《大数据分析》期末大作业报告
大数据分析报告
大数据分析报告一、引言随着信息技术的迅猛发展，大数据分析在各行各业都扮演着越来越重要的角色。
本报告旨在通过对大数据分析的研究和实践，为企业决策提供有效的数据支持和参考。
二、数据收集与整理1. 数据来源本次大数据分析报告的数据来源主要包括企业内部数据、外部数据以及市场调研数据。
其中，企业内部数据包括销售数据、客户数据、供应链数据等；外部数据包括社交媒体数据、行业数据等；市场调研数据则是通过问卷调查和访谈等方式获得的。
2. 数据整理与清洗在数据收集完成后，我们对数据进行了整理与清洗，包括数据去重、缺失值处理、异常值处理等。
通过这一步骤，我们确保了数据的准确性和可靠性，为后续的分析提供了可靠的基础。
三、数据分析方法1. 描述性统计分析通过对收集到的数据进行描述性统计分析，我们可以了解数据的基本特征和分布情况。
这些统计指标包括平均值、中位数、标准差等，为我们提供了对数据整体情况的直观认识。
2. 关联分析关联分析是一种用于发现数据之间关联关系的方法。
通过计算不同变量之间的相关系数，我们可以了解不同变量之间的关联程度，并进一步分析这些关联对企业经营的影响。
3. 预测分析预测分析是基于历史数据和趋势进行未来预测的方法。
通过建立合适的模型，我们可以对未来的销售额、市场需求等进行预测，为企业决策提供参考依据。
四、数据分析结果与发现1. 数据描述与分析通过描述性统计分析，我们对企业的销售数据进行了详细的描述与分析。
结果显示，企业的销售额在过去一年内呈现稳定增长的趋势，其中第四季度的销售额增长最为显著。
2. 关联分析结果通过关联分析，我们发现销售额与广告投入之间存在较强的正相关关系，说明广告投入对销售额的增长起到了积极的推动作用。
此外，我们还发现客户满意度与销售额之间存在一定的正相关关系，说明提高客户满意度可以促进销售额的增长。
3. 预测分析结果基于历史数据和趋势，我们建立了销售额的预测模型，并对未来一年的销售额进行了预测。
大数据分析报告
大数据分析报告
大数据分析报告是基于大数据技术和方法对大数据进行深入挖掘和分析的产物。
它通过对大规模、多样化、高速增长的数据进行收集、清洗和处理，提取其中有价值的信息，帮助企业和组织做出决策和实施策略。
大数据分析报告一般包括以下几个方面的内容：
1. 数据概况：报告首先会介绍所分析的数据的规模、来源、质量等基本信息，包括数据集的大小、数据的时间范围、数据的来源渠道等。
2. 数据清洗和预处理：为了保证分析的准确性和可靠性，大数据分析报告会对原始数据进行清洗和预处理，去除重复数据、异常数据和不完整数据，确保数据的完整性和一致性。
3. 数据可视化：大数据分析报告通常会通过图表、表格和可视化工具等方式将数据进行可视化展示，以便更直观地理解和分析数据。
通过可视化，可以更好地观察数据之间的关联性和趋势。
4. 数据分析方法：大数据分析报告还会介绍所采用的数据分析方法和算法，例如聚类分析、回归分析、关联规则挖掘等，这些方法和算法可以帮助从大数据中提取有意义的信息和洞察。
5. 数据分析结果和结论：报告最后会总结和陈述数据分析的结果和结论，指出数据中的趋势、规律和异常等，并给出相应的
建议和决策支持。
总之，大数据分析报告通过对大数据的深入分析，帮助企业和决策者更好地理解和运用数据，以驱动业务的发展和创新。
大数据分析报告 大数据分析方案(优秀3篇)
大数据分析报告大数据分析方案（优秀3篇）（经典版）编制人：__________________审核人：__________________审批人：__________________编制单位：__________________编制时间：____年____月____日序言下载提示：该文档是本店铺精心编制而成的，希望大家下载后，能够帮助大家解决实际问题。
文档下载后可定制修改，请根据实际需要进行调整和使用，谢谢!并且，本店铺为大家提供各种类型的经典范文，如总结报告、心得体会、策划方案、合同协议、条据文书、竞聘演讲、心得体会、教学资料、作文大全、其他范文等等，想了解不同范文格式和写法，敬请关注!Download tips: This document is carefully compiled by this editor. I hope that after you download it, it can help you solve practical problems. The document can be customized and modified after downloading, please adjust and use it according to actual needs, thank you!Moreover, our store provides various types of classic sample essays, such as summary reports, insights, planning plans, contract agreements, documentary evidence, competitive speeches, insights, teaching materials, complete essays, and other sample essays. If you want to learn about different sample formats and writing methods, please stay tuned!大数据分析报告大数据分析方案（优秀3篇）无论是身处学校还是步入社会，大家都尝试过写作吧，借助写作也可以提高我们的语言组织能力。
大数据分析实验报告(3篇)
第1篇一、实验背景随着互联网技术的飞速发展，数据已经成为现代社会的重要资源。
大数据分析作为一种新兴的技术手段，通过对海量数据的挖掘和分析，为企业、政府和研究机构提供了决策支持。
本实验旨在通过实际操作，掌握大数据分析的基本流程和方法，提高对大数据技术的理解和应用能力。
二、实验目的1. 熟悉大数据分析的基本流程。
2. 掌握常用的数据预处理方法。
3. 熟悉大数据分析工具的使用。
4. 能够对实际数据进行有效的分析和解读。
三、实验环境1. 操作系统：Windows 102. 数据库：MySQL 5.73. 编程语言：Python 3.74. 大数据分析工具：Pandas、NumPy、Matplotlib、Scikit-learn5. 云计算平台：阿里云四、实验内容（一）数据采集本实验选取某电商平台的用户购买数据作为分析对象，数据包含用户ID、购买时间、商品ID、商品类别、购买金额等字段。
（二）数据预处理1. 数据清洗：去除重复数据、处理缺失值、修正错误数据。
2. 数据转换：将时间戳转换为日期格式，对金额进行归一化处理。
3. 特征工程：提取用户购买行为特征，如购买频率、购买金额等。
（三）数据分析1. 用户画像：分析用户购买偏好、购买频率等特征。
2. 商品分析：分析商品销量、商品类别分布等特征。
3. 购买行为分析：分析用户购买时间分布、购买金额分布等特征。
（四）实验结果与分析1. 用户画像分析根据用户购买数据，我们可以得出以下结论：（1）年轻用户购买频率较高，偏好时尚、电子产品等商品。
（2）中年用户购买金额较高，偏好家居、家电等商品。
（3）老年用户购买频率较低，偏好健康、养生等商品。
2. 商品分析根据商品购买数据，我们可以得出以下结论：（1）电子产品销量最高，其次是家居、家电等商品。
（2）商品类别分布较为均匀，但电子产品、家居、家电等类别占比相对较高。
3. 购买行为分析根据购买时间、购买金额等数据，我们可以得出以下结论：（1）用户购买时间主要集中在上午10点到下午6点。
大数据库期末大作业
大学软件学院实验报告课程：数据库原理与实用技术实验学期：任课教师：专业：学号：：成绩：期末大作业：家电售后维修管理数据库设计一、实验目的（1）掌握数据库设计的基本方法（2）掌握各种数据库对象的设计方法二、实验容1.数据库概要设计：用文字简要描述实体之间的联系，画出E-R图（标出各联系中实体的基数）。
（1）、包含以下数据表：a.客户表b.维修申请表c.员工表d.报价表e.维修情况记录表f.商品表h.零件表（2）、实体之间的逻辑关系为：客户撰写维修申请表，员工对商品（包含组成商品的零件）进行维修，同时员工记录维修情况，将报价表反馈给客户客户表和维修申请表：维修申请表和员工表：员工表和商品表：商品表和零件表：员工表和维修情况记录表：员工表和报价比表：客户表和报价比表：（3）E-R图形式1：（3）E-R图形式2：2、数据表设计：将E-R图转换为数据表，给出创建各表的SQL语句。
创建数据库：客户表：维修申请表：员工表：报价表：商品表：零件表：维修情况记录表：3、完整性约束：根据需要给数据表添加数据完整性，并说明添加的理由。
（1）报价表的外键关系（2）零件表的外键关系（3）维修表的外键关系（4）员工性别约束性别约束测试（5）完整性约束之客户约束（6）完整性约束之员工约束员工约束测试4、存储过程、触发器和视图：根据需要给数据库添加几个实用的存储过程、触发器和视图，并说明它们各自的功能。
各表数据的填入：客户表维修申请表员工表报价表商品表零件表维修情况记录表存储过程1：创建存储过程，查询employee表中所有员工存储过程2：创建存储过程，查询客户表中具体客户，若无所查，则返回‘查无此人信息’存储过程2测试存储过程3：创建存储过程，通过比较使用时间和保修时间，判断维修用户的商品是否在维修期，并将在保修期商品的juge列更新为“是”，反之，更新为“不是”存储过程4：创建存储过程，得出上述juge=“不是”的用户的维修金额。
大数据分析及应用期末课程报告课案
云南大学软件学院期末课程报告Final Course ReportSchool of Software, Yunnan University个人成绩序号学号姓名成绩123学期：课程名称: 大数据分析及应用任课教师:实践题目:小组长:联系电话:电子邮件:完成提交时间：2015年1 月4 日作业截止时间：2015年1 月4 日2015-2016学年上学期《大数据分析及应用》成绩考核表年级：专业：学号：姓名：本人所做工作：2015-2016学年上学期《大数据分析及应用》成绩考核表年级：专业：学号：姓名：本人所做工作：摘要 (I)小组成员分工................................................................................................................................................. I I 1. 引言............................................................................................................................. 错误!未定义书签。
1.1课题研究背景和研究现状.............................................................................. 错误!未定义书签。
1.1.1 课题研究的背景和目的...................................................................... 错误!未定义书签。
1.1.2 课题研究的现状 ................................................................................. 错误!未定义书签。
大数据分析作业
大数据分析作业在当今数字化的时代，数据如同海洋般浩瀚，而大数据分析则成为了从这片海洋中挖掘宝藏的关键工具。
这门学科不仅在商业领域发挥着巨大作用，还在医疗、科研、教育等众多领域展现出其独特的价值。
大数据分析，简单来说，就是对海量的数据进行收集、整理、分析和解释，以获取有价值的信息和洞察。
它的应用范围之广，让人惊叹。
比如在电商行业，通过分析用户的浏览记录、购买行为等数据，企业可以精准地推荐商品，提高销售转化率；在社交媒体上，大数据分析能帮助平台了解用户的兴趣爱好，从而推送更符合用户口味的内容，增强用户粘性。
要完成一份出色的大数据分析作业，首先得明确分析的目标。
这就像是在茫茫大海中确定航行的方向，没有清晰的目标，就容易迷失在数据的海洋里。
比如，如果我们要分析某款新产品在市场上的受欢迎程度，那我们的目标就是找出影响其受欢迎的因素，是价格、功能、外观，还是其他方面？确定目标后，接下来就是数据的收集。
这是整个分析过程的基础，就像盖房子需要砖头一样。
数据的来源多种多样，可以是企业内部的数据库、调查问卷的结果、网站的访问日志，也可以是公开的数据平台。
但要注意的是，收集到的数据质量至关重要。
不准确、不完整或者过时的数据，就像劣质的砖头，会影响整个房子的稳定性。
有了数据，还需要对其进行整理和预处理。
这就好比把收集来的砖头进行筛选、清洗和分类，去除那些有瑕疵的或者不符合要求的。
在这个阶段，我们可能需要处理缺失值、异常值，将数据标准化或者进行归一化处理，以便后续的分析能够更加准确和有效。
数据整理好后，就可以选择合适的分析方法了。
常见的分析方法有描述性统计分析、相关性分析、回归分析、聚类分析等等。
每种方法都有其适用的场景和特点。
比如，描述性统计分析可以帮助我们了解数据的集中趋势、离散程度等基本特征；相关性分析则能揭示不同变量之间的关系；回归分析可以用于预测和建模。
以一个具体的例子来说，假设我们要分析一家餐厅的经营状况。
我们收集了顾客的消费金额、点餐菜品、用餐时间等数据。
大数据总结分析报告
大数据总结分析报告一、引言近年来，随着互联网的快速发展和技术的高速进步，大数据已经成为各行各业中的热门话题。
大数据的价值无处不在，它通过数据的搜集、存储、处理和分析，帮助企业和组织提取有用的商业信息，辅助决策，并为未来的发展提供支持。
本文将对大数据的概念、应用和挑战进行总结分析，以期为读者提供一些有价值的见解。
二、概念解析大数据是指规模大、种类多样且变化速度快的数据集合。
它可以来自各种不同的来源，比如传感器、社交媒体、消费记录等。
大数据的主要特点包括三个方面：大容量，指数据量巨大，常常以TB或PB为单位进行衡量；多样性，指数据的种类繁多，包括结构化数据和非结构化数据；高速度，指数据的生成速度非常快，需要实时或近实时的处理。
三、大数据的应用领域1. 金融领域大数据在金融领域的应用非常广泛，比如风险管理、欺诈检测、信用评估等。
通过对大量的用户数据进行分析，金融机构可以更好地了解客户的需求和行为，提供个性化的服务，并降低风险。
2. 零售业大数据在零售业的应用主要体现在市场营销和供应链管理方面。
通过分析消费者的购买记录和偏好，零售商可以精确地预测市场需求，优化产品组合，提高销售额。
同时，通过对供应链数据的分析，零售商可以准确地预测库存需求，降低库存成本。
3. 医疗健康大数据在医疗健康领域的应用可以帮助医生进行疾病诊断和治疗方案的制定。
通过对大量的医疗数据进行分析，医生可以识别潜在的风险因素，提前进行预防和干预，提高治疗效果和患者安全。
4. 城市管理大数据在城市管理中的应用可以提高城市的智能化水平和综合治理能力。
通过对交通、环境、能源等方面的数据进行分析，城市管理者可以更好地了解城市的运行状况，制定合理的规划和政策，提高城市的生活质量。
四、大数据面临的挑战1. 数据安全和隐私保护随着大数据的广泛应用，数据安全和隐私保护成为了一个重要的问题。
大数据中往往包含着大量敏感数据，比如个人隐私和商业机密等。
因此，如何保证数据的安全和隐私成为了一个亟待解决的问题。
大数据考试数据分析报告
大数据考试数据分析报告引言本报告旨在对大数据考试数据进行分析和总结，以评估学生的学习成果和教学效果。
通过对考试数据的统计和分析，可以了解学生的整体表现、掌握知识的情况以及需要改进的领域。
数据来源和样本描述本次数据分析基于一门大数据相关的考试，该考试包括了20道选择题和5道编程题。
共有300名学生参加了考试。
每个学生的得分情况，包括总分以及各个题目的得分情况，都被记录下来，作为本次数据分析的基础。
数据分析结果总体考试表现通过对所有学生的总分进行统计分析，我们可以得到以下结果：•平均分：70分•最高分：98分•最低分：45分•合格率：75%从总体上看，学生的平均分为70分，表明整体的考试表现中等。
最高分为98分，最低分为45分，显示了学生之间存在一定的分数差距。
合格率为75%，表明有三分之一的学生没有通过考试。
单题得分分析针对每个题目，我们统计了学生的平均得分和得分分布情况，以此评估学生在不同知识点上的掌握情况。
选择题分析对于20道选择题，我们得到了以下结果：•平均得分：15分（满分20分）•难度系数：0.75•区分度指数：0.6从平均得分可以看出，学生在选择题方面的整体表现较好，平均得分为15分。
难度系数为0.75，表明了这部分题目的难度适中。
区分度指数为0.6，说明这部分题目能够很好地区分学生的表现。
编程题分析对于5道编程题，我们得到了以下结果：•平均得分：35分（满分50分）•难度系数：0.7•区分度指数：0.5从平均得分可以看出，学生在编程题方面的整体表现一般，平均得分为35分。
难度系数为0.7，表明这部分题目的难度适中。
区分度指数为0.5，说明这部分题目的区分度相对较低，需要加强对学生编程能力的考察。
学生分类分析为了更加全面地了解学生的学习情况，我们根据学生的总分将他们分成三个等级：优秀、合格和不合格。
优秀学生根据总分排名，前10%的学生被认定为优秀学生。
他们的平均得分为90分，最高分为98分，表现非常出色。
技术调查大数据分析报告(3篇)
第1篇一、报告概述随着信息技术的飞速发展，大数据已成为推动社会进步的重要力量。
本报告旨在通过对当前大数据分析技术的调查，分析大数据分析在各个领域的应用现状、发展趋势及面临的挑战，为我国大数据分析技术的发展提供参考。
二、大数据分析技术概述1. 大数据分析定义大数据分析是指对海量数据进行分析、挖掘，以发现数据背后的规律、趋势和关联性，从而为决策提供支持的过程。
大数据分析技术包括数据采集、数据存储、数据处理、数据挖掘、数据分析等多个环节。
2. 大数据分析技术分类（1）数据采集技术：包括爬虫技术、API接口、传感器数据等。
（2）数据存储技术：如Hadoop、Spark、Flink等分布式存储系统。
（3）数据处理技术：包括数据清洗、数据集成、数据转换等。
（4）数据挖掘技术：如关联规则挖掘、聚类分析、分类分析等。
（5）数据分析技术：包括统计分析、可视化分析、预测分析等。
三、大数据分析在各领域的应用1. 金融领域大数据分析在金融领域的应用主要体现在风险控制、精准营销、客户关系管理等方面。
通过对海量交易数据、客户行为数据等进行分析，金融机构可以更好地了解客户需求，降低风险，提高盈利能力。
2. 医疗领域大数据分析在医疗领域的应用主要包括疾病预测、药物研发、患者管理等方面。
通过对患者病历、基因数据、医疗设备数据等进行分析，有助于提高医疗诊断的准确性，缩短研发周期，降低医疗成本。
3. 零售领域大数据分析在零售领域的应用主要包括库存管理、精准营销、供应链优化等方面。
通过对销售数据、客户行为数据等进行分析，零售企业可以更好地把握市场动态，提高库存周转率，提升客户满意度。
4. 交通领域大数据分析在交通领域的应用主要包括交通流量预测、交通信号控制、公共交通优化等方面。
通过对交通数据、气象数据、地理信息数据等进行分析，有助于提高交通效率，降低交通事故发生率。
5. 教育领域大数据分析在教育领域的应用主要包括学生学习行为分析、课程推荐、教学质量评估等方面。
- 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)。
浙江万里学院物流与电子商务学院 (2019-2020学年第二学期)
《大数据分析》期末大作业报告 学生（学号）： 班 级：
《大数据分析》期末大作业报告目录 第一章 数据处理 第二章 分析软件说明 第三章 产品进行成交量趋势分析 第四章 每种产品占比（市场容量）分析 4.1 每种产品销售额占比分析
4.2 每种产品成交量占比分析 第五章 优质商品数与成交量，销售额之间的关系探索分析 5.1 探索分析方法及其原理
5.2 优质商品数与成交量之间的关系分析 5.3 优质商品数与销售额之间的关系分析 第六章 预测分析 6.1 预测分析方法一
6.2 预测分析方法二 第七章 总结与心得体会 第一章 数据处理 数据与我们的社会是密切相关的。我们需要的数据。然而，这些数据有时是非常复杂的，但我们可以简化和方便的处理。
数据处理是指收集、储存、检索、处理，利用科学上健全和统一的数据计算和处理方法，转换和传播大量复杂而难以理解的数据，这些数据随后转化为非常准确和宝贵的数据，供用户使用，使他们更好地理解数据对我们生活的价值，为了实现最大的利润，产品和战略可以在以后的阶段进行改进或监测。
第二章 分析软件说明 Excel是数据处理。是一款功能强大且易于使用的软件，它来自于微软简单易用的功能它来自不仅用于商业应用，也用于各种教学活动，已成为人们日常的统计工作得到广泛支持，以及已用.Excel具有数据模型、图表类型、公式、数据透视表等多种功能，可以完成人们的日常工作Excel.Excel文件也可用于数据收集和重用在这项工作人们可以做不同的计算，各种图表和其他操作我吃东西。将使用Excel中的数据透视表、回归分析等工具，熟练分析不同的图表、预测数据和不同的功能数据。
第三章 产品进行成交量趋势分析 我们可以看到，本表是2015年1月至2016年9月化妆品销售额、销售量、成交量和优质商品数的部分数据。我们使用此表按产品类别对产品进行分类，以便进行数据分析。 每种产品的成交量趋势分析图都是采用折线图，趋势线是一个线性分析，用线性方法可以更直接地能看到增长或者下降的趋势。
（1）BB霜。从图上可以看出2015/01-2015/02和2016/02-2016/03是快速上升的趋势，这两个阶段是处于最显眼的位置。而2015/03-2016/01整体趋势较为平稳，但是总体趋势还是稍微呈下降趋势的。而2016/03-2016/09的趋势中除去中间的明显上升阶段，其他都是处于下降趋势的。可以说明BB霜春夏时期的需求会比其他时期的需求量增大。
（2）F区护理套装.从图上可以看出从F区护理套装的成交量整体是呈平稳的上升趋势。成交量总体都是在增长的。但是中间也有处于下降的趋势的。
（3）袋装面膜粉。从图上看出2015/01-2016/10整体趋势都较平稳，成交量没有较大起伏。整体往缓慢上升趋势，波动不大。可以看出顾客在天气较为干燥的时候，对袋装面膜的需求量就会变高。 4）防晒霜。从图中可以很直接的看出，防晒霜对于大部分人来说是属于季节性产品，每年3月至7月的销量也是最多的。说明天气越炎热，买的顾客也就越多。
（5）护手霜。这个护手霜的成交量波动还是挺大的，有较大的起伏。在天气冷的时候，成交量也极速增加。 （6）洁面乳液。可以看出总体的成交量都是处于蛮高的水平，总体成交量呈上升趋势，预测之后的成交量还是总体会呈上升的趋势，但是幅度依旧不会很大。
（7）口红/润唇膏。这款护肤品波动幅度大，总体的成交量也是处于不好推测的阶段。不过在8月至11月是大幅度上升状态。
（8）面部去角质。从图上可以看出，总体的趋势也是处于上升的。按之前的趋势推测2016年09月之后的趋势，应该整体也是上升的，但是幅度不大 （9）面霜/肌底液。从图上可以很看出2015/01-2016/09的成交量波动起伏是较大的，上升的也不快。也有两段时间是下降趋势的。
（10）男士护肤霜。可以看出男士护肤霜到2016年09月的成交量是很大的。现在的男士护肤这块也是相对注重的，所以到2017年这个趋势也是会一直增长的。
（11）皮肤护理套件。可以很直接的看出，这类护肤品成交量也是征途属于增长阶段的 ，但是波大会有些大。看出了春季的时候，成交量增长。 （12）其他护肤品。可以看出这类护肤品总体的成交量都没有很高的阶段，总是处于在200000上下，浮动也较小。
（13）其他脸部肌肤护理。这类护肤品可以看出总体趋势是呈现缓慢上升的。前段的波动幅度总体不大。但是之后的一段时间波动则变大了。
（14）其他手部肌肤护理。从图可以看出2015/01-2016/02成交量都不是很好，16年后半年才有开始上升的趋势，但是之后又有开始急速下降趋势。 （15）爽肤水/卸妆水。可以看出爽肤水/卸妆水波动幅度不大，并且成交量处于稳定值，仅在2016/02-2016/03期间快速上升。之后总体的趋势应该也是教育平稳的。
（16）卸妆精油。从图可以看出这款产品比卸妆水的波动要稍微大一些，但是整体的趋势和卸妆水是比较相似的。但成交量会比卸妆水弱。这款产品和卸妆水都可以认为是日常必需品。
（17）修复精华露。这类产品整体为上升趋势。之后的趋势应该也是呈上升趋势的，总体的成交量也应为上升的。 （18）眼部精华液。从2015/02-2016/01都是较为平稳的阶段，没有明显的大起伏。而之后的波动幅度会有点大。
第四章 每种产品占比（市场容量）分析 4.1 每种产品销售额占比分析 可以先处理每个产品的销售数据，用公式计算总销售额，然后计算每类产品的占比。总占比为100%。
通过观察，从下面的图中可以看出，因为护肤的种类也比较多，没有哪一项的占比是 总体占大部分的。其中，BB霜是这么多项中占比最少的，在饼图中的存在感太少太少了，约是0%。而皮肤护理套件的占比是最高的，约为15.74%，之后占比较大的就是面霜/肌底液，约为12%。
4.2 每种产品成交量占比分析 与上述的方法类似，先把占比计算出来，之后插入数据透视表，再制作出饼图。总占比为100%。
通过观察，从下面的图中看出，在这么多产品的成交量的占比中可以发现，袋装面膜 粉的占比最多越达16%，其次是面霜/肌底液约占12%。占比最少的依旧是BB霜。也可以用百分比的占比很容易分析出各类产品的成交量为多少。
第五章 优质商品数与成交量，销售额之间的关系探索分析 5.1 探索分析方法及其原理 相关关系是不同现象之间的一种具体联系，但数量上的关联并不是严格相互依存的，也就是说，它们是相互关联的。当变量被定义为一个值，另一个变量在一定程度上受到随机波动的影响并且是不确定的。例如，产品分销收入与广告费用之间存在联系，这是相关的，但又不是严格确定的一一对应关系。
方法：利用变量间的相关类型绘制离散图和相关表，判断相关系数计算范围。相关系数越接近1，密切程度就越密切。根据相关分析，回归分析描述了变量对变量的线性依赖关系。
5.2 优质商品数与成交量之间的关系分析 首先，将优质商数和成交量复制到一个新的表中，进行数据分析，选择回归分析，再选择数据，就可以得到结果。 利用CORREL函数可以得出优质商品数与成交量的相关系数，r=0.726785，这就说明优质商品数与成交量两者显著相关。
5.3 优质商品数与销售额之间的关系分析 与上题步骤类似，通过数据分析，可以得到相关系数r的值为0.583354，说明了优质商品数和销售额是显著相关的。也可以看出优质商品数越多，销售额也就越高，优质商品数和成交量是成正比关系的，和销售额也成正比关系。 第六章 预测分析 6.1 预测分析方法一 这里选择了几个肤护品来说明。我选择的是时序预测法来预测。预测16年10月到17年06的销售额。
方法一我选择时序预测法，首先将某一类产品的日期和成交量复制到一个新的表中，然后进行数据处理，选择预测工作表，选择日期，点击创建。这样商品16年10月到17年6月的预测成交量就完成了。
（1）BB霜的预测成交量。从图上可以看到红色部分，其并没有上升和下降的趋势，而 是处于一个很平稳的状态。 （2）皮肤护理套件的预测成交量。从图上可以直观的看到预测成交量的趋势还是呈现上升趋势的。
（3）卸妆精油的预测成交量。 （4）袋装面膜粉的预测成交量。 （5）防晒霜的预测成交量。 （6）洁面乳液的预测成交量。 （7）口红/润唇膏的预测成交量。
6.2 预测分析方法二 方法二，我选择采用的是移动平均法。首先，将某一类型产品的日期、销售额和成交量复制到新的表中，然后进行处理。然后选择数据分析中移动平均，在输入区域选择销售额，再选择输出区域，结果就会出现。预测成交量也是如此。由于护肤品品种很多，这里选择了几个肤护品来说明。
（1）BB霜的预测销售额和预测成交量。 （2）袋装面膜粉的预测销售额和预测成交量。 （3）护手霜的预测销售额和预测成交量 第七章 总结与心得体会
现在可以说，大数据时代已经到来。如何应对知识大时代的机遇和挑战，这也是当前学生必须面对的一个课题。计算机技术和互联网技术的飞速发展，使我们每天都面临着大量的数据。现在每天都会产生很多不同的数据，数据本身有潜在的价值，但价值是相对分散的。由此可见，有关高速生产的数据也是需要高速处理的。
大数据是在一定时间内对零碎的海量数据进行过滤和分析，并将其组织成有用的信息来帮助用户，更好地完成他们的决定与大数据可以帮助企业决策者快速感受到市场需求的变化，使他们对企业有更强的感知力，使他们更具竞争力。
我意识到这门课程是很有实用性的，在这门学科中可以学习到很多数据处理的知识，感觉受益匪浅。在大学生活中的其他时候，也依旧要保持学习的自觉性，还是要改善自己的不足，并且要保持一个好的态度去学习。