大數據統計分析方法在經濟管理領域中的應用

張瑞

【摘要】? ? 經濟管理工作中，數據的統計分析是基礎，能為制定決策提供依據。文章從大數據統計分析對經濟管理的作用出發，介紹了常見的大數據統計分析模型，對生存模型進行深度研究和剖析，最后闡述了大數據統計分析方法在經濟管理領域中的應用和新思路。

【關鍵詞】? ? 經濟管理? ? 大數據? ? 統計分析? ? 生存模型? ? 新思路

統計學屬于數學知識領域，也是經濟管理的基本內容，統計分析就是數據收集、整理、分析、利用的過程。隨著經濟社會發展，大數據統計分析應運而生，是對傳統統計分析理念和方法的革新。面對激烈的市場競爭，合理運用大數據統計分析方法，有助于合理配置資源，提高管理效率。以下結合實踐，探討了大數據統計分析在經濟管理領域的應用情況。

一、大數據統計分析對經濟管理的作用

大數據統計分析對經濟管理的作用，體現在兩個方面：一是提升管理水平。企業發展面臨較大壓力，這種壓力來源于國內同行和國外企業。在經濟管理方面，只有收集市場信息，及時調整發展策略，才能獲得良好發展。尤其是財務管理上，面對復雜的工作局面，采用大數據統計分析方法，能提升管理水平，積極應對市場競爭。二是積極規避風險。在經濟管理領域，風險管理是一個重點和難點，因為風險無處不在。應用大數據統計分析方法，對各項業務和經濟活動進行分析，能發現異常數據和隱藏規則，明確風險隱患，繼而制定針對性的防范措施。

二、常見的大數據統計分析模型

基于大數據技術下，常用的統計分析模型有：行為事件模型、漏斗分析模型、分布模型、留存模型、行為路徑模型、用戶分群模型、屬性分析模型等。以下簡要介紹分布模型、留存模型。

2.1 分布分析模型

產品優化和運營是一個動態過程，需要監測數據變化，調整產品的設計或運營方法，然后繼續監測效果，如此反復循環。分布分析模型，可用來了解不同區間事件的發生頻次，不同事件計算變量的加和，以及不同頁面瀏覽時長等區間的用戶數量分布，如下圖1所示。

例如：小王是電商產品經理，用戶瀏覽商品詳情頁時，他關注的問題有：①最近1周瀏覽商品詳情頁的用戶，例如1-5次、6-10次等不同區間的用戶量分布情況;②最近一段時間內，每日用戶瀏覽商品詳情頁人均數量、最大值、最小值、中位數、25分位、75分位的趨勢;③不同廣告渠道帶來的用戶，瀏覽商品詳情頁1-5次、6-10次等不同區間的用戶量有多少。采用分布分析模型，就可以解決以上問題，直觀得到各種數據結果。

2.2 留存分析模型

留存就是留下來并持續使用，不論是各類APP，還是網站、網絡游戲，留存率均是一個重要的評價指標。一般情況下，留存率是指目標用戶在一段時間內，回到網站或App中完成某個行為的比例，常用指標有次日留存率、七日留存率、次周留存率等，如下圖2所示。做好留存才能保障新用戶不會流失，而是進行持續消費，最終從新用戶轉變為老用戶。

以某個APP為例，如果單純看日活量，覺得數據不錯，但有可能是因為近期有密集的推廣拉新活動，促使大量的新用戶注入。但是，真正留下來的用戶不一定在增長，可能在減少，只不過被新用戶數據掩蓋了所以看不出來，這樣的話很難獲得持續增長。利用留存率進行分析，更能體現出用戶對APP的依賴程度，采用留存分析模型，就能得到用戶在不同時間段使用APP的情況。

三、生存模型的深度研究和剖析

3.1 概念

生存模型，描述基于時間的系統失敗或生命死亡的概率模型。以某一時刻（t=0）開始記錄某種設備、某類動物或某類人群的未來壽命T，未來壽命大于任意時刻（t>0）的概率P[T>t]。該模型在生存分析、生命表編制中具有重要作用。

3.2 生存函數

定義生存函數：S（t）=P（Z>t）。用（Yi，Ci，Zi）代表第i個（1≤i≤n）個體數據，其中Yi代表觀測到的生存時間;Ci是0-1變量，代表觀測的生存狀態;Zi代表真實的生存時間。可以得到：

定義ε（t）為事件，在一個特定的時刻事件或死亡個數。R（t）為在險者，對于任意給定的時間t，觀測到的生存時間超過t的個體。

3.3 KM估計

KM法即乘積極限法，是現在生存分析最常用的方法，由Kaplan和Meier在1958年提出。KM法是這樣估計生存曲線的：首先計算出活過一定時期的病人，再活過下一時期的概率，然后將逐個生存概率相乘，即為相應時段的生存率。

3.4 實例分析

生存分析最初用于對病人服藥后的存活時長進行預測分析，后來逐漸利用于各種與期間有關的問題中，并成為了最著名的時間變數模型。經濟領域研究用戶行為，用戶流失是一個主要研究方向，將生存模型引入其中，既能研究期間問題，又能解釋風險因子。整個分析步驟如下：①原始數據格式處理，把數據處理為用戶、生存時長、是否刪失的數據格式。②繪制KM估計及生存曲線。③判斷協變量是否存在時變變量，有的話進行數據格式的二次處理，將數據打斷為用戶、起始時間、結束時間、是否刪失的格式。④判斷協變量系數是否存在時變效果，即PH假設檢驗。如果檢驗不通過，對時變效果進行繪制，并進行數據分層。⑤建立擴展Cox-PH模型，估計風險因子的影響。

例如：商家為了留住消費者，采用發放優惠券的方式刺激長期消費，下表1就是一個原始的生存模型分析結果。其中，系數一欄數據為正表示會增大風險，為負則會減小風險;exp值是風險增加或減小的倍數;P值代表變化是否顯著。結果表明：隨著發放優惠券的總數量增加，消費者流失風險明顯降低;而且每增加一個優惠券，流失風險會變為原來的0.94倍。

四、大數據統計分析在經濟管理領域中的應用和新思路

4.1 應用

一是財務管理。資金資源使用是否合理，風險要素控制是否有效，均和財務管理密切相關。采用大數據統計分析方法，可對財務數據進行整合，為管理決策提供支持，為各種經濟活動的開展提供保障。從財務管理的具體內容看，由于數據量大、涉及范圍廣、存在交叉和重復情況，應用大數據統計分析方法，能確保財務管理的規范性，發現異常數據，確保經濟活動有序進行。

二是營銷管理。在運營方面，采用大數據統計分析方法能找出企業的發展規律，對以往發展決策的科學性、合理性進行評價，進一步優化人、財、物等資源的配置。實現信息共享，打破部門隔閡，提高溝通效率和運行效率。在銷售方面，對消費數據進行統計分析，能反饋產品在市場上的受歡迎程度，明確消費者的興趣和偏好。從而打造出爆款產品，提高銷售額、增加利潤空間。

4.2 新思路

基于大數據技術下，未來經濟統計工作的開展，一方面要更新統計觀念。樹立科學發展觀，站在科學發展的角度開展經濟統計分析工作，對傳統的管理觀念進行變革，融入大數據和信息技術。同時樹立風險意識，明確統計工作中常見的風險項，制定完善的風險預案，及時有效化解風險。二要變革統計方法，例如：數據挖掘、神經網絡、決策樹法、遺傳算法等，深入研究這些技術的應用，和統計工作有機結合，不斷提高統計效率和數據質量。

五、結束語

綜上所述，經濟管理的基礎就是數據的統計分析，大數據統計分析方法能提升管理水平，積極規避風險，目前主要用在財務管理、營銷管理上。文章重點介紹了分布模型、留存模型和生存模型的應用，希望為經濟管理活動提供技術支持，不斷提高數據統計效率和質量。

參? 考? 文? 獻

[1]肖可成，黃倩.大數據在區域經濟統計中的應用探析[J].科技經濟導刊，2021，29（2）：8-9.

[2]蔡學琴.大數據時代下關于經濟統計應用問題的思考[J].全國流通經濟，2020（34）：178-180.

[3]林菁.試論大數據統計分析方法在經濟管理領域中的運用[J].中國集體經濟，2020（34）：163-164.

[4]陳雪琴.大數據統計分析方法在經濟管理領域中的應用[J].山西農經，2019（5）：37.