Excel數據挖掘技術在電商運營預測分析中的應用

羅燕君

[摘 要] Excel 2007及以上版本可連接數據挖掘外接程序，實現數據挖掘功能。這為電子商務運營人員開展電子商務數據挖掘工作提供了簡便易學又好用的工具。該文從基于ARIMA模型的時間序列分析、基于線性回歸模型的定量分析和基于邏輯回歸模型的定性分析三方面，來闡述Excel數據挖掘技術在電商運營預測分析中的應用研究。

[關鍵詞] Excel數據挖掘；電商運營；預測分析

doi ： 10 . 3969 / j . issn . 1673 - 0194 . 2017. 19. 059

[中圖分類號] F713.36 [文獻標識碼] A [文章編號] 1673 - 0194（2017）19- 0140- 03

1 引 言

對電商行業而言，數據分析在電子商務運營工作中是特別重要的，許多工作都需要使用到數據分析。而數據分析中的電商運營預測分析尤其重要。企業做預測，是為了更好地做決策，提高企業運營水平。電子商務從業人員需要通過預測來把握電商行業發展趨勢，以及電商市場動態變化，以減少未來不確定性，減少決策時面臨的風險，使企業運營工作順利進行。

如今，數據挖掘作為一種更深入的數據分析方法，其使用領域越來越大，不過這種強大的數據分析方法，只有專業研究人員和少數企業在使用。大多數沒有進行數據分析專業培訓的電子商務從業人員在面對深奧的專業軟件的時候，很多就退縮了。其實，大家忽略了就在身邊的方便易用且功能強大的數據挖掘工具——Excel[1]。本文介紹了如何運用Excel的數據挖掘技術對電子商務運營進行預測分析，從而為廣大電商從業人員在電商運營工作中發現新的更快捷簡便的數據分析與數據挖掘方法提供參考，對促進行業發展有重要意義。

2 Excel數據挖掘技術與電商運營預測分析

2.1 Excel數據挖掘技術簡介

數據挖掘，顧名思義就是從龐大的數據中挖掘寶藏（信息、知識、見解、假設、課題等）的一種方法和過程[1]。它指從海量的實際應用數據中，獲取隱含在其中的潛在有用信息和知識的過程。它是一種新的商業信息處理技術，其主要特點是對商業數據庫中的大量業務數據進行抽取、轉換、分析和其他模型化處理，從中提取輔助商業決策的關鍵性數據[2]。總之，數據挖掘就是一種更深入的數據分析方法。

Excel也可進行數據挖掘工作。在使用Excel數據挖掘工具前，先要裝好Excel數據挖掘外接程序，并且要有Microsoft SQL Server Analysis Services （SSAS） 的支持[3]。安裝好數據挖掘外接程序后，Excel菜單欄會比之前多出數據挖掘一項（見圖1）。

本文使用的系統環境和工具分別是Windows 7，Excel 2013和SQL Server 2012數據庫，數據挖掘外接程序版本是Microsoft SQL Server 2012 Office 2010。 Excel安裝數據挖掘外接程序再連接數據庫，可以很方便地運行算法，快速處理和執行復雜的數據分析，且有助于揭示數據中隱藏的模式和關系，然后利用它們提高分析質量[3]。

2.2 Excel數據挖掘技術與電商運營預測分析的關系

數據挖掘能從大量繁雜的數據中獲取隱含其中的信息，比如說對顧客分類，聚類，欺詐甄別，潛在顧客識別等，現在應用領域非常廣，如設計、零售、金融、銀行、醫療、政府決策、企業財務、商業決策等國民經濟生活中的各個領域[4]。電子商務相對以往商務形式，更能夠快速采集全面、準確的數據，能使工作人員從數據中獲取更多更有用的信息，因此，數據和分析的重要性越來越加大。只有通過數據分析預測電商企業運營與管理情況，客戶心理和行為方式，預測商品成交的趨勢規律和行業信息，才可以掌握電子商務企業總體運營狀況，才可以及時調整企業戰略及戰術的方針政策。

近年來電商行業在不斷的發展，所以電子商務企業面對的數據已經越來越龐大和復雜，電子商務人員每天都要在巨量數據中去找尋有用的信息，所以行業需要大量具有數據分析和數據挖掘能力的人才。截止到 2016 年 12 月，中國電子商務服務企業直接從業人員超過 305 萬人，同比增長 8%[5]。這樣龐大的行業隊伍中的許多人其實并不具有很高的學歷，而具有專業的數據分析與統計分析能力的人更是少之又少，這顯然是不能滿足電商行業的數據分析與數據挖掘工作需要的。提起數據挖掘工具，就會想到SAS、SPSS等軟件。這些專業數據挖掘工具，與Excel相比，入門及使用難度都相對大許多，許多電商從業人員比較難接受。而Excel挖掘工具，既學習使用起來簡單易用，而且一般常用數據挖掘功能都具備，能滿足日常電商運營中數據挖掘工作的需要。所以掌握數據挖掘的方法，并不一定需要學習一些高深統計學知識，以及高深數據挖掘工具。其實只要使用日常所用的Excel再外接數據挖掘程序就行了。Excel以其功能強大的數據處理和分析功能以及簡單易用的特點，在電子商務運營數據分析工作中得到了廣泛應用，已經成為電子商務數據分析的重要工具之一。Excel可以進行各種常見的數據挖掘工作：包含數據分類、聚類、關聯、預測、估計等。其中的預測與估計功能在電商運營預測分析中可以有非常好的應用。

3 Excel數據挖掘技術關于電商運營預測分析的方法和操作路徑

電商運營預測指的是，用各種先進的手段，對影響電商市場變化的多種因素進行科學研究、分析、判斷其趨勢，把握其發展的規律，為電商經營決策者提供可靠的決策依據。電子商務運營當中的很多評估和決策都要以預測為前提，可以用具體的預測數據來進行支持。及時準確的數據可以幫助電商運營人員通過科學的預測方法減少決策的風險并且降低對于員工個人能力的要求，幫助公司積累經驗和競爭力。

Excel連接了數據挖掘外接程序，可以對數據進行時間序列、定性和定量等方面的預測分析。endprint

3.1 基于ARIMA模型的時間序列分析預測法

時間序列就是按時間順序排列的一組數據序列。時間序列分析就是發現這組數據變動規律并用于預測的統計技術。

其中ARIMA模型是重要的時間序列模型。ARIMA模型全稱為自回歸移動平均模型。該模型建立后就可以用時間序列中過去與現在的數據來預測未來的數據。

基于此模型的Excel數據挖掘方法在某種程度上已經能夠幫助電商企業在運營中對未來進行預測。其利用時間數據變動規律來預測，主要可以應用于預測銷量、點擊率、流量和銷售額等。

下面從圖2到圖6是使用Excel數據挖掘工具進行電商運營時間序列預測的典型應用展示。將需要預測的數據：某類目商品15年8月到16年7月的銷量（圖2），利用Excel數據挖掘中的預測工具（圖3）進行預測，得到圖4、圖5和圖6的預測結果，分別為圖形結果、模型結果和數據表格結果。其中圖6數據表格結果中的銷量是預測的銷量，標準偏差為預測值的誤差。

3.2 基于線性回歸模型的定量分析預測法

回歸分析是對客觀事物數量依存關系的分析，是數理統計中的一個常用的方法，是處理多個變量之間相互關系的一種數學方法。

所謂線性回歸模型就是指因變量和自變量之間的關系是直線型的。 回歸分析預測法中最簡單和最常用的就是線性回歸預測法。線性回歸分析是對客觀事物數量關系的分析，是一種重要的統計分析方法，可以被廣泛的用于電商運營工作中數據變量之間的影響因素和關聯的研究。

使用Excel數據挖掘的估計工具中的線性回歸算法參數，可以通過利用數據變量之間的影響因素和關聯關系來預估其中某變量未來值。比如依據成交商品數和活躍商品數之間的關系規律預估未來的成交商品數；依據成交量和高質量寶貝的關系規律，預估未來成交量；依據銷量與點擊率的規律關系，預估未來銷量等等。

下面從圖7到圖11是運用Excel數據挖掘工具進行電商線性回歸預測的典型應用展示。將需要預測的數據：某類目商品15年8月到16年7月的成交商品數和活躍商品數（圖7），利用Excel數據挖掘中的估計工具（圖8）進行預測，算法參數選到線性回歸（圖9），得到圖10和圖11的預測結果，分別為模型結果和數據表格結果。其中圖11數據表格結果中的輸出1是預測的成交商品數。

3.3 基于邏輯回歸模型的二分類定性分析預測法

二分類，顧名思義，就是兩個分類狀態，例如用戶是否購買商品、用戶是否流失等都屬于二分類；邏輯回歸是一項可用于預測二分類結果的統計方法，廣泛應用于當今社會各領域中，在電商運營數據分析中也應用廣泛。

在實際電商運營工作中，電商運營人員會遇到諸如此類的情形：預測一個用戶是否會點擊某個商品或寶貝、是否會購買某個類目商品，判斷客戶的性別、 判斷某條評論是好的還是壞的等等。這些判斷是或否，對或錯的預測稱為二分類預測。

使用Excel數據挖掘的估計工具中邏輯回歸算法參數，可以很方便地在電商運營工作中進行二分類預測。

下面從圖12到圖16是使用Excel數據挖掘工具進行電商運營二分類預測的典型應用展示。將不同地區買家，已購物金額、購買件數和是否重復購買等參數（圖12），利用Excel數據挖掘中的估計工具（圖13）對其他買家是否重復購買進行預估，預測算法參數選到邏輯回歸（圖14），得到圖15和圖16的預測結果，分別為模型結果和數據表格結果。其中圖16數據表格結果中的輸出1中的1表示會重復購買，0表示不會重復購買。

4 結 語

如上文所述Excel安裝好數據挖掘外接程序，結合SQL Server數據庫，在多種算法的支持下，具有很強的數據挖掘功能，并且將數據挖掘結果呈現給數據挖掘人員，對電商運營數據分析有重要作用，已能很大程度地滿足日常運營分析需要。

使用Excel數據挖掘工具能簡單且方便地對電商運營數據進行時間序列、定性和定量等方面的預測分析。其實除預測和估計分析外，Excel數據挖掘工具還能進行如分類、關聯、聚類等其他數據分析，因其簡單易學的特性，大大降低了電子商務從業人員進行數據分析與數據挖掘的門檻，是廣大電商從業者的福音。

當然通過Excel數據挖掘工具得到的數據挖掘結果，還需要會解讀并執行應用到電商實際工作中才能產生真正的價值。總的來說，Excel數據挖掘技術對于電子商務企業而言是巨大的財富。

主要參考文獻

[1][日]上田和明.用Excel學數據挖掘 [M].孫英英，譯.北京：科學出版社2012.

[2]吳玲敏.淺談數據挖掘在電子商務中的應用[J].中國商貿，2009（10）.

[3]徐軍偉，程國忠.Excel 2010數據挖掘工具的應用研究[J].電腦知識與技術，2014.

[4]Jiawei Han，Micheline Kanber，Jian Pei.數據挖掘概念與技術[M].范明，孟小峰，譯.北京：機械工業出版社，2007.

[5]中國電子商務研究中心.2016年度中國電子商務人才狀況調查報告[EB/OL].http：//www.100ec.cn/zt/16rcbg/，2017-06-14.endprint