歸分析結(jié)果顯示在以F6單元格為左上角的區(qū)域。殘差：勾選“殘差”和“標(biāo)準(zhǔn)殘差”圖7-14“回歸”參數(shù)設(shè)置對話框7.3數(shù)據(jù)分析②在如圖7-14所示的“回歸”對話框中537.3數(shù)據(jù)分析③在如圖7-15所示的回歸統(tǒng)計(jì)表中顯示，MultipleR為0.9181，說明“點(diǎn)擊”和“購買”二個(gè)變量高度正相關(guān)；RSquare為0.8429，說明回歸模型擬合效果較好④在如圖7-16所示的方差分析表中顯示，F(xiàn)統(tǒng)計(jì)量值為981.6318，說明“點(diǎn)擊”和“購買”二個(gè)變量具有顯著的線性關(guān)系；SignificanceF值為1.84E-75，小于等于0.01，說明檢驗(yàn)結(jié)果具有極其顯著的統(tǒng)計(jì)學(xué)意義。圖7-14“回歸”參數(shù)設(shè)置對話框圖7-16方差分析表7.3數(shù)據(jù)分析③在如圖7-15所示的回歸統(tǒng)計(jì)表中顯示547.3數(shù)據(jù)分析⑤如圖7-17所示的回歸系數(shù)表顯示，回歸模型的斜率為0.1160，截距為-12.42，因此點(diǎn)擊量和購買量的簡單線性回歸模型為Y=0.116X-12.42。⑥根據(jù)上述簡單線性回歸模型，預(yù)測點(diǎn)擊量為10000時(shí)，購買量約為1148。圖7-17回歸系數(shù)表7.3數(shù)據(jù)分析⑤如圖7-17所示的回歸系數(shù)表顯示，回55數(shù)據(jù)展示04數(shù)據(jù)展示