R语言商务数据分析教学大纲
R语言商务数据分析实战全套教案
第1章R语言数据分析概述教案课程名称：R语言商务数据分析实战课程类别：必修适用专业：大数据技术类相关专业总学时：80学时（其中理论45学时，实验35学时）总学分：5.0学分本章学时：2学时一、材料清单（1）《R语言商务数据分析实战》教材。
（2）配套PPT。
（3）引导性提问。
（4）探究性问题。
（5）拓展性问题。
二、教学目标与基本要求1.教学目标根据目前数据分析发展状况，将数据分析具象化。
而后介绍数据分析的概念，流程，目的以及应用场景。
阐述使用R语言进行数据分析的优势。
列举说明R语言数据分析重要Packages的功能。
2.基本要求（1）了解数据分析的概念。
（2）了解数据分析的流程。
（3）了解数据分析在实际中的应用。
（4）了解R语言数据分析中常用的Packages。
三、问题1.引导性提问引导性提问需要教师根据教材内容和学生实际水平，提出问题，启发引导学生去解决问题，提问，从而达到理解、掌握知识，发展各种能力和提高思想觉悟的目的。
（1）数据分析能够做什么？（2）现实生活中存在哪些数据分析技术？（3）该如何进行数据分析？（4）R语言有哪些优势？2.探究性问题探究性问题需要教师深入钻研教材的基础上精心设计，提问的角度或者在引导性提问的基础上，从重点、难点问题切入，进行插入式提问。
或者是对引导式提问中尚未涉及但在课文中又是重要的问题加以设问。
（1）数据分析的完整流程是怎样的？（2）数据分析的能够应用在那些场景？（3）R语言常用的Packages有哪些？3.拓展性问题拓展性问题需要教师深刻理解教材的意义，学生的学习动态后，根据学生学习层次，提出切实可行的关乎实际的可操作问题。
亦可以提供拓展资料供学生研习探讨，完成拓展性问题。
（1）数据分析是不是万能的？（2）分析本班人员的基本信息可以从哪些角度入手？四、主要知识点、重点与难点1.主要知识点（1）数据分析的概念、流程与应用场景。
（2）R语言在数据分析中的优势。
（3）R语言常用的Packages。
R语言商务数据分析实战全套教案
第1章R语言数据分析概述教案课程名称：R语言商务数据分析实战课程类别：必修适用专业：大数据技术类相关专业总学时：80学时（其中理论45学时，实验35学时）总学分：5.0学分本章学时：2学时一、材料清单（1）《R语言商务数据分析实战》教材。
（2）配套PPT。
（3）引导性提问。
（4）探究性问题。
（5）拓展性问题。
二、教学目标与基本要求1.教学目标根据目前数据分析发展状况，将数据分析具象化。
而后介绍数据分析的概念，流程，目的以及应用场景。
阐述使用R语言进行数据分析的优势。
列举说明R语言数据分析重要Packages的功能。
2.基本要求（1）了解数据分析的概念。
（2）了解数据分析的流程。
（3）了解数据分析在实际中的应用。
（4）了解R语言数据分析中常用的Packages。
三、问题1.引导性提问引导性提问需要教师根据教材内容和学生实际水平，提出问题，启发引导学生去解决问题，提问，从而达到理解、掌握知识，发展各种能力和提高思想觉悟的目的。
（1）数据分析能够做什么？（2）现实生活中存在哪些数据分析技术？（3）该如何进行数据分析？（4）R语言有哪些优势？2.探究性问题探究性问题需要教师深入钻研教材的基础上精心设计，提问的角度或者在引导性提问的基础上，从重点、难点问题切入，进行插入式提问。
或者是对引导式提问中尚未涉及但在课文中又是重要的问题加以设问。
（1）数据分析的完整流程是怎样的？（2）数据分析的能够应用在那些场景？（3）R语言常用的Packages有哪些？3.拓展性问题拓展性问题需要教师深刻理解教材的意义，学生的学习动态后，根据学生学习层次，提出切实可行的关乎实际的可操作问题。
亦可以提供拓展资料供学生研习探讨，完成拓展性问题。
（1）数据分析是不是万能的？（2）分析本班人员的基本信息可以从哪些角度入手？四、主要知识点、重点与难点1.主要知识点（1）数据分析的概念、流程与应用场景。
（2）R语言在数据分析中的优势。
（3）R语言常用的Packages。
《R语言数据分析》课程教案—07电子商务网站智能推荐服务
第7章电子商务网站智能推荐服务教案一、材料清单（1）《R语言商务数据分析实战》教材。
（2）配套PPT。
（3）引导性提问。
（4）探究性问题。
（5）拓展性问题。
二、教学目标与基本要求1.教学目标主要介绍协同过滤算法在电子商务领域中实现用户个性化推荐的应用。
通过对用户访问网页日志的数据进行分析与处理，采用基于物品的协同过滤算法进行建模分析，最后通过模型评价与结果分析，得到智能推荐模型。
2.基本要求（1）熟悉网站智能推荐的步骤与流程。
（2）掌握简单的统计分析方法，运用于网页流量的统计。
（3）对某网站数据进行预处理，包括数据去重、数据变换和特征选取。
（4）使用协同过滤算法对某网站进行智能推荐。
三、问题1.引导性提问引导性提问需要教师根据教材内容和学生实际水平，提出问题，启发引导学生去解决问题，提问，从而达到理解、掌握知识，发展各种能力和提高思想觉悟的目的。
（1）什么是智能推荐？（2）生活中常见的智能推荐服务有哪些？（3）实现智能推荐的算法有哪些？2.探究性问题探究性问题需要教师深入钻研教材的基础上精心设计，提问的角度或者在引导性提问的基础上，从重点、难点问题切入，进行插入式提问。
或者是对引导式提问中尚未涉及但在课文中又是重要的问题加以设问。
（1）网站的推荐流程是怎么样的？（2）协同过滤算法除了基于物品的算法外，还有哪些？3.拓展性问题拓展性问题需要教师深刻理解教材的意义，学生的学习动态后，根据学生学习层次，提出切实可行的关乎实际的可操作问题。
亦可以提供拓展资料供学生研习探讨，完成拓展性问题。
（1）除了协同过滤算法外，能否使用其他算法预测实现网站的智能推荐？四、主要知识点、重点与难点1.主要知识点（1）了解智能推荐服务应用场景。
（2）了解某法律网站现状与数据的基本情况。
（3）熟悉网站智能推荐的步骤与流程。
（4）分析原始数据用户点击的网页类型，得到统计分析结果。
（5）根据原始数据用户浏览网页次数的情况进行统计分析。
《R语言数据分析》课程教案(全)
《R语言数据分析》课程教案（全）第一章：R语言概述1.1 R语言简介介绍R语言的发展历程、特点和应用领域讲解R语言的安装和配置1.2 R语言基本操作熟悉R语言的工作环境学习如何创建、保存和关闭R剧本掌握R语言的基本数据类型（数值型、字符串、逻辑型、复数、数据框等）1.3 R语言的帮助系统学习如何使用帮助文档（help()、?、man()函数）掌握如何搜索和安装R包第二章：R语言数据管理2.1 数据导入与导出学习如何导入CSV、Excel、txt等格式的数据掌握如何将R数据导出为CSV、Excel等格式2.2 数据筛选与排序掌握如何根据条件筛选数据学习如何对数据进行排序2.3 数据合并与分割讲解数据合并（merge、join等函数）的方法和应用场景讲解数据分割（split、apply等函数）的方法和应用场景第三章：R语言统计分析3.1 描述性统计分析掌握R语言中的统计量计算（均值、中位数、标准差等）学习如何绘制统计图表（如直方图、箱线图、饼图等）3.2 假设检验讲解常用的假设检验方法（t检验、卡方检验、ANOVA等）掌握如何使用R语言进行假设检验3.3 回归分析介绍线性回归、逻辑回归等回归分析方法讲解如何使用R语言进行回归分析第四章：R语言绘图4.1 ggplot2绘图系统介绍ggplot2的基本概念和语法学习如何使用ggplot2绘制柱状图、线图、散点图等4.2 基础绘图函数讲解R语言内置的绘图函数（plot、barplot、boxplot等）掌握如何自定义图形和调整图形参数4.3 地图绘制学习如何使用R语言绘制地图讲解如何使用ggplot2绘制地理数据可视化图第五章：R语言编程5.1 R语言编程基础讲解R语言的变量、循环、条件语句等基本语法掌握如何编写R函数和模块化代码5.2 数据框操作学习如何使用数据框进行编程讲解如何使用dplyr等工具包进行数据框操作5.3 面向对象编程介绍R语言的面向对象编程方法掌握如何使用R6和S3编程范式第六章：R语言时间序列分析6.1 时间序列基础介绍时间序列数据的类型和结构学习时间序列数据的导入和预处理6.2 时间序列分解讲解时间序列的分解方法，包括趋势、季节性和随机成分使用R语言进行时间序列分解6.3 时间序列模型介绍自回归模型（AR）、移动平均模型（MA）、自回归移动平均模型（ARMA）和自回归积分滑动平均模型（ARIMA）学习如何使用R语言建立和预测时间序列模型第七章：R语言机器学习7.1 机器学习概述介绍机器学习的基本概念、类型和应用学习机器学习算法选择的标准和评估方法7.2 监督学习算法讲解回归、分类等监督学习算法使用R语言实现监督学习算法7.3 无监督学习算法介绍聚类、降维等无监督学习算法使用R语言实现无监督学习算法第八章：R语言网络分析8.1 网络分析基础介绍网络分析的概念和应用领域学习网络数据的导入和预处理8.2 网络图绘制讲解如何使用R语言绘制网络图学习使用igraph包进行网络分析8.3 网络分析应用介绍网络中心性、网络结构等分析方法使用R语言进行网络分析案例实践第九章：R语言生物信息学应用9.1 生物信息学概述介绍生物信息学的概念和发展趋势学习生物信息学数据类型和常用格式9.2 生物序列分析讲解生物序列数据的导入和处理使用R语言进行生物序列分析9.3 基因表达数据分析介绍基因表达数据的特点和分析方法使用R语言进行基因表达数据分析第十章：R语言项目实战10.1 数据分析项目流程介绍数据分析项目的流程和注意事项10.2 R语言项目实战案例一分析一个真实的统计数据集，实践R语言数据分析方法10.3 R语言项目实战案例二使用R语言解决实际问题，如商业分析、社会研究等10.4 R语言项目实战案例三结合数据库和API接口，进行大规模数据分析和处理重点和难点解析重点环节1：R语言的安装和配置解析：R语言的安装和配置是学习R语言的第一步，对于初学者来说，可能会遇到操作系统兼容性、安装包选择等问题。
商业数据分析概论课程教学大纲
《商业数据分析概论》课程教学大纲一、课程基本信息二、课程目标（一）总体目标本课程是工商管理、会计、电子商务等专业的大类基础课程之一。
本课程主要培养学生使用各种定量分析方法（机器学习，优化和仿真等）和现代计算工具（Python语言等），去分析来自现实中的数据，同时理解和掌握数据驱动的决策支持。
本课程突出结合大量的实例，通过课堂讲解、编程实验和案例教学，旨在帮助学生了解真实商业环境下如何基于数据来完善管理决策。
（二）课程目标课程目标1：掌握商业数据分析的专业知识，并将知识应用于现实的商业场景。
1.1 理解商业数据分析的概念与原理；1.2 熟悉并理解商业数据分析的流程与方法。
课程目标2：分析复杂商业问题，展示批判性思维能力，并提出有效的解决方案。
2.1 运用商业分析框架分析现实世界的商业问题；2.2 制定商业决策。
课程目标3：识别商业环境中的道德困境，并运用道德框架和原则做出合理的决策。
3.1 在商业管理背景下识别和评估商业分析与算法的道德困境；3.2运用道德决策框架解决道德挑战。
（三）课程目标与毕业要求、课程内容的对应关系表1：课程目标与课程内容、毕业要求的对应关系表三、教学内容第一章数据分析与决策概述1.教学目标：掌握商业数据分析与决策的基本概念。
2.教学重难点：（1）商业数据分析基本概念；（2）隐私与道德问题。
3.教学内容：（1）商业数据分析基本概念；（2）引起隐私和道德伦理问题的关键技术趋势；（3）Python下载、安装和运行。
4.教学方法：讲授、讨论、比较、举例。
5.教学评价：上机练习。
第二章 Python编程入门1.教学目标：掌握Python编程的基本方法。
2.教学重难点： Python语法基础与程序开发。
3.教学内容：（1）Python语法基础；（2）基本操作；（3）数据类型；（4）数据结构；（5）程序开发；（6）数据读写。
4.教学方法：讲授、讨论、比较、举例。
5.教学评价：上机练习。
第三章数据预处理1.教学目标：掌握数据预处理的基本流程与方法。
R语言商务数据分析实战-教学大纲
《R语言商务数据分析实战》教学大纲课程名称：R语言商务数据分析实战课程类别：必修适用专业：大数据技术类相关专业总学时：80学时（其中理论45学时，实验35学时）总学分：5.0学分一、课程的性质大数据时代已经到来，在商业、经济及其他领域中基于数据和分析去发现问题并做出科学、客观的决策越来越重要。
数据分析技术将帮助企业用户在合理时间内获取、管理、处理以及整理海量数据，为企业经营决策提供积极的帮助。
有实践经验的数据分析人才已经成为了各企业争夺的热门。
为了推动我国大数据，云计算，人工智能行业的发展，满足日益增长的数据分析人才需求，特开设R语言商务数据分析实战课程。
二、课程的任务通过本课程的学习，使学生学会分析案例的流程，使用R语言实现流程的每一个步骤，包括数据合并、数据清洗、数据变换、模型构建、模型评价等，掌握Apriori算法、K-Means 算法、灰色预测算法、SVR算法、GBM算法、协同过滤算法的应用，以及ARIMA模型和LDA模型的应用。
将理论与实践相结合，为将来从事数据分析挖掘研究、工作奠定基础。
三、课程学时分配四、教学内容及学时安排1.理论教学2.实验教学五、考核方式突出学生解决实际问题的能力，加强过程性考核。
课程考核的成绩构成= 平时作业（10%）+ 课堂参与（20%）+ 期末考核（70%），期末考试建议采用开卷形式，试题应包括数据合并、数据清洗、数据变换、模型构建、模型评价等部分，题型可采用判断题、选择、简答、应用题等方式。
六、教材与参考资料1.教材韩宝国，张良均．R语言商务数据分析实战[M]．北京：人民邮电出版社．2018．2.参考资料[1] 张良均．R语言数据分析与挖掘实战[M]．北京：机械工业出版社．2015．[2] 张良均．R语言与数据挖掘[M]．北京：机械工业出版社．2016．。
商务数据分析与应用基于R第二版课程设计
商务数据分析与应用基于R第二版课程设计一、课程概述商务数据分析是在企业中进行数据分析的应用，目的是为了帮助企业更好的理解市场、产品、客户等各种方面的数据，从而更好的制定发展战略。
本课程主要介绍商务数据分析的方法和应用，同时结合R语言进行实际操作示范，提升学生的数据分析技能。
二、课程目标本课程的主要目标是让学生了解商务数据分析的基础知识和方法，了解商务数据分析在企业中的应用。
同时，本课程也要求学生掌握R语言的使用，能够熟练的使用R语言进行商务数据分析。
三、课程内容1. 商务数据分析基础•商务数据分析的定义和意义•商务数据分析的过程和组成•商务数据分析的方法和工具•商务数据分析在企业中的应用2. R语言基础•R语言的介绍和安装•R语言基础语法•R语言的数据类型和数据结构•R语言的函数和包的使用3. 整理数据•数据的导入和导出•数据的清理和整理•数据的变换和重构4. 描述统计分析•数据的基本统计量和可视化•四分位数和箱线图•概率分布和分布计算•假设检验和置信区间5. 预测模型建立•线性回归模型•时间序列分析和预测•探索性数据分析•聚类分析和分类树6. 商务数据分析案例分析•经典商务数据案例分析•实际商务数据分析案例四、教学方式本课程采用讲解和实践相结合的教学方式，每个章节的教学内容都通过案例实践来展示。
通过丰富的案例实践，让学生熟练掌握R语言的使用和商务数据分析的方法。
五、评分方式本课程的评分方式采用平时作业和实践项目结合的方式。
平时作业占总评分的40%，实践项目占总评分的60%。
其中实践项目以小组为单位，每个小组需要完成一份商务数据分析报告，报告需要包括数据分析方法、数据清洗和整理、分析结果、结论和展示等内容，报告成果占实践项目总评分的90%。
每个小组还需要在课堂上进行报告展示，展示成果占实践项目总评分的10%。
六、参考书目1.《商务数据分析与应用（R语言实战）》2.《商务数据分析:方法与工具》3.《商务数据分析实战》4.《R语言实战》七、结语商务数据分析是当今企业发展过程中不可缺少的一个环节。
商务数据分析与应用基于R第二版课程设计 (2)
商务数据分析与应用基于R第二版课程设计背景数据分析已成为商务领域非常重要的技能之一。
全球各大企业都在积极开展数据分析工作，商务数据分析需求不断增长。
在这样的背景下，本课程设计旨在通过R语言深入探索商务数据分析的理论和实践应用。
目的本课程设计旨在通过案例研究和实际应用来提高学生的商务数据分析能力和实践技能，学习R语言对商务数据进行管理、分析和可视化的基础知识。
内容设计第一章：商务数据基础与R语言介绍主要介绍商务数据的定义，采集和处理方法，以及R语言的基本语法和使用。
其中包括R语言的安装及环境配置、R语言主要数据类型及数据输入输出、R语言基础语法等。
第二章：数据清洗和管理主要介绍数据清洗和管理的步骤和方法，包括数据处理、数据清洗、数据整合和数据管理。
同时还包括了数据预处理的步骤以及数据索引和排序等。
第三章：数据可视化主要介绍数据可视化的基础知识和实践技能。
通过R语言可视化工具包对商务数据进行可视化处理和分析。
包括数据可视化类型、绘图函数和实际案例应用等。
第四章：统计分析主要介绍商务数据分析的统计基础。
包括描述性统计分析、数据可视化、假设检验、回归分析、时间序列分析等内容。
同时也介绍R语言在统计分析方面的应用。
第五章：人工智能与商务数据分析主要介绍人工智能的概念以及人工智能在商务数据分析中的应用。
其中也包括了机器学习和深度学习的基础知识。
课程参考资料•《R语言实战》许文金编著，人民邮电出版社，2016年•《R语言数据分析实战》魏秀芳、叶向阳编著，中国人民大学出版社，2017年•《商务数据分析理论与实践》殷毅编著，清华大学出版社，2020年课程评价方式•期末卷面成绩占60%•课堂参与、作业得分和贡献度占40%总结本课程设计通过R语言对商务数据进行管理、分析和可视化的基础知识及应用，旨在提高学生的商务数据分析能力和实践技能，帮助学生在商务领域获得技术优势和竞争优势。
同时，课程内容针对实际商务问题，让学生在意识到数据管理和分析的重要性的同时，获得商务数据分析能力，具有实际应用价值。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
户与客户之间的相似度，并结合客户对 析
菜品的兴趣给目标客户生成推荐列表 6. 使用 K-Means 算
13. 对推荐结果进行评价
法进行客户分群
14. 根据特征选取后的数据，构建购物 7. 使用决策树算法 篮数据，然后构建二元矩阵，及关联规 进行客户流失预测 则模型
15. 根据关联规则模型的置信度，统计 得到的热销度和毛利率，及菜品详情表 的主推度，计算推荐的综合评分
二、 课程的任务
通过本课程的学习，使学生学会分析案例的流程，使用 R 语言实现流程的每一个步骤， 包括数据合并、数据清洗、数据变换、模型构建、模型评价等，掌握 Apriori 算法、K-Means 算法、灰色预测算法、SVR 算法、GBM 算法、协同过滤算法的应用，以及 ARIMA 模型和 LDA 模型的应用。将理论与实践相结合，为将来从事数据分析挖掘研究、工作奠定基础。
6
5
8 第 8 章 电商产品评论数据情感分析
6
5
9 第 9 章 餐饮企业综合分析
10
10
总计
45
35
四、 教学内容及学时安排
1. 理论教学
序 章节名称
号
主要内容
教学目标
学时
1. 掌握数据分析的概念
2. 掌握数据分析的流程
1. 掌握数据分析的
3. 了解数据分析的应用场景
R 语言数据分
1 析概述
4. 了解数据分析的常用工具
三、 课程学时分配
序号
教学内容
1 第 1 章 R 语言数据分析概述
理论学时 2
实验学时
其它
2 第 2 章 商品零售购物篮分析
3
2
3 第 3 章 航空公司客户价值分析
4
3
4 第 4 章 财政收入预测分析
4
3
5 第 5 章 金融服务机构资金流量预测
5
3
6 第 6 章 P2P 信用贷款风险控制
5
4
7 第 7 章 电子商务网站智能推荐服务
《R 语言商务数据分析实战》教学大纲
课程名称：R 语言商务数据分析实战 课程类别：必修 适用专业：大数据技术类相关专业 总学时：80 学时（其中理论 45 学时，实验 35 学时） 总学分：5.0 学分
一、 课程的性质
大数据时代已经到来，在商业、经济及其他领域中基于数据和分析去发现问题并做出科 学、客观的决策越来越重要。数据分析技术将帮助企业用户在合理时间内获取、管理、处理 以及整理海量数据，为企业经营决策提供积极的帮助。有实践经验的数据分析人才已经成为 了各企业争夺的热门。为了推动我国大数据，云计算，人工智能行业的发展，满足日益增长 的数据分析人才需求，特开设 R 语言商务数据分析实战课程。
菜品名称的二元矩阵
4. 使用协同过滤算
9 餐 饮 企 业 综 合 11. 基于物品的协同过滤算法，计算菜 法 对 菜 品 进 行 智 能 10
分析
品与菜品之间的相似度，并结合客户的 推荐
历史行为给目标客户生成推荐列表 5. 使用 Apriori 算法
12. 基于用户的协同过滤算法，计算客 对 菜 品 进 行 关 联 分
步骤与流程
2. 掌握数据平稳性
金 融 服 务 机 构 5. 了解纯随机性检验的原理
5
检验和处理方法，以 5
资金流量预测
6. 对通过平稳性检验的数据进行纯随 及纯随机性检验
机性检验
3. 使 用 ARIMA 模
7. 了解 ARIMA 模型的原理
型对资金流量进行
预测
8. 了解定阶的方式，并识别模型的阶
数
9. 建立 ARIMA 模型，并计算误差与 得分
的关联关系
8. 根据模型结果提出商品销售策略
1. 了解航空公司现状与客户价值分析
2. 熟悉航空公司客户价值分析的步骤 与流程
1. 熟悉航空公司客 户价值分析的步骤 与流程
3. 处理数据的缺失值与异常值
航 空 公 司 客 户 4. 结合 RFM 模型构建关键特征
3
价值分析
5. 标准化构建关键特征后的数据
学时
统计每种商品的频数、占比；对商品归类，统计每种类
商品零售购物
1 篮分析
别的频数，并类别内部商品的分布；使用 apriori 函数进 2
行关联分析
使用删除法对缺失值与异常值进行处理；构建 LRFMC 五
航空公司客户
2 价值分析
个特征，并进行标准化处理；用 K-Means 聚类算法对客 3
户数据进行客户分群，聚成五类
4. 掌握获取评论数据的方法 5. 去除评论数据的数字、字母
1. 熟悉电商产品评 论数据实现情感分 析的步骤与流程
6. 对评论数据进行去重 7. 对评论数据进行分词处理
2. 了解如何使用 R 语言对互联网信息 进行爬取
电 商 产 品 评 论 8. 根据停用词库去除评论文本中的停 3. 掌握文本分析的
5. 计算每个菜品的毛利率
6. 绘制原序列的时序图，查看序列周
期性
1. 熟悉餐饮企业数
7. 检验原序列的平稳性和纯随机性
据分析的步骤与流 程
8. 使用 BIC 图进行定阶 2. 了解简单的统计
9. 构建 ARIMA 模型，并分析预测结 分析的应用
果 3. 使 用 ARIMA 预
10. 根据订单详情表，构建客户 ID 和 测销售额
14. 掌握寻找最优主题数的方法
15. 建立相应的 LDA 模型
16. 输入正面情感与负面情感评论求 解 LDA 模型，并分析结果
1. 了解餐饮企业的数据情况
2. 明确餐饮企业数据分析的流程
3. 使用分组聚合和透视表这两种方法 统计每日用餐人数与销售额
4. 计算一个月内的菜品热销度，并对 热销度进行 Min-Max 标准化处理
3. 熟悉购物篮分析的基本流程与步骤 2. 掌握 Apriori 算法
的基本原理与使用
4. 使用统计学知识分析热销商品
商品零售购物
方法
2 篮分析
5. 使用商品结构图分析售出商品的结
3
3. 分析商品销售状
构
况与商品结构合理
6. 了解 Apriori 算法的基本原理与使用 性
方法
4. 分析零售商品间
7. 构建零售商品的 Apriori 模型
1. 分析 P2P 信贷行业所面临的现状与 困扰
2. 了解某 P2P 信贷平台现阶段数据情
况
1. 熟悉用户逾期预
测的步骤与流程
3. 熟悉 P2P 信贷用户逾期预测的基本
流程与步骤
2. 掌握结构化数据
探索，并提取其中有
4. 分析用户信息完善程度、用户信息 效 信 息 的 方 法 与 步
修改情况、区域经济发展情况、借款月 骤
7 数据情感分析
5
算情感分析的准确率；分别对正面评论和负面评论绘制
词云，查看情感分析效果；对正面情感词与负面情感词
构建语料库，并建立文档-词条矩阵；使用 LDA 主题模型，
找出不同主题数下的主题词，寻找最优主题数；进行 LDA
主题分析
统计每日用餐人数和销售额，计算菜品热销度和毛利率；
概念、流程与应用场
景 2
2. 了解 R 语言数据
5. 了解 R 语言在数据分析中的优势 分 析 中 常 用 的 Packages
6. 了 解 R 语 言 数 据 分 析 中 常 用 的
Packages
1. 分析零售企业商品销售现状
2. 了解某商品零售企业的基本数据情 1. 熟悉购物篮分析
况
的实现流程与步骤
分析财政收入数据各特征的相关性；使用 Lasso 回归选取
财政收入预测
3 分析
财政收入预测的关键特征；分别使用灰色预测和 SVR 构 3
建财政收入预测模型；评价 SVR 模型
对数据进行平稳性检验和处理；对处理后的平稳序列进 金融服务机构 4 资金流量预测 行纯随机性检验；对处理后的平稳序列进行模型定阶； 3
对模型进行残差检验，并评估模型；拟合相对最优模型
画图分别展示用户信息完善程度、用户信息修改情况、
区域经济发展情况、借款月份情况分别与逾期率的分布；
分别求取每位用户对应编号的最大值、最小值、中位数、
P2P 信用贷款风
5 险控制
标准差；对登录信息表与更新信息表进行长宽表转换； 4
针对类别型特征进行字符串处理和哑变量处理；处理数
据进行手动网址分类，对处理后的数据
进行特征选取
11. 基于物品的协同过滤算法，计算出 物品之间的相似度
12. 根据物品的相似度和用户的历史 行为给用户生成推荐列表
13. 对模型进行评价，判断推荐系统的 好坏
1. 了解电商企业现状
2. 熟悉电商评论数据情感分析的步骤 与基本流程
3. 了解网络上发布内容的技术和 Web 文档中提取信息的技术，以获取网络数 据
2. 了解财政收入预测的方法
3. 熟悉财政收入预测的步骤与流程
4. 了解相关性分析
财 政 收 入 预 测 5. 分析计算结果
4
分析
6. 了解 Lasso 回归方法
7. 分析 Lasso 回归结果
8. 了解灰色预测算法
9. 了解 SVR 算法
10. 分析预测结果
1. 熟悉财政收入预 测的步骤和流程
2. 掌握相关性分析 方法与应用
份情况分别与逾期率之间的关系
3. 掌握常见数据预
6 P2P 信 用 贷 款 5. 使用第三方平台信息构建特征
处理方法
5
风险控制
6. 对登录信息表和更新信息表进行长 4. 熟悉 GBM 模型构
宽表转换
建与参数调节方法
7. 处理类别型特征，插补数值型特征 5. 找出影响用户逾