1、Excel 数据挖掘技术在电商运营预测分析中的应用 摘 要 Excel 2007 及以上版本可连接数据挖掘外接程序，实现数据挖掘功能。这为电子商务运营人员开展电子商务数据挖掘工作提供了简便易学又好用的工具。该文从基于 ARIMA模型的时间序列分析、基于线性回归模型的定量分析和基于逻辑回归模型的定性分析三方面，来阐述 Excel数据挖掘技术在电商运营预测分析中的应用研究。 下载 关键词 Excel 数据挖掘；电商运营；预测分析 doi ： 10 . 3969 / j . issn . 1673 - 0194 . 2017. 19. 059 中图分类号 F713.36 文献标识码 A 文章编号 1
2、673 - 0194（ 2017）19- 0140- 03 1 引 言 ? 缟绦幸刀 ?言，数据分析在电子商务运营工作中是特别重要的，许多工作都需要使用到数据分析。而数据分析中的电商运营预测分析尤其重要。企业做预测，是为了更好地做决策，提高企业运营水平。电子商务从业人员需要通过预测来把握电商行业发展趋势，以及电商市场动态变化，以减少未来不确定性，减少决策时面临的风险，使企业运营工作顺利进行。 如今， 数据挖掘作为一种更深入的数据分析方法，其使用领域越来越大，不过这种强大的数据分析方法，只有专业研究人员和少数企业在使用。大多数没有进行数据分析专业培训的电子商务从业人员在面对深奥的专业软件的时候，
3、很多就退缩了。其实，大家忽略了就在身边的方便易用且功能强大的数据挖掘工具 Excel 。本文介绍了如何运用 Excel 的数据挖掘技术对电子商务运营进行预测分析，从而为广大电商从业人员在电商运营工作中发现新的更快捷简便的数据分析与数据挖掘方法提供参考，对促进行业发展有重要意义。 2 Excel 数据挖掘技术与电 商运营预测分析 2.1 Excel 数据挖掘技术简介 数据挖掘，顾名思义就是从庞大的数据中挖掘宝藏（信息、知识、见解、假设、课题等）的一种方法和过程。它指从海量的实际应用数据中，获取隐含在其中的潜在有用信息和知识的过程。它是一种新的商业信息处理技术，其主要特点是对商业数据库中的大量业务
4、数据进行抽取、转换、分析和其他模型化处理，从中提取辅助商业决策的关键性数据。总之，数据挖掘就是一种更深入的数据分析方法。 Excel 也可进行数据挖掘工作。在使用 Excel 数据挖掘工具前，先要装好 Excel 数据挖掘外接程序，并且要有 Microsoft SQL Server Analysis Services （ SSAS） 的支持。安装好数据挖掘外接程序后， Excel 菜单栏会比之前多出数据挖掘一项（见图 1）。 本文使用的系统环境和工具分别是 Windows 7， Excel 2013和 SQL Server 2012 数据库，数据挖掘外接程序版本是 Microsoft SQL
5、Server 2012 Office 2010。 Excel 安装数据挖掘外接程序再连接数据库，可以很方便地运行算法，快速处理和执行 复杂的数据分析，且有助于揭示数据中隐藏的模式和关系，然后利用它们提高分析质量。 2.2 Excel 数据挖掘技术与电商运营预测分析的关系 数据挖掘能从大量繁杂的数据中获取隐含其中的信息，比如说对顾客分类，聚类，欺诈甄别，潜在顾客识别等，现在应用领域非常广，如设计、零售、金融、银行、医疗、政府决策、企业财务、商业决策等国民经济生活中的各个领域。电子商务相对以往商务形式，更能够快速采集全面、准确的数据，能使工作人员从数据中获取更多更有用的信息，因此，数据和分析的重要
6、性越来越加大。只有通过数据分 析预测电商企业运营与管理情况，客户心理和行为方式，预测商品成交的趋势规律和行业信息，才可以掌握电子商务企业总体运营状况，才可以及时调整企业战略及战术的方针政策。 近年来电商行业在不断的发展，所以电子商务企业面对的数据已经越来越庞大和复杂，电子商务人员每天都要在巨量数据中去找寻有用的信息，所以行业需要大量具有数据分析和数据挖掘能力的人才。截止到 2016 年 12 月，中国电子商务服务企业直接从业人员超过 305 万人，同比增长 8%。这样庞大的行业队伍中的许多人其实并不具有很高的学历，而具有专业的数据分析与统计分析能力的人更是少之又少，这显然是不能满足电商行业的数
7、据分析与数据挖掘工作需要的。提起数据挖掘工具，就会想到 SAS、SPSS 等软件。这些专业数据挖掘工具，与 Excel 相比，入门及使用难度都相对大许多，许多电商从业人员比较难接受。而 Excel挖掘工具，既学习使用起来简单易用，而且一般常用数据挖掘功能都具备，能满足日常电商运营中数据挖掘工作的需要。所以掌握数据挖掘的方法，并不一定需要学习一些高深统计学知识，以及高深数据挖掘工具。其实只要使用日常所用的Excel 再外接数据挖掘程序就行了。 Excel 以 其功能强大的数据处理和分析功能以及简单易用的特点，在电子商务运营数据分析工作中得到了广泛应用，已经成为电子商务数据分析的重要工具之一。 E
8、xcel 可以进行各种常见的数据挖掘工作：包含数据分类、聚类、关联、预测、估计等。其中的预测与估计功能在电商运营预测分析中可以有非常好的应用。 3 Excel 数据挖掘技术关于电商运营预测分析的方法和操作路径 电商运营预测指的是，用各种先进的手段，对影响电商市场变化的多种因素进行科学研究、分析、判断其趋势，把握其发展的规律，为电商经营决策者提供可靠的决策依据 。电子商务运营当中的很多评估和决策都要以预测为前提，可以用具体的预测数据来进行支持。及时准确的数据可以帮助电商运营人员通过科学的预测方法减少决策的风险并且降低对于员工个人能力的要求，帮助公司积累经验和竞争力。 Excel 连接了数据挖掘外
9、接程序，可以对数据进行时间序列、定性和定量等方面的预测分析。 3.1 基于 ARIMA 模型的时间序列分析预测法 时间序列就是按时间顺序排列的一组数据序列。时间序列分析就是发现这组数据变动规律并用于预测的统计技术。 其中 ARIMA 模型是重要的时 间序列模型。 ARIMA 模型全称为自回归移动平均模型。该模型建立后就可以用时间序列中过去与现在的数据来预测未来的数据。 基于此模型的 Excel 数据挖掘方法在某种程度上已经能够帮助电商企业在运营中对未来进行预测。其利用时间数据变动规律来预测，主要可以应用于预测销量、点击率、流量和销售额等。 下面从图 2 到图 6 是使用 Excel 数据挖掘工
10、具进行电商运 ?I 时间序列预测的典型应用展示。将需要预测的数据：某类目商品 15 年 8 月到 16年 7 月的销量（图 2），利用 Excel 数据挖掘中的预测工具（图 3）进行预测， 得到图 4、图 5 和图 6 的预测结果，分别为图形结果、模型结果和数据表格结果。其中图 6数据表格结果中的销量是预测的销量，标准偏差为预测值的误差。 3.2 基于线性回归模型的定量分析预测法 回归分析是对客观事物数量依存关系的分析，是数理统计中的一个常用的方法，是处理多个变量之间相互关系的一种数学方法。 所谓线性回归模型就是指因变量和自变量之间的关系是直线型的。 回归分析预测法中最简单和最常用的就是线性回
11、归预测法。线性回归分析是对客观事物数量关系的分析，是一种重要的统计分析方法，可以被广 泛的用于电商运营工作中数据变量之间的影响因素和关联的研究。 使用 Excel 数据挖掘的估计工具中的线性回归算法参数，可以通过利用数据变量之间的影响因素和关联关系来预估其中某变量未来值。比如依据成交商品数和活跃商品数之间的关系规律预估未来的成交商品数；依据成交量和高质量宝贝的关系规律，预估未来成交量；依据销量与点击率的规律关系，预估未来销量等等。 下面从图 7到图 11是运用 Excel数据挖掘工具进行电商线性回归预测的典型应用展示。将需要预测的数据：某类目商品 15 年 8 月到 16年 7 月的成交商品数
12、和 活跃商品数（图 7），利用 Excel 数据挖掘中的估计工具（图 8）进行预测，算法参数选到线性回归（图 9），得到图 10 和图 11 的预测结果，分别为模型结果和数据表格结果。其中图 11 数据表格结果中的输出 1 是预测的成交商品数。 3.3 基于逻辑回归模型的二分类定性分析预测法 二分类，顾名思义，就是两个分类状态，例如用户是否购买商品、用户是否流失等都属于二分类；逻辑回归是一项可用于预测二分类结果的统计方法，广泛应用于当今社会各领域中，在电商运营数据分析中也应用广泛。 在实际电商运营工作中，电 商运营人员会遇到诸如此类的情形：预测一个用户是否会点击某个商品或宝贝、是否会购买某个类
13、目商品，判断客户的性别、 判断某条评论是好的还是坏的等等。这些判断是或否，对或错的预测称为二分类预测。 使用 Excel 数据挖掘的估计工具中逻辑回归算法参数，可以很方便地在电商运营工作中进行二分类预测。 下面从图 12 到图 16 是使用 Excel 数据挖掘工具进行电商运营二分类预测的典型应用展示。将不同地区买家，已购物金额、购买件数和是否重复购买等参数（图 12），利用 Excel 数据挖掘中的估计工具（图 13）对其他买家是否重复购买进行预估，预测算法参数选到逻辑回归（图 14），得到图15和图 16的预测结果，分别为模型结果和数据表格结果。其中图 16数据表格结果中的输出 1 中的
14、1 表示会重复购买， 0 表示不会重复购买。 4 结 语 如上文所述 Excel 安装好数据挖掘外接程序，结合 SQL Server 数据库，在多种算法的支持下，具有很强的数据挖掘功能，并且将数据挖掘结果呈现给数据挖掘人员，对电商运营数据分析有重要作用，已能很大程度地满足日常运营分析需要。 使用 Excel 数据挖掘工具能简单且方便地对电商 运营数据进行时间序列、定性和定量等方面的预测分析。其实除预测和估计分析外， Excel 数据挖掘工具还能进行如分类、关联、聚类等其他数据分析，因其简单易学的特性，大大降低了电子商务从业人员进行数据分析与数据挖掘的门槛，是广大电商从业者的福音。 当然通过 E
15、xcel 数据挖掘工具得到的数据挖掘结果，还需要会解读并执行应用到电商实际工作中才能产生真正的价值。总的来说， Excel 数据挖掘技术对于电子商务企业而言是巨大的财富。 主要参考文献 日 上田和明 .用 Excel学数据挖掘 M.孙英 英，译 .北京：科学出版社2012. 吴玲敏 .浅谈数据挖掘在电子商务中的应用 J.中国商贸， 2009（ 10） . 徐军伟，程国忠 .Excel 2010 数据挖掘工具的应用研究 J.电脑知识与技术， 2014. Jiawei Han， Micheline Kanber， Jian Pei.数据挖掘概念与技术 M.范明，孟小峰，译 .北京：机械工业出版社， 2007. 中国电子商务研究中心 .2016 年度中国电子商务人才状况调查报告 EB/
