商務數(shù)據(jù)分析教學大綱

《商務數(shù)據(jù)分析》教學大綱課程編號：0221122B課程類型：□通識教育必修課□通識教育選修課□學科基礎課□專業(yè)核心課?專業(yè)提升課□專業(yè)拓展課總學時：32講課學時：16實驗（上機）學時：16學分：2考試類型：□考試?考查適用對象：市場營銷、國際商務、企業(yè)管理、經(jīng)濟學等相關專業(yè)。?是□否適合作為其他專業(yè)學生的個性化選修課先修課程：經(jīng)濟學、市場營銷、Python編程語言等。一、教學目標商務數(shù)據(jù)分析技能是商科院校大學本科生從事本專業(yè)學習和工作的一項基本技能；面向具有商務數(shù)據(jù)分析技能的數(shù)據(jù)分析師在各大商業(yè)公司中具有巨大的崗位需求。本課程通過對商務數(shù)據(jù)分析的業(yè)務流程、分析方法、典型商務數(shù)據(jù)實戰(zhàn)案例等理論教學內容與上機實驗環(huán)節(jié)，旨在讓學生掌握數(shù)據(jù)分析的工作內容、分析方法和Python實戰(zhàn)技能，達到一個商務數(shù)據(jù)分析師的業(yè)務水平，能夠從事商務數(shù)據(jù)分析師工作崗位的就業(yè)，以及數(shù)據(jù)科學的進一步學習和科研。目標1：掌握商務數(shù)據(jù)分析基本的業(yè)務流程、思維方法和分析技術。目標2：掌握商務業(yè)務和指標、訂單報表分析、用戶畫像、用戶行為分析、商品數(shù)據(jù)分析、內容數(shù)據(jù)分析等常見商務數(shù)據(jù)業(yè)務場景和分析技術；掌握商務分析中描述性分析、診斷型分析、預測型分析和規(guī)范性分析等常見分析范式的分析方法與運用。目標3：掌握Python中Numpy、Pandas、Matplotlib、scikit-learn等常見數(shù)據(jù)分析庫的基本使用；基于京東、亞馬遜、淘寶、Airbnb等商務數(shù)據(jù)，掌握訂單報表分析、用戶畫像、用戶行為分析、商品數(shù)據(jù)分析等業(yè)務場景的實戰(zhàn)技能。目標4（課程思政目標）：課程以立德樹人為根本任務，將“商道即人道”育人理念貫穿教學全過程，將學生培養(yǎng)成為具備一定數(shù)據(jù)思維、良好職業(yè)操守、公平競爭意識，科學嚴謹態(tài)度的新型數(shù)據(jù)分析人才；培養(yǎng)能勝任數(shù)據(jù)分析師崗位、擔當數(shù)據(jù)科學家、推動民族復興大任的時代新人。二、教學內容及其與畢業(yè)要求的對應關系1、教學內容（1）本課程闡述了數(shù)據(jù)分析如何指導商務業(yè)務決策，主要包括商務業(yè)務及指標、商務數(shù)據(jù)分析常見方法和模型、商務訂單報表分析、用戶畫像、用戶消費行為分析、商品數(shù)據(jù)分析、內容數(shù)據(jù)分析等教學內容。（2）教學內容基于商務領域的人-貨-場業(yè)務范圍，涵蓋了商務數(shù)據(jù)分析主要內容和業(yè)務場景（人：用戶數(shù)據(jù)；貨：商品數(shù)據(jù)；場：服務、營銷和內容數(shù)據(jù)）。（3）分析方法貫穿了描述型分析、診斷型分析、預測型分析和規(guī)范型分析等商務分析中的主要理論與模型。2、教學內容講授上的要求（1）為什么使用Python作為分析工具？一是，許多常見的數(shù)據(jù)分析方法和模型以及面對大數(shù)據(jù)，常見的窗口軟件（如Excel和SPSS等）實現(xiàn)不了；二是，相較其他編程語言（如R語言，JAVA等），Python簡單易學、學習成本低；三是，Python能實現(xiàn)數(shù)據(jù)分析工作中所有環(huán)節(jié)，是社會需求數(shù)據(jù)分析師的主流語言。（2）學生應具備基本的Python編程語言基礎，本課程不會系統(tǒng)講解Python基礎語法，課程只會注重Python數(shù)據(jù)分析庫的講解和運用。（3）學生應具備基本高等數(shù)學基礎和統(tǒng)計學基礎；應具備一定的經(jīng)濟、管理、營銷、電商等商務基礎知識和素養(yǎng)。（5）主要商務業(yè)務場景（商務數(shù)據(jù)探索性分析、訂單報表分析、用戶畫體系、用戶消費行為、商品數(shù)據(jù)分析、內容數(shù)據(jù)分析等）是本課程的重點和難點內容，既包括分析理論和方法，也包括Python實戰(zhàn)教學和學生上機實驗。3、所采取的教學方法、教學手段和實踐教學環(huán)節(jié)（1）教學方法理論講解+上機實驗+課后自學相結合。課堂：數(shù)據(jù)分析理論部分通過PPT講授；上機實驗：Python實戰(zhàn)部分通過上機演示以及學生上機實驗操作；課后作業(yè)與復習：數(shù)據(jù)分析理論部分延伸知識通過課后參考書和文獻發(fā)放到學習通、GitLab等網(wǎng)絡平臺上供學生自學掌握。（2）教學手段多媒體教學+上機實驗。（3）實踐教學環(huán)節(jié)實踐上機環(huán)節(jié)占全部課程16課時8次課，分別對Python商務分析環(huán)境搭建與使用、Python數(shù)據(jù)分析庫的基本使用、Python商務數(shù)據(jù)清洗與可視化、商務訂單報表分析、Python用戶畫像實戰(zhàn)、Python用戶行為分析實戰(zhàn)和用Python實現(xiàn)商品分析等業(yè)務場景進行上機實戰(zhàn)。4、課程對學生的作用（該課程從哪些方面促進了畢業(yè)要求的實現(xiàn)）（1）通過數(shù)據(jù)分析業(yè)務流程、分析方法和思維方法等相關知識的掌握，讓學生知曉數(shù)據(jù)分析的內容和方法，了解職場上數(shù)據(jù)分析師的工作內容和工作方法；（2）通過主要業(yè)務場景的理論和Python實踐，讓學生掌握基本的商務數(shù)據(jù)分析技能和方法，能勝任基本的數(shù)據(jù)分析師崗位實習和工作；（3）通過掌握Python語言在數(shù)據(jù)分析中的運用，讓學生掌握主流數(shù)據(jù)分析的工具Python的使用，對數(shù)據(jù)分析科學產(chǎn)生興趣，促進學生更好地科學和科研。5、教學過程中的其他問題對于剛接觸Python語言的同學，該課程會有一定的難度，因此上機實驗環(huán)節(jié)可能難以保證上課期間順利完成，還需要課后輔導。這可能還要占據(jù)上課老師大量課后時間。課程將來需要考慮備用助教和其他老師聯(lián)合教學。對于那些對商務數(shù)據(jù)分析方法和技能感興趣的同學，本課程的實踐環(huán)節(jié)，不限于用Python實現(xiàn)，也可以用R語言和Excel等相關軟件實現(xiàn)。三、各教學環(huán)節(jié)學時分配教學課時分配序號章節(jié)內容講課實驗其他合計1商務數(shù)據(jù)分析導論222Python數(shù)據(jù)分析環(huán)境搭建與使用223商務業(yè)務及指標體系224Python數(shù)據(jù)分析庫的基本使用445商務數(shù)據(jù)分析常用方法與模型226Python商務數(shù)據(jù)清洗與可視化227商務訂單報表分析228用戶畫像29Python用戶畫像實戰(zhàn)2210用戶消費行為分析2211Python用戶行為分析實戰(zhàn)2212商品數(shù)據(jù)分析2213用Python實現(xiàn)商品分析2214內容數(shù)據(jù)分析2215商務數(shù)據(jù)分析報告撰寫22合計161632四、教學內容第1章商務數(shù)據(jù)分析導論第一節(jié)商務數(shù)據(jù)分析解構什么是商務數(shù)據(jù)分析商務數(shù)據(jù)分析的步驟數(shù)據(jù)獲取→數(shù)據(jù)清洗→數(shù)據(jù)分析→業(yè)務決策商務數(shù)據(jù)分析的四種范式（1）描述型分析（2）診斷型分析（3）預測型分析（3）規(guī)范型分析第二節(jié)商務數(shù)據(jù)分析師的技能業(yè)務理解工具使用溝通表達4、課程思政：如何做一個優(yōu)秀的商務數(shù)據(jù)分析師？引導學生思考一個優(yōu)秀數(shù)據(jù)分析師的價值觀，提高學生對優(yōu)秀數(shù)據(jù)分析師價值觀認識和追求，體悟“商道、商情”，感受“數(shù)據(jù)之美”。第三節(jié)課程體系與要求這門課將講授什么課程要求教學重點、難點：本章教學重點在于對商務數(shù)據(jù)分析步驟以及商務分析四種范式的闡釋；教學難點在于四種商務分析范式的區(qū)分與應用場景。課程的考核要求：1、了解商務數(shù)據(jù)分析師的社會需求、工作內容與價值；了解商務分析應該具備的三項技能；2、理解商務數(shù)據(jù)分析的概念；理解商務數(shù)據(jù)分析的步驟和過程；理解描述型分析、診斷型分析、預測型分析和規(guī)范型分析的應用場景。3、通過電商網(wǎng)站商務分析的實例掌握商務數(shù)據(jù)分析的步驟；針對電商網(wǎng)站商務分析的實例掌握四種商務分析范式的應用。復習思考題：1、瀏覽一下智聯(lián)招聘、拉鉤、51jobs、BOSS直聘四個招聘網(wǎng)站，看看社會對商務分析師的需求和工作要求。2、試舉例說明四種分析范式（描述型分析、診斷型分析、預測型分析和規(guī)范型分析）在實際業(yè)務中的運用。第2章Python數(shù)據(jù)分析環(huán)境搭建與使用第一節(jié)Python數(shù)據(jù)分析環(huán)境搭建為什么使用Python做數(shù)據(jù)分析Python開發(fā)環(huán)境介紹Anaconda集成開發(fā)環(huán)境搭建第二節(jié)JupyterNotebook的使用JupyterNotebook常用配置JupyterNotebook工作界面與使用JupyterNotebook中代碼的編輯與運行JupyterNotebook魔術命令JupyterNotebook中Markdown語法介紹JupyterNotebook中LaTeX語法介紹教學重點、難點：本章教學重點在于學生能自行安裝Anaconda集成開發(fā)環(huán)境以及掌握JupyterNotebook的使用；教學難點在于學生對Python集成開發(fā)環(huán)境的理解以及常見問題的處理。課程的考核要求：1、理解Python編程語言的特點以及在數(shù)據(jù)分析中的主要庫和包；了解Python不同的開發(fā)環(huán)境的區(qū)別；2、掌握Anaconda集成開發(fā)環(huán)境的安裝；掌握JupyterNotebook的使用；3、通過簡單實例，運用安裝的Anaconda集成開發(fā)環(huán)境在JupyterNotebook書寫與運行代碼。復習思考題：在自己的電腦上練習安裝Anaconda集成開發(fā)環(huán)境。通過課程數(shù)據(jù)和實例，練習使用JupyterNotebook。第3章商務業(yè)務與指標體系第一節(jié)理解商務業(yè)務商務業(yè)務的構成要素商務模式與業(yè)務決策商務業(yè)務拆解課程思政：改革開放以來中國企業(yè)有哪些成功的商務模式第二節(jié)商務統(tǒng)計指標體系用戶數(shù)據(jù)指標體系（DAU、MAU、新增、留存、渠道來源等）行為數(shù)據(jù)指標體系（PV、UV、轉化率、訪問時長、訪問深度、彈出率等）業(yè)務數(shù)據(jù)指標體系（GMV、ARPU、付費人數(shù)、付費率、付費頻次等）常見電商網(wǎng)站的指標體系構建常見互聯(lián)網(wǎng)產(chǎn)品的指標體系構建6、課程思政：《信息技術大數(shù)據(jù)大數(shù)據(jù)系統(tǒng)基本要求》國家規(guī)范理解數(shù)據(jù)安全、尊重客戶隱私、公平競爭及誠信的重要性，能運用誠信、敬業(yè)等價值觀引領學生解決數(shù)據(jù)分析過程中出現(xiàn)理念和方法偏差問題，規(guī)范行為。教學重點、難點：商務數(shù)據(jù)分析指標是商務數(shù)據(jù)分析的基礎。本章教學重點理解和掌握用戶數(shù)據(jù)、行為數(shù)據(jù)和業(yè)務數(shù)據(jù)常見的數(shù)據(jù)指標的含義和運用。教學難點在于對于不同商務業(yè)務問題和場景中如何拆解和構建數(shù)據(jù)指標體系，從而更好的分析和理解商務業(yè)務。課程的考核要求：1、了解商務業(yè)務中的指標與數(shù)據(jù)分析之間的關系；了解常見商務業(yè)務的盈利模式和業(yè)務目標。2、理解商務業(yè)務的內涵和構成要素；理解用戶數(shù)據(jù)、行為數(shù)據(jù)和業(yè)務數(shù)據(jù)三大商務業(yè)務數(shù)據(jù)中的各種統(tǒng)計指標的內涵。2、掌握DAU、MAU、新增、留存、渠道來源、PV、UV、轉化率、訪問時長、訪問深度、彈出率、GMV、ARPU、付費人數(shù)、付費率、付費頻次等不同數(shù)據(jù)指標的運用場景。復習思考題：1、通過常見電商網(wǎng)站（京東、拼多多、字節(jié)跳動、美團等）案例拆解商務業(yè)務及其商務模式。2、以京東或亞馬遜為例，系統(tǒng)地構建其商務業(yè)務指標體系。第4章Python數(shù)據(jù)分析庫的基本使用第一節(jié)Python數(shù)據(jù)分析庫的使用基礎Numpy的基本使用（1）數(shù)組結構與屬性（2）數(shù)組創(chuàng)建（3）數(shù)組索引與查詢（4）數(shù)組統(tǒng)計函數(shù)（5）數(shù)組廣播機制2、Pandas庫的基本使用（1）Pandas數(shù)據(jù)結構（2）數(shù)據(jù)讀?。?）數(shù)據(jù)查詢索引（4）數(shù)據(jù)合并（5）分組與透視第二節(jié)商務數(shù)據(jù)探索性分析商務數(shù)據(jù)描述性分析（1）集中趨勢分析（2）離散趨勢分析（3）交叉對比分析（4）結構與貢獻分析（5）相關分析2、實戰(zhàn)案例：員工薪水探索性分析（1）員工薪水描述分析（2）員工薪水對比分析（3）員工薪水相關分析教學重點、難點：Python中數(shù)據(jù)分析庫的使用是進行商務數(shù)據(jù)分析的基本功。本章教學重點在于掌握Python中兩大數(shù)據(jù)分析庫Numpy和Pandas的基本使用，讓學生學會Python數(shù)據(jù)分析庫的使用方法，并且通過實戰(zhàn)案例讓學生理解和掌握數(shù)據(jù)分析庫的運用。教學難點在于常見數(shù)據(jù)分析庫編程命令的理解以及集中、離散、結構、交叉以及相關等數(shù)據(jù)分析方法的運用。課程的考核要求：1、了解Python編程語言的基礎知識；了解集中、離散、交叉、相關分析等常見數(shù)據(jù)統(tǒng)計的基礎知識。2、理解Python數(shù)據(jù)分析庫Numpy和Pandas常見命令的使用；理解商務探索性分析所運用的基本數(shù)據(jù)分析方法和指標。3、掌握Numpy中數(shù)組屬性、數(shù)組創(chuàng)建、數(shù)組索引和查詢、數(shù)組統(tǒng)計函數(shù)、數(shù)組廣播機制等，以及Pandas中數(shù)據(jù)結構、數(shù)據(jù)讀取、數(shù)據(jù)查詢、數(shù)據(jù)合并、數(shù)據(jù)分組和透視等基本使用方法。4、通過實戰(zhàn)案例，能靈活運用Numpy庫和Pandas庫進行基本的商務數(shù)據(jù)探索性分析。復習思考題：1、系統(tǒng)梳理和總結描述統(tǒng)計分析、交叉對比分析、趨勢分析、結構與貢獻分析、分組與聚合分析、相關分析等數(shù)據(jù)分析常見統(tǒng)計指標和方法。2、通過Numpy和Pandas官方文檔，練習和掌握Numpy和Pandas數(shù)據(jù)分析基本命令和參數(shù)使用。第5章商務數(shù)據(jù)分析常用方法與模型第一節(jié)數(shù)據(jù)驅動的商務分析（數(shù)據(jù)化運營）的內容數(shù)據(jù)化運營的業(yè)務邏輯數(shù)據(jù)報表（數(shù)據(jù)源）→用戶畫像和產(chǎn)品分析（數(shù)據(jù)分析）→數(shù)據(jù)化運營（決策指導）→商務分析（宏觀判斷）→分析報告（結論梳理）數(shù)據(jù)化運用的主要內容（1）用戶數(shù)據(jù)化運用（用戶畫像）（2）商品數(shù)據(jù)化運營（產(chǎn)品分析）（3）內容數(shù)據(jù)化運營3、一個有責任的數(shù)據(jù)分析師如何做到依據(jù)數(shù)據(jù)說話，不造假不偏頗（課程思政切入點）第二節(jié)數(shù)據(jù)驅動的商務分析（數(shù)據(jù)化運營）的模型用戶數(shù)據(jù)化運營模型（1）用戶細分模型（2）用戶特征模型（3）用戶價值度模型（4）用戶活躍度模型（5）用戶流失預測模型2、商品數(shù)據(jù)化運營模型（1）商品關聯(lián)度模型（2）BCG矩陣分析模型（3）銷售預測模型（4）異常訂單檢測模型3、內容數(shù)據(jù)化運營模型（1）文章關鍵字模型（2）情感分析模型（3）搜索優(yōu)化模型（4）主題模型4、思政主題：中國人工智能發(fā)展通過美國對華為打壓事件的解讀，以及“新四大發(fā)明”等新技術的介紹，激發(fā)學生對數(shù)據(jù)模型、人工智能行業(yè)建設，為建設科技強國貢獻力量的偉大夢想。教學重點、難點：本章系統(tǒng)梳理商務數(shù)據(jù)分析的內容和主要模型，讓學生對商務數(shù)據(jù)分析涵蓋的內容、方法和模型有一個系統(tǒng)地理解。教學重點在于對數(shù)據(jù)驅動的商務分析（數(shù)據(jù)化運營）的內容與主要模型的掌握。教學難點在于對各種商務數(shù)據(jù)分析模型的運用場景的理解。課程的考核要求：1、理解數(shù)據(jù)驅動的商務分析（數(shù)據(jù)化運營）的業(yè)務邏輯；理解用戶數(shù)據(jù)化運營、商品數(shù)據(jù)化運營和內容數(shù)據(jù)化運營三大板塊數(shù)據(jù)化運營的主要內容。2、掌握常見的用戶特征模型、用戶價值度模型、用戶活躍度模型、用戶流失預測模型、商品關聯(lián)度模型、BCG矩陣分析模型、銷售預測模型、商品銷售模型、文章關鍵字模型、情感分析模型、主題模型等主要商務數(shù)據(jù)分析模型的運用場景。復習思考題：通過AirBnb案例數(shù)據(jù)，掌握用戶數(shù)據(jù)化運營的分析思路。通過亞馬遜入境電商案例數(shù)據(jù)，掌握入駐電商商品數(shù)據(jù)化運營思路。通過美團網(wǎng)的評論數(shù)據(jù)，掌握內容數(shù)據(jù)化運營思路。第6章Python商務數(shù)據(jù)清洗與可視化第一節(jié)Python數(shù)據(jù)清洗與預處理1、三值（缺失值、重復值、異常值）處理2、數(shù)據(jù)量綱變換3、分類特征數(shù)據(jù)處理4、連續(xù)特征數(shù)據(jù)處理5、日期型特征數(shù)據(jù)處理6、字符型特征數(shù)據(jù)處理第二節(jié)Python數(shù)據(jù)可視化Matplotlib及相關數(shù)據(jù)可視化的基本使用基本圖形的繪制（折線圖、柱形圖、條形圖、餅圖、箱線圖、熱力圖等）實戰(zhàn)案例：電商旅游線路數(shù)據(jù)的清洗與可視化教學重點、難點：本章重點掌握數(shù)據(jù)清洗與預處理的主要步驟和方法；以及數(shù)據(jù)可視化的主要圖形繪制方法。教學難點在于對分類變量、連續(xù)變量、日期變量和字符變量等數(shù)據(jù)特征的理解和轉換方法。課程的考核要求：1、理解數(shù)據(jù)變量與特征；理解缺失值、異常值、重復值等概念與區(qū)別；理解分類變量、連續(xù)變量、日期變量和字符變量等不同變量在數(shù)據(jù)分析中的區(qū)別與轉換。2、掌握數(shù)據(jù)分析中常見的“三值”處理、分類變量、連續(xù)變量、日期變量和字符變量等不同變量的數(shù)據(jù)處理方法，會用Python數(shù)據(jù)分析庫進行數(shù)據(jù)清洗與預處理；掌握Python數(shù)據(jù)可視化的方法。3、通過實戰(zhàn)案例，能運用Python數(shù)據(jù)清洗和可視化方法進行商務數(shù)據(jù)的清洗和可視化工作。復習思考題：通過共享單車數(shù)據(jù)、電商購買數(shù)據(jù)練習數(shù)據(jù)清洗與預處理。2、通過電商行為數(shù)據(jù)練習Python中的折線圖、箱線圖、條形圖、拼圖、熱力圖等圖形繪制方法。第7章商務訂單報表分析第一節(jié)訂單數(shù)據(jù)分析的基本思路1、訂單數(shù)據(jù)分析的一般思路2、數(shù)據(jù)分析維度的選擇3、常用圖形和分析模型的選擇4、訂單報表分析結論與報告第二節(jié)訂單報表的宏觀和微觀分析訂單報表的宏觀分析（待支付、已支付、已發(fā)貨訂單數(shù)據(jù)分類，不同分類的數(shù)據(jù)分析要點）訂單報表的微觀分析（1）訂單下單時間分析（訂單下單時間按周、小時、分鐘分類分析；周訂單波動分析；一周不同時間用戶購買習慣差異分析）（2）用戶購買行為和屬性分析（下單時間、客單價、用戶活躍時間、購買能力、用戶身份等分析）（3）地區(qū)品牌滲透度分析（送貨地區(qū)、客單價、地區(qū)用戶購買力、頭部市場、長尾市場等）3、實戰(zhàn)案例：京東訂單數(shù)據(jù)的報表分析教學重點、難點：本章教學重點為訂單數(shù)據(jù)分析的基本思路；掌握訂單數(shù)據(jù)分析維度的選擇以及指標體系的構建。教學難點訂單數(shù)據(jù)分析中宏觀和微觀分析維度的選擇。課程的考核要求：1、掌握訂單數(shù)據(jù)分析的一般思路和流程；掌握訂單數(shù)據(jù)分析維度的選擇與指標體系的構建；掌握訂單報表分析報告的撰寫方法。2、掌握訂單報表分析中宏觀分析和微觀分析不同角度和方法。3、應用京東訂單數(shù)據(jù)，掌握真實商務數(shù)據(jù)的數(shù)據(jù)清洗與預處理、報表分析的特征維度的選擇和提取、宏觀和微觀分析不同指標的選擇和分析方法。復習思考題：1、基于京東真實訂單數(shù)據(jù)，用Python練習數(shù)據(jù)清洗與預處理等相關操作。2、基于京東真實訂單數(shù)據(jù)，用Python練習訂單報表的宏觀分析和微觀分析步驟和方法。3、基于宏觀分析和微觀分析，試著撰寫京東訂單報表分析報告。第8章用戶畫像第一節(jié)構建用戶畫像流程什么是用戶畫像（profilev.s.persona）（用戶屬性數(shù)據(jù)+用戶行為數(shù)據(jù)）2、構建用戶畫像的主要步驟（明確用戶畫像目標→數(shù)據(jù)采集→特征工程→數(shù)據(jù)標簽化→用戶畫像）第二節(jié)用戶畫像的使用場景和業(yè)務價值（為什么要搭建用戶畫像體系）獲客（如何進行拉新，通過更精準的營銷獲取客戶等）粘客（個性化推薦、搜索排序、場景運營等）留客（流失率預測，分析關鍵節(jié)點降低流失率等）第三節(jié)用戶畫像常見方法分析用戶基本屬性（性別、年齡、受教育程度、地域分布等）分析用戶行為屬性（下單時間、促銷敏感度、評論敏感度等）分析用戶的偏好屬性（用戶加購行為、用戶購買品牌、購買周期等）4、課程思政：“酒店2000萬入住信息遭泄露”案例引導學生思考在進行用戶數(shù)據(jù)分析過程中，哪些環(huán)節(jié)會導致客戶信息泄露。結合案例講解客戶信息泄露引發(fā)的法律問題及責任，隱私分界線以及如何規(guī)避此類問題，并適時滲透數(shù)據(jù)安全、誠信法治等價值觀。教學重點、難點：本章教學重點理解和掌握用戶畫像的主要步驟以及如何給用戶貼標簽。教學難點在于用戶畫像常用方法中數(shù)據(jù)特征的選擇和標簽化。課程的考核要求：1、理解用戶畫像的含義和步驟。2、理解用戶畫像的使用場景和業(yè)務價值，能根據(jù)不同商務業(yè)務場景正確使用用戶畫像方法。3、掌握用戶畫像中用戶屬性數(shù)據(jù)和行為數(shù)據(jù)的特征提取，掌握用戶數(shù)據(jù)標簽化的方法。復習思考題：1、理解profilev.s.persona不同區(qū)別。2、系統(tǒng)梳理用戶屬性、用戶行為、用戶偏好等不同維度的標簽特征和指標體系。第9章Python用戶畫像實戰(zhàn)本章為上機實驗?；趤嗰R遜入境電商用戶數(shù)據(jù)進行用戶畫像實戰(zhàn)。訓練要點：用戶地區(qū)分布分析（帕累托圖，找到二八分布的頭部市場）2、用戶購買習慣分析（找到不同地區(qū)用戶購買高峰時間，幫助品牌商進行價格實行調整實現(xiàn)利潤最大化）3、價格地區(qū)分布分析（與用戶地區(qū)分布分析進行交叉分析，找到長尾市場中的高客單價潛在市場和用戶）4、品牌商定位分析（通過市場細分分析，多品牌矩陣分析找到品牌商的市場定位）5、用戶搜索習慣分析（產(chǎn)品鏈接的詞頻分析，找到潛力市場）第10章用戶消費行為分析漏斗模型及運用什么是漏斗模型為何建立漏斗模型漏斗模型運用——AARRR分析法（獲取用戶（Acquisition）；激活用戶（Activation）；提高留存（Retention）；獲取收入（Revenue）；自傳播（Refer））用戶分層分析用戶分層的意義用戶價值度模型——RFM模型（R-recently最近一次消費；F-frequency消費頻率；M-monetary消費金額）用戶的其他行為分析用戶生命周期分析（復購率、回購率、留存率、客戶貢獻率）用戶活躍度分析（新用戶、活躍用戶、不活躍用戶、回流用戶）教學重點、難點：本章教學重點理解和掌握漏斗模型和用戶分層模型。教學難點在于理解AARRR模型和RFM模型在商務業(yè)務中的運用，以及如何用RFM模型對用戶分層。課程的考核要求：理解漏斗模型及其在商務領域中運用。2、理解復購率、回購率、留存率、客戶貢獻率、新用戶、活躍用戶、不活躍用戶、回流用戶等相關概念。掌握AARRR分析法在用戶消費行為中的運用。理解和掌握RFM模型的含義，并能根據(jù)商務數(shù)據(jù)對用戶分層。復習思考題：1、運用Airbnb數(shù)據(jù)，掌握AARRR分析模型的步驟和Python實戰(zhàn)細節(jié)。2、運用京東電商數(shù)據(jù)，掌握RFM分析模型的步驟和Python實戰(zhàn)細節(jié)。第11章Python用戶行為分析實戰(zhàn)本章為上機實驗。基于淘寶用戶數(shù)據(jù)對用戶消費行為進行系統(tǒng)分析。掌握Python在用戶消費行為分析的方法和細節(jié)。訓練要點：1、用戶消費特征分析（用戶整體消費分析、用戶個體消費分析、用戶消費周期分析等）2、用戶分層分析（RFM分析）3、用戶活躍度分析（新用戶、活躍用戶、不活躍用戶、回流用戶）4、用戶生命周期分析（復購率、回購率、留存率、客戶貢獻率）第12章商品數(shù)據(jù)分析商品畫像1、什么是商品畫像2、為什么要商品畫像（平臺定位、供應商定位、KA（KeyAccount，即重要客戶）商家與長尾商家的劃分）商品定位分析波士頓矩陣概念商品結構：金牛/明星/瘦狗/問題型產(chǎn)品及類目的劃分商品運營分析用4P分析建立商品運營分析結構（產(chǎn)品（product）、價格（price）、渠道（place）、促銷（promotion））商品關聯(lián)分析與購物籃分析（支持度、可信度、提升度）教學重點、難點：商品數(shù)據(jù)分析在商務分析領域有重要價值與運用。本章教學重點在于掌握商品畫像；掌握商品定位分析以及商品關聯(lián)分析在商務場景中的運用。教學難點在于對KA商家與長尾商家、支持度、可信度、提升度等相關概念的理解和掌握。課程的考核要求：1、理解商品畫像商務場景與意義；理解KA商家與長尾商家對于供應商定位和平臺定位的作用。2、理解支持度、可信度、提升度等相關概念，掌握其在商品關聯(lián)分析和購物籃分析中的運用。3、理解波士頓矩陣，掌握金牛/明星/瘦狗/問題型產(chǎn)品及類目的劃分在商品結構分析中的運用。復習思考題：1、如何運用4P理論整合商品運營的主要要素，并建立完善的分析結構。2、如何使用波士頓矩陣做商品結構分析。3、如何使用商品關聯(lián)分析和購物籃分析輔助商務決策。第13章用Python實現(xiàn)商品分析本章為上機實驗?；诰〇|圖書數(shù)據(jù)對商品數(shù)據(jù)進行分析。掌握Python在商品數(shù)據(jù)分析主要方法、模型和細節(jié)。訓練要點：1、商品畫像分析（通過商品類目的銷售狀況的劃分區(qū)分KA商家和長尾商家）2、波士頓矩陣分析（通過金牛/明星/瘦狗/問題型圖書類目的劃分掌握京東圖書商品的銷售結構）3、關聯(lián)度分析（購買圖書的用戶還購買了哪些類商品）第14章內容數(shù)據(jù)分析內容分析指標SEO類指標（收錄數(shù)量/比例、關鍵字排名、點擊量和點擊率等）內容流量指標（到達率、UV、PV、訪問深度、停留時間、跳出/跳出率、退出/退出率等）內容互動指標（收藏率、點擊率、評價量、傳播量/傳播率等）主要分析模型文章關鍵字模型（應用場景是帖子、新聞、資訊、評論、問答等的標簽、內容和meta信息的產(chǎn)生；通過詞頻統(tǒng)計、TF-IDF模型獲得文本的主要關鍵字）情感分析模型（應用場景主要有客戶傾向分析、口碑分析、輿情監(jiān)測、話題監(jiān)督等；通過文本預處理→文本分詞→文本向量化→特征提取→分類建模和效果評估等步驟加以實現(xiàn)）主題模型（主要用于客戶情感分析、個性化推薦、社交分析、輿情監(jiān)測等；通過潛在語義分析（PLSA）、LDA等分析模型加以實現(xiàn)）教學重點、難點：內容運營是信息化媒體商務運營的核心，對于此類公司而言，內容即公司的核心價值。本章屬于商務數(shù)據(jù)分析的較難內容，涉及文本分析與自然語言處理技術，作為教學內容旨在對其做一個基本介紹。本章重點在于對內容數(shù)據(jù)的主要指標和分析模型的理解。難點在于理解內容運營分析的情感分析模型和主題模型。課程的考核要求：了解內容數(shù)據(jù)分析在商務數(shù)據(jù)分析中的運用場景和價值。2、理解SEO類指標、內容流量指標、內容互動指標等主要內容分析指標的含義及其在商務分析中的運用。3、理解情感分析模型和主題模型的分析步驟和方法。復習思考題：舉例說明，各內容分析指標在商務中的運用。試著用Python實現(xiàn)詞頻統(tǒng)計、TF-IDF以及詞云圖的繪制。闡述情感分析模型和主題模型的文本處理步驟和分析方法。第15章商務數(shù)據(jù)分析報告撰寫如何撰寫商務數(shù)據(jù)分析報告商務數(shù)據(jù)分析報告的作用（展示分析結果、驗證分析質量、為決策者提供參考）數(shù)據(jù)分析報告的種類（專題分析報告、綜合分析報告、日常數(shù)據(jù)通報等）數(shù)據(jù)分析報告的結構（一般為“總—分—總”結構，主要包括：開篇、正文和結尾三大部分?！翱偂帧偂苯Y構的開篇部分包括標題頁、目錄和前言（主要包括分析背景、目的與思路）；正文部分主要包括具體分析過程與結果；結尾部分包括結論、建議及附錄。）4、如何在數(shù)據(jù)分析報告中不泄露企業(yè)商務秘密（課程思政切入點）撰寫出彩的數(shù)據(jù)分析報告的建議完整的報告結構精致的頁面版式漂亮的可視化圖形突出報告的關鍵信息用報告對象習慣的方式撰寫報告6、課程思政：“大數(shù)據(jù)思維”通過數(shù)據(jù)分析報告的撰寫內容介紹，引導學生樹立“大數(shù)據(jù)思維”，思維方式勝于數(shù)據(jù)分析本身。數(shù)據(jù)思維對公司商務決策、商務價值維護起決定作用。教學重點、難點：數(shù)據(jù)分析報告是商務數(shù)據(jù)分析的最終環(huán)節(jié)，旨在將數(shù)據(jù)分析結果傳遞給業(yè)務管理部門進行商務決策。掌握商務數(shù)據(jù)分析報告的撰寫是商務數(shù)據(jù)分析師的必技能。本章重點在于理解和掌握商務數(shù)據(jù)分析報告的結構和內容。教學難點在于讓學生理解如何撰寫出彩的商務數(shù)據(jù)分析報告。課程的考核要求：理解什么是商務數(shù)據(jù)分析報告以及在商務分析中的地位和作用。掌握商務數(shù)據(jù)分析報告的結構