5.大数据处理实战-内容.pptxVIP

大数据营销第5章 大数据处理实战

本章目录5.1Excel数据分析5.2Python入门

本章导读各类数据分析工具和方法很多，大平台可以开发自己的数据分析系统，对于中小型企业而言，可以选择从简单的方法和工具入门，譬如从人人都会用的Excel，简单易学的Python。本章将学习关于使用简单的数据分析工具，分别是Excel和Python进行大数据处理。在Excel部分，通过学习并操作回归分析、相关分析与方差分析，可为未来的指标预测（如销售额预测）、两变量之间的关系（如收入与消费的关系），某指标对整体的贡献（如销售渠道对销售额的贡献）奠定基础。在Python部分，学习简单的Python语言，并附以案例进行入门级的数据平台学习。

5.1Excel数据分析5.1.1准备工作：加载“分析工具库”5.1.2回归分析——预测销售额5.1.3相关分析——收入与消费的关系5.1.4方差分析——销售渠道对销售额的贡献

5.1.1准备工作：加载“分析工具库”（2）选择“加载项”选项，然后选择“分析工具库”选项，再单击对话框下方的“转到”按钮；（1）新建一个Excel表，单击“文件”选项卡后，执行“选项”命令进入“Excel选项”窗口；（3）在弹出的“加载宏”的对话框中勾选“分析工具库”复选框，并单击“确定”按钮；（4）整个加载过程顺利完成后，单击“数据”选项卡，最后一栏会出现“数据分析”选项，回归分析、相关分析和方差分析都是通过这个“数据分析”选项进行。

Excel数据分析步骤5.1.2回归分析——预测销售额2建立数据模型—选择参数4回归分析结果—看图说话1建立数据模型—输入数据3建立数据模型—可视化效果Excel的数据分析工具库中提供了回归分析的工具。通过回归分析，可得到自变量与因变量间的拟合方程。在市场预测中，可使用回归分析预测法在分析市场现象自变量和因变量之间相关关系的基础上，建立变量之间的回归方程，并将回归方程作为预测模型，根据自变量在预测期的数量变化来预测因变量关系，其大多表现为相关关系。我们在对市场现象的未来发展状况和水平进行预测时，找到影响市场预测对象的主要因素，并且取得其数量资料，就可以采用回归分析预测法进行预测。回归分析预测法是一种具体的、行之有效的、实用价值很高的常用市场预测方法。

5.1.2回归分析——预测销售额1建立数据模型—输入数据在Excel数据表中输入数据，如图1所示，单击“数据”选项卡，单击“数据分析”选项后，就会出现“数据分析”对话框来选择数据模型，选择“回归”选项，如图2所示。图1输入数据图2选择“回归”选项【案例】A公司连续8年对某产品进行了广告投放，目前A公司想获取广告费用对销售额的多元回归分析预测。案例分析：本案例可以使用一元线性回归分析求解。设：y=销售额；x=广告费用；方程：y=ax+b

5.1.2回归分析——预测销售额2建立数据模型—选择参数在弹出的“回归”对话框中设置参数，我们可以看到有多个参数可以勾选。具体参数设置说明及本案例的勾选情况如下图所示。（1）Y值输入区域：选择因变量数据所在的区域，可以包含标志。本案例中，Y值是销售额，所以选择“销售额”列的数字。（2）X值输入区域：选择自变量数据所在的区域，可以包含标志。本案例中，X值是广告费用，所以选择“广告费用”列的数字。（3）标志：如果选择数据时包含了标志则勾选“标志”复选框。一般来说，勾选“标志”复选框后，每个图表的表头都会出现对应的标题，如果没有选择则直接显示X和Y。本案例中选择包含“标志”。（4）常数为零：如果强制拟合线通过坐标系原点则选择“常数为零”复选框。本案例中不作选择。（5）置信度：分析置信度，默认选择95%。本案例按默认选项设置。（6）输出选项：根据需要选择分析结果输出的位置。由于案例题目中未对输出结果作规定，本案例选择“F1”单元格，大家也可根据习惯自行设置。（7）残差：根据需要可选择让分析结果中包含残差、标准残差、残差图、线性拟合图。本案例勾选“残差图”“线性拟合图”复选框。（8）正态分布：如果希望输出正态概率图则选择相应的复选框。本案例不勾选。

5.1.2回归分析——预测销售额按需完成参数设置后，单击“确定”按钮就会出现下图的可视化效果。3建立数据模型—可视化效果

5.1.2回归分析——预测销售额4（1）回归统计表格的“RSquare”是判定系数，其大小能判断广告费用x和销售额y之间是否存在相关性。判定系数越接近1，代表y与x线性关系程度越高。本案例中，判定系数是0.9081352，说明广告费用x与销售额y之间存在很大的相关性，如图1所示。（2）方差分析表格的F值是一个观测统计值，将F