商业分析思维与实践：用数据分析解决商业问题

1.重思路：数据思维+分析框架，深入数据分析解决商业问题的底层逻辑

2.重体系：分析过程+分析阶段，全流程、立体化解析大数据时代商业分析核心知识点

3.重实战：分析方法+分析模型+分析工具，快速上手发现业务规律、解决实际问题

4.重落地：可视化+数据解读+业务策略，实现商业数据分析与业务需求完美融合

5.赠送资源：免费赠送全书案例源文件，供读者下载学习。

本书以业务为导向，详细地讲解了如何通过大数据分析来解决商业问题。其目的在于运用大数据分析思维，帮助读者把学术知识应用于真实的业务场景，解决实际的业务问题。

本书基于业务问题，就如何搭建分析框架，厘清分析思路，按照标准分析步骤对数据进行恰当的预处理，选择合适的分析方法和分析模型，使用恰当的分析工具对数据进行分析，以及对分析结果进行可视化和符合业务要求的解读等内容展开讲解，帮助业务专家做出合适的业务判断，制定准确的业务策略。

本书既可作为各行各业的一线业务在线人员、业务决策人员、数据分析人员、企业管理人员的学习用书，也可以作为广大本科院校、高职高专院校的大数据相关专业的教材用书，还可作为从事大数据分析与应用培训的参考教材。

傅一航，大数据培训讲师。计算机软件与理论硕士（研究方向：数据挖掘、搜索引擎）。在华为工作十年，获得多个奖项及五项国家专利，对大数据技术有深入实践和研究！

专注于大数据分析、数据挖掘、数据建模、机器学习等应用技术，以及大数据系统部署解决方案，旨在将大数据技术应用于商业领域，帮助决策者实现管理决策、运营决策、营销决策！

第I部分

数据决策理论篇

第 1 章 从 0 到 1 解构大数据 002

1.1 数字化背景 .002

1.2 大数据的三层认知 003

1.3 什么是大数据 005

1.4 大数据十字特征 .006

1.5 DIKW 体系 009

1.6 数据的本质 .010

1.7 大数据不在于大，而在于全.011

本章小结013

第 2 章 数据决策的底层逻辑 014

2.1 数据的决策逻辑 .014

2.2 探索规律，按照规律来决策.015

2.3 发现变化，找到短板来决策.017

2.4 厘清关系，找影响因素做决策 020

2.5 预测未来，通过预判来决策.022

本章小结024

第 3 章 数据决策环节 025

3.1 数据决策路径 .025

3.2 业务数据化 .026

3.3 数据信息化 .027

3.4 信息策略化 .028

3.5 案例：赚差价的营业员 028

本章小结030

第Ⅱ部分

数据分析基础篇

第 4 章 数据分析概述 032

4.1 认识业务分析阶段 032

4.1.1 现状分析 . 033

4.1.2 原因分析 . 033

4.1.3 预测分析 . 033

4.2 了解数据分析方法 034

4.2.1 描述性分析 . 034

4.2.2 诊断性分析 . 034

4.2.3 预测性分析 . 035

4.2.4 推断性分析 . 035

4.2.5 专题性分析 . 035

4.3 熟知数据分析过程 035

4.3.1 第 1 步：明确目的 036

4.3.2 第 2 步：收集数据 038

4.3.3 第 3 步：整理数据 039

4.3.4 第 4 步：分析数据 040

4.3.5 第 5 步：呈现数据 043

4.3.6 第 6 步：形成结论 044

本章小结045

第 5 章 数据分析框架 046

5.1 数据分析思路 .046

5.2 精准营销分析框架（6R 准则） 047

5.2.1 正确的客户 . 048

5.2.2 正确的产品 . 049

5.2.3 合理的价格 . 049

5.2.4 最佳的时机 . 050

5.2.5 合适的方式 . 050

5.2.6 恰当的信息 . 051

5.2.7 喜爱的套餐 . 051

5.3 精准营销分析过程 052

5.4 用户行为分析框架（5W2H） 055

5.4.1 WHY . 056

5.4.2 WHAT 056

5.4.3 WHO . 056

5.4.4 WHEN 056

5.4.5 WHERE . 057

5.4.6 HOW . 057

5.4.7 HOW MUCH . 057

5.5 零售行业指标体系 .058

5.5.1 人（销售员、消费者） 058

5.5.2 货（商品） . 059

5.5.3 场（店铺） . 059

本章小结060

第 6 章 数据预处理 061

6.1 预处理任务 .061

6.2 数据集成 .062

6.2.1 样本追加 . 063

6.2.2 变量合并 . 063

6.2.3 连接示例 . 067

6.3 数据清洗 .068

6.3.1 重复值处理 . 068

6.3.2 错误值处理 . 069

6.3.3 离群值处理 . 070

6.3.4 缺失值处理 . 074

6.4 样本处理 .076

6.4.1 数据筛选 . 076

6.4.2 随机抽样 . 076

6.4.3 数据平衡 . 077

6.5 变量处理 .078

6.6 质量评估 .079

本章小结080

第Ⅲ部分

描述统计分析篇

第 7 章 数据统计分析基础 082

7.1 认识数据集 .082

7.1.1 数据集格式 . 082

7.1.2 数据存储类型 . 083

7.1.3 数据统计类型 . 084

7.2 统计分析基础 .085

7.2.1 操作模式 . 085

7.2.2 关键要素 . 086

7.2.3 三个操作步骤 . 087

7.2.4 透视表组成结构 088

7.3 常用统计指标 .089

7.3.1 集中趋势 . 090

7.3.2 离散程度 . 092

7.3.3 分布形态 . 094

7.3.4 统计汇总函数 . 096

本章小结097

第 8 章 数据统计分析方法 098

8.1 对比分析法 .098

8.1.1 案例：用户特征分析 099

8.1.2 案例：增量不增收 100

8.1.3 统计分析思路框架 102

8.2 结构分析法 .103

8.2.1 案例：静态结构分析 104

8.2.2 案例：动态结构分析 104

8.2.3 案例：财务结构分析 105

8.3 分布分析法 .106

8.3.1 案例：运营商用户消费分布 . 107

8.3.2 案例：银行用户消费分析 . 107

8.3.3 案例：运营商流量分布 109

8.4 趋势分析法 .110

8.4.1 案例：手机销量淡旺季 110

8.4.2 案例：订单需求的周期性 . 111

8.4.3 案例：破解零售店的销售规律 . 112

8.5 交叉分析法 .113

8.5.1 案例：各区域产品销量 113

8.5.2 案例：产品偏好分析 114

8.5.3 案例：违约影响因素分析 . 117

8.6 杜邦分析法 .120

8.6.1 案例：净资产收益率分析 . 121

8.6.2 案例：市场占有率分析 121

8.6.3 案例：销售策略分析 122

8.7 漏斗分析法 .122

8.7.1 案例：电商转化率分析 123

8.7.2 案例：消费者行为分析模型 . 125

本章小结126

第 9 章 数据的可视化分析 127

9.1 绘图基本原则 .127

9.2 柱形图 .128

9.2.1 简单柱形图 . 128

9.2.2 复式柱形图 . 129

9.2.3 堆积柱形图 . 129

9.2.4 百分比堆积柱形图 130

9.2.5 画图原则 . 131

9.3 直方图 .131

9.3.1 分布形态 . 132

9.3.2 溢出值考虑 . 133

9.3.3 多组直方图 . 134

9.3.4 画图原则 . 134

9.4 箱形图 .135

9.4.1 简单箱形图 . 135

9.4.2 分组箱形图 . 136

9.4.3 画图原则 . 137

9.5 饼图 137

9.5.1 简单饼图 . 137

9.5.2 复合饼图 . 138

9.5.3 画图原则 . 138

9.6 瀑布图 .139

9.6.1 结构瀑布图 . 139

9.6.2 变化瀑布图 . 140

9.6.3 画图原则 . 141

9.7 折线图 .141

9.7.1 简单折线图 . 141

9.7.2 多折线图 . 141

9.7.3 画图原则 . 142

9.8 散点图 / 气泡图 142

9.8.1 散点图 142

9.8.2 气泡图 143

9.8.3 画图原则 . 143

9.9 漏斗图 .144

9.9.1 漏斗图介绍 . 144

9.9.2 画图原则 . 144

9.10 象限图 .144

9.10.1 象限图介绍 . 145

9.10.2 画图原则 . 145

9.11 帕累托图 .145

9.11.1 帕累托图介绍 . 145

9.11.2 画图原则 . 146

本章小结146

第Ⅳ部分

影响因素分析篇

第 10 章 相关分析 148

10.1 影响因素分析 .148

10.2 相关分析 .150

10.2.1 相关分析种类 151

10.2.2 散点图 . 151

10.2.3 相关系数 . 153

10.2.4 显著性检验 . 154

10.3 简单相关分析步骤 155

10.3.1 第 1 步：绘制散点图 156

10.3.2 第 2 步：计算相关系数 . 157

10.3.3 第 3 步：显著性检验 158

10.3.4 第 4 步：进行业务判断 . 158

10.4 三种相关系数 .158

10.4.1 Pearson 相关系数 . 159

10.4.2 Spearman 相关系数 . 160

10.4.3 Kendall 相关系数 . 161

10.5 相关系数的选择 .164

10.6 案例：消费水平影响因素分析 165

10.7 偏相关分析 .167

10.7.1 偏相关概念 . 168

10.7.2 计算公式 . 168

10.7.3 显著性检验 . 168

10.7.4 案例：消费水平的偏相关分析 . 169

本章小结170

第 11 章 方差分析 171

11.1 方差分析的基本知识 .171

11.1.1 基本原理 . 172

11.1.2 方差分析前提条件 178

11.2 方差分析类别 .179

11.3 单因素方差分析 .179

11.3.1 单因素方差分析步骤 179

11.3.2 案例：单因素方差分析应用 . 180

11.4 多因素方差分析 .183

11.4.1 基本原理 . 183

11.4.2 案例：营销广告策略分析 . 186

11.4.3 案例：消费水平的影响因素分析 189

11.5 协方差分析 .193

11.5.1 基本原理 . 193

11.5.2 案例：生***效果差异性评估 194

11.5.3 案例：消费水平的影响因素分析 195

本章小结197

第 12 章 列联分析 198

12.1 列联分析的基本知识 .198

12.1.1 列联表 . 199

12.1.2 期望值 . 199

12.2 卡方检验 .200

12.3 列联分析步骤 .201

12.4 案例：客户流失的影响因素分析 201

本章小结205

第Ⅴ部分

统计推断分析篇

第 13 章 概率论基础 207

13.1 基本概念 .207

13.2 概率分布 .209

13.3 离散型概率分布 .210

13.3.1 概率分布表示 210

13.3.2 伯努利分布 . 212

13.3.3 二项分布 . 212

13.3.4 泊松分布 . 216

13.3.5 几何分布 . 219

13.4 连续型概率分布 .221

13.4.1 概率分布表示 221

13.4.2 均匀分布 . 225

13.4.3 指数分布 . 226

13.4.4 正态分布 . 229

13.5 其他常用分布 .233

13.5.1 χ 2 分布 . 233

13.5.2 F 分布 236

13.5.3 T 分布 238

13.6 随机变量的数字特征 .239

13.6.1 数学期望 . 240

13.6.2 方差 240

本章小结241

第 14 章 参数估计 243

14.1 抽样估计基础 .243

14.1.1 基本概念 . 243

14.1.2 抽样方法 . 244

14.1.3 大数定律 . 246

14.1.4 中心极限定理 247

14.2 参数估计 .250

14.2.1 点估计 . 250

14.2.2 均值点估计 . 252

14.2.3 比例点估计 . 253

14.2.4 产品寿命估计 254

14.3 区间估计 .255

14.3.1 基本概念 . 255

14.3.2 均值区间估计 256

14.3.3 方差区间估计 260

14.3.4 比例区间估计 263

14.4 抽样误差 .265

14.5 样本容量确定 .266

14.5.1 均值评估的样本容量 266

14.5.2 比例评估的样本容量 267

本章小结268

第 15 章 假设检验 269

15.1 基本思想 .269

15.1.1 反证法 . 270

15.1.2 小概率 . 270

15.2 检验种类 .270

15.3 基本步骤 .271

15.4 显著性检验 .274

15.5 常用检验统计量 .277

15.5.1 均值检验 . 277

15.5.2 方差检验 . 283

15.5.3 比例检验 . 286

15.6 两类错误 .287

15.7 案例：SPSS 中假设检验 .288

15.7.1 案例：周岁**身高 T 检验 . 288

15.7.2 案例：信用卡消费水平 T检验 289

本章小结291

第 16 章 双样本假设检验 292

16.1 两独立样本检验 .292

16.1.1 均值差异检验 293

16.1.2 方差齐性检验 296

16.2 两配对样本检验 .297

16.2.1 案例：存活天数差异 298

16.2.2 案例：施肥对幼苗成长影响 . 299

16.2.3 案例：针织品断裂强力差异检验 300

16.3 案例：Excel 中双样本检验 301

16.3.1 案例：供应商交付周期差异评估 301

16.3.2 案例：农作物产量差异分析 . 303

16.3.3 案例：桩长度的估计值与

实际值的差异评估 305

16.4 案例：SPSS 中双样本检验 .306

16.4.1 案例：促销与非促销效果差异检验 . 306

16.4.2 案例：烟龄和胆固醇关系检验 308

16.4.3 案例：减肥茶效果检验 . 309

本章小结310

参考文献 311

出版缘由

大数据概念的出现，使得数据分析、数据挖掘、机器学习等技术概念得到了广泛的认可和应用，特别是大数据在市场营销等领域的成功，使得大数据的应用快速地渗透到了各行各业。近几年备受关注的数字化转型，更是勾起了大家对大数据的兴趣。然而，如何利用大数据进行商业决策，解决企业管理、生产、运营的问题，有效支撑精准营销等大数据落地的问题，却依然是很多企业领导者和管理者头痛的问题。大数据的理论听了无数遍，大数据的重要性也不容置疑，但大数据如何落地，如何培养出具有数据技术能力的人才，却依然找不到方向。

鉴于大数据的火爆，讲大数据课程的书籍多如牛毛，但依然有很多学员找不到合适的书籍来学习大数据技术。很多讲大数据趋势的书籍，只适合于领导者制定战略来参考；讲数据分析和数据挖掘技术的书籍，又过于理论化和数学化，只适合于计算机等专业人士学习。而那些真正能够实现大数据价值的人，其实是奋斗在各行各业的业务专家，恰恰也是他们，最需要利用大数据技术来解决实际业务问题。他们有着丰富的业务知识，但缺乏专业的数学知识，如果书籍过于理论化，他们学起来会极其困难；如果过于倾向于应用，无法指导落地。这些业务专家迫切需要以业务问题为导向，来构建数据思维和数据分析的知识体系和技能体系。

大数据是以业务为导向的。要让技术发挥出价值，需要以业务为导向，以商业目标为导向，来构建全面系统的技术能力。我在培训行业深耕多年，一直从事大数据公开课讲授和企业内训，深刻理解业务专家在大数据领域的困惑和难处，这促使我撰写本书来帮助他们用数据思维和数据技术来解决大量的业务问题，真正实现数据落地，实现数据与业务整合，真正发挥出数据的价值，而不仅仅停留在大数据概念层面或止步于单纯的数据公式面前。当然，如果他们愿意，也可以深入数据理论层面或技术原理层面去思考。

本书结构

本书围绕五大部分展开，共分为16章。

第Ⅰ部分：数据决策理论篇

这一部分主要介绍大数据的基本知识。从其基本概念出发，理清数据的本质，理解大数据决策的底层逻辑，了解大数据决策的关键环节，重点是培养大数据意识和大数据思维。

第Ⅱ部分：数据分析基础篇

这一部分主要介绍数据分析的基础知识，从业务需求出发，介绍数据分析常见种类，重点是要学会数据分析的标准流程，学会围绕业务问题来搭建数据分析的框架，才不至于迷失在数据分析的各项技术中，才能够实现以业务为导向的大数据思维。

第Ⅲ部分：描述统计分析篇

这一部分主要介绍常规的描述统计知识，包括统计的操作模型、关键要素和分析步骤，重点介绍常用的统计分析方法、数据可视化，以及数据解读，帮助读者提取业务规律和业务特征，发现业务短板，进而利用数据来支撑业务和管理决策。

第Ⅳ部分：影响因素分析篇

这一部分主要介绍不同的影响因素分析。影响因素分析，也叫作相关性分析，用来探索两个事物之间的相互影响、相互制约、共同变化的关系。这些分析方法，可以帮助我们做根因分析，以及寻找影响业务的关键因素，也可用在数据建模时的特征选择。

第Ⅴ部分：统计推断分析篇

这一部分主要介绍常用的推断型分析方法。统计推断，即研究如何利用有限的样本数据来推断总体特征的方法。了解随机变量在不确定性中的确定性（统计规律），可掌握各种事件发生的概率分布特征，并利用事件概率来进行业务判断和决策，比如实现参数估计和假设检验等，这在制造业的产品质量评估、保险精算等方面使用较多。

读者对象

本书不是学术著作，本书的写作目的在于指导应用，帮助读者把理论知识应用于真实的业务场景，解决实际的业务问题。

本书基于业务问题，就如何搭建分析框架，理清分析思路，按照标准分析步骤，对数据进行恰当的预处理，选择合适的分析方法和分析模型，使用恰当的分析工具，对数据进行分析，以及对分析结果进行可视化和符合业务要求的解读等内容展开讲解，致力于帮助业务专家做出合适的业务判断，制定准确的业务策略。

所以，本书适合于要用数据来解决实际业务问题的人员，包括但不限于以下群体。

①业务线条人员：需要用数据的思维来解决业务决策的问题；

②业务支撑部门：需要利用数据来支撑企业运营、市场营销策略制定；

③数据分析部门：需要掌握数据分析技能（分析方法、分析模型，可视化）。

工具要求

本书中的案例大多数都使用以下常用的分析工具。

（1）Microsoft Office Excel 2016及以上版本。

在使用前，需要将菜单专门加载到Excel中，具体操作过程和图示如下。

①单击“文件”，在弹出的窗口中，②单击“选项”，就打开了“Excel选项”。

③单击“加载项”，④单击“转到”按钮，于是弹出“加载项”窗格。

⑤在“可用加载宏”中，勾选“分析工具库”⑥单击“确定”按钮，就可在“数据”主菜单中看到“分析”子菜单。

（2）IBM SPSS Statistics v25及以上版本。

学习方法

知识本身是结构化的，体系化的，所以，学习也要系统地进行。

为了能够让读者能够更快地掌握数据分析技术，本书遵循“基本流程+基础知识+方法原理+操作步骤+案例应用”的框架来进行大数据的讲解，理论知识需要结合分析工具来完成整个数据分析的过程，这样才能够由浅入深，化繁为简，将数据分析技术呈现给读者。

在每篇或每章的前面，本书都会重点罗列相应的要点，包括数据分析过程/数据分析框架，数据建模流程，数据挖掘标准流程等，这是知识纲领，它总领了所有知识和技能的框架，必须重点掌握和理解。只有脑子中有框架，做事才会有条不紊；学到的知识才会散而不乱，才会有条理地存储在合适的位置，方便在需要的时候快速提取出来。

对于不同的分析方法和分析模型，要理解其含义和基本原理，了解其应用场景。所有的方法和模型，本书都列出了详细的操作步骤，希望大家能够跟着操作一遍，加深印象。对于工具输出的结果要理解和掌握，学会解读模型的含义。

数据源

本书中讲解所用到的案例数据源文件，可以联系作者获取。

作者微信公众号

本书由具有多年一线大数据分析实战经验和教育培训经验的“傅一航”老师（联系邮箱fuyihang8@126.com）执笔编写。在本书的编写过程中，作者竭尽所能地为读者呈现最好、最全的实用内容，但仍难免有疏漏和不妥之处，敬请广大读者不吝指正。

读者信箱：2751801073@qq.com