亚洲精品在线视频_国产农村黄aaaaa特黄av毛片_日韩精品内射视频免费观看_男女男精品网站_风韵人妻丰满熟妇老熟女_五月婷婷在线播放_一级一级黄色片_亚洲黄色小说在线观看_无码高潮又爽又黄a片日本动漫_欧美人成在线_久久亚洲人成网站_亚洲精品国产a

系列前言

海鼎科技·專家課程

在接觸對接了行業(yè)千余家客戶的數字化需求之后，我們發(fā)現(xiàn)，商業(yè)地產企業(yè)中不乏具有熱血與沖勁的專業(yè)型人才。他們或為了商業(yè)集團、項目的發(fā)展貢獻著寶貴智慧，或在學術領域沉淀著極具價值的架構體系。

今天，我們將他們請到海鼎科技專家課程系列的現(xiàn)場，為更廣大行業(yè)的受眾“曝光”他們的所學、所識、所感，將私藏的干貨展現(xiàn)給行業(yè)大眾，造福行業(yè)加速發(fā)展。

本期專家介紹

劉烜超先生

2010年進入零售業(yè)工作，歷任多家商業(yè)項目的IT部門負責人。經歷7個項目（3個籌開）的發(fā)展與成熟，其中包括百貨、購物中心、商街、超市、綜合體等多業(yè)態(tài)，專長于商業(yè)地產數字化板塊工作。

在數據分析專業(yè)領域中，其于15年深入研究統(tǒng)計學，19年初通過法國ESSEC商學院數據分析專業(yè)認證，2021年獲得聯(lián)合國下屬機構TRL Alliance 授予的 Independent Scientist 認證 以及 TRL 志愿翻譯者資格。同時作為Unity、Unreal虛擬現(xiàn)實獨立開發(fā)者，參與某高校藝術與科學專業(yè)的數據可視化藝術作品的研討和作品制作。

寫在前面·作者序：

商業(yè)數據分析（簡稱BA），結合頭幾年 Big data、AI 的風口，被甲乙方炒得火的不能再火。一時間，IoT、新BI、新零售等等新概念層出不窮。

本人在商業(yè)的IT部門工作了11年，在這些年的項目經驗中，發(fā)現(xiàn)商業(yè)公司開始越來越重視數據了。然而在實際運作中，要投入的不僅是資金這么簡單，專業(yè)素質、理論基礎以及上層領導的理解和支持，方方面面缺一不可。有時候不同項目間千差萬別，報表又很單一，分析手段也是20年前的標準， BA&BI 的推進如此緩慢也是情理之中的事情。

在過去的實際分析經驗中，我發(fā)現(xiàn)傳統(tǒng)商業(yè)分析的結構是相當單一的，同比環(huán)比分析、漏斗下鉆、分類匯總，配合多種維度：例如銷售、坪效、租決等等，得到的分析往往不能理解數據之中本身蘊含的意義。針對這個問題，我通過結合國內外大量文獻和資料，以及借鑒其他行業(yè)的分析方法，將用以下4個章節(jié)粗略描繪一下這些年的分析手段和經驗：

第一章：商業(yè)數據處理以及描述性分析

第二章：相關性分析、數學模型應用

第三章：無監(jiān)督學習下的客群統(tǒng)計和店鋪統(tǒng)計

第四章：數據可視化

接下來，讓我們進入本期課程的第一章學習內容：“商業(yè)數據處理以及描述性分析”。

分析中用到的軟件和語言僅供參考

商業(yè)數據的特點和缺失值處理

Shopping mall 的存在本質是合理控制租賃方經營成本，在與承租方的履約過程正常的情況下，租賃方不會造成因人員、促銷等費用產生的巨大投入（相比百貨和超市）。

但國內外的購物中心都有一個核心問題，銷售無法及時獲取，這也是造成數據收集和分析困難的巨大問題。往往我們看到一個店鋪的銷售數據表現(xiàn)是這樣的：

某商場在定義區(qū)間范圍內的品牌交易數據，其中缺失值用黃色表示。如圖所示，該品牌的銷售數據缺失方式為不規(guī)則不定期缺失，因此需要考慮使用插值補全的方式嘗試補全數據。但同時要注意，補全銷售后，可能直接影響現(xiàn)有銷售的表現(xiàn)。因此插值之后還需要進行檢驗，最快捷的方式可以用ANOVA檢驗方差，如果方差不大于一個閥值則表明插值結果可用，或采用直觀的圖形可視化觀察數據走勢從而判斷數據的可讀性。

在做這一步前必須要明確一點：插值處理就是在原始數據沒有的情況下，根據該品牌銷售實際存在的數據進行數學模擬，并填補進空缺位置。這個方式用于找到數據的趨勢，而不是具體的單日對比、環(huán)比。

插值補全有多種辦法，本人習慣使用KNN、簡單插值和貝葉斯插值法進行比較，以下圖中列出了三種不同插值的結果。在插值范圍內需要觀察數據的一致性和周期性，從而最終確定插值的方式。當然由于不同品牌經營方式也不同，插值不可能是統(tǒng)一算法，否則有可能產生基于隨機數的數學規(guī)律，導致不應出現(xiàn)的噪聲。

多維度缺失值處理需要采用主成分分析，首先判斷數據各維度之間的關聯(lián)度，如果產生類似交易筆數、交易件數之間可能有強相關的屬性時，算法可能提示刪除其中一個。而如果恰好其中一列數據缺失值較多，則可以剔除出去。又或如果該列與其他列數據存在較大口徑出入，則也可以選擇剔除。

主成分分析

如何確認哪些維度具有意義？

有的時候我們對某一品牌或某一類客人進行分析時，可能會出現(xiàn)參考維度過多的情況，對于客人：年齡、性別、出生地、工作年限、年收入，哪幾個才是左右客人購買商品的關鍵因素呢？我們需要用主成分分析法來確認。

通過主成分分析（Principal Component Analysis，PCA），我們可以用R語言找到主成分，并使用算法提示得到對哪一列進行數據處理的意見。

離群點（異常數據）檢測

在某個品牌的銷售活動中，可能有忽高忽低的情況，我們需要用統(tǒng)計方法將這些異常的銷售日找出來，并且判斷造成這個情況的原因。離群點（outliner）檢測則是檢測的常用分析手段。

離群點用于檢測數據中是否出現(xiàn)數據偏移、錯誤數據等等，如果離群點在95%置信區(qū)間外，則判斷是否是數據錄入錯誤、或者有大規(guī)模活動造成的數據出現(xiàn)短期較大變化。 

在經營數據分析中，置信區(qū)間用來描繪數據的可靠性，如果某一時段的數據超過置信區(qū)間，則該節(jié)點數據可能存在數據錯誤或特殊情況導致的變化。如銷售數據錄入錯誤，另有可能商場或品牌方大規(guī)模做活動導致銷售數據大規(guī)模變化。當然，具體情況仍需針對每一個品牌進行分析和確認。

下圖所示，紅色部分標注為離群點。此時可以針對這個結果對數據進行深入分析。比如上升的原因，比如是否有銷售數據錄入錯誤等。

兩圖中均以如下公式確認離群點

當然離群點的分配需要根據數據集的實際情況來判斷，如使用 kmeans 或層次聚類得到實際分類閥值，然后再進行離群點分析。

一個店鋪的銷售曲線如果單單看環(huán)比和同比，是無法對實際情況有參考價值的。我們需要使用時間序列模型對單一店鋪的銷售趨勢進行分析。我們通過這個模型可以查看店鋪的銷售走向，甚至是生存周期。但銷售數據都是有季節(jié)性的，我們稱之為白噪聲，分析的過程中需要將其剔除。

該算法的前提是引入經濟學時間序列模型，查找本數據的自我規(guī)律。如店鋪銷售能力是否會上升或下降，是否存在周期性規(guī)律等等。采取這個辦法的初衷是因為早期分析店鋪銷售的時候，可參考項目較多，在參考了經濟學相關模型和算法后，認為店鋪銷售也具備一定的自相關性。在進行時間周期分析時，比如想查看某個品牌的銷售是否呈現(xiàn)周期性規(guī)律首先要去除季節(jié)性影響，而查看數據本身是否具備自相關性。因此周期性代表的白噪聲則需要首先剔除。