淘宝实战——教你数据挖掘好方法

摘要：下面通过4种对应的场景来帮助读者理解数据挖掘的4种任务。

（1）老板要求小白做一份市场分析——预测。

拿到市场分析的数据源后就要明确知道，分析市场最主要的价值就在于“先知”，即比竞争对手提前预知市场行情。因此接到市场分析的工作后，不用迷茫，预测是它的价值所在。

（2）老板要求小白对店铺的日常数据进行监控——异常检测。

平时监控店铺的数据时，如果一切正常，那么就什么工作都不用做。而异常检测主要的工作就来自异常情况，包括跟行业阈值对比，一旦低于行业阈值就被视为异常。

（3）老板要求小白分析一下订单数据或销售数据——探索关系。

探索关系的工作是最有趣的，因为你说不定会发现一些非常有趣的关系，例如影响买家下

单的主要因素。在Excel应用中，最简单粗暴的方法就是用散点图来观察数据。

（4）老板要求小白分析一下客户数据——聚类。

相信很多读者都有过这样的苦恼，手里有客户的数据，但是不知道如何将效益最大化地利用。那么，这就涉及对客户进行分类。通过分类可以知道哪些客户是有价值的，哪些客户是没有价值的。

预测

上文介绍了数据分析的4个任务，本节介绍第一个任务——预测。

预测这个任务在很多场景可以应用到，例如：、预测某个行业未来的市场走势；预测买家会不会响应我们的营销主张；预测股票走势/福利彩票开奖号码；

预测自己的体重/身高。

在Excel中，结合数据挖掘套件，可以非常简单地完成【预测】这个任务。虽然用鼠标单击几下就可以完成【预测】，但是做【预测】的方法有好几种，而且在不同的

情况下要应用不同的方法。如果用错了方法，可能程序就会报错。即使程序不报错，出来的结果也可能是差强人意的。具体用哪种方法，我们的依据是什么呢？

答案是【数据类型】。我在这里将数据分成3种类型（当然一些讲数据分析、数据挖掘的书里面的分类方法可能会跟我的分类不一样）。【数据类型】分为【定量】【定性】和【时间序列】这3种。【定量】就是由0～9组成的数值，当数据是这种数值时，我们就可以把它归类为【定量】数据类型。【定性】一般是字符型数据，例如中文、英文就是一种字符型的数据。【时间序列】跟【定量】非常接近，但不同的是，【时间序列】是时间格式的数据，例如电脑的系统时间就是时间格式的数据，被称为【时间序列】。下面是不同的数据类型对应的分析方法（不局限以下方法）。【定量】对应【线性回归】。【定性】对应【逻辑回归】。【时间序列】对应【时间序列预测】。怎么选择就要看我们要预测的维度了，是根据数据的变化来预测的。

探索关系

【相关性】用来反映两个或多个维度之间的相关密切程度，例如在上面的例子中，文身与畸形儿的关系就是比较紧密的。两者相关紧密并不等于因果关系，上面的例子也说明了，并不是因为妈妈文身就导致生出的宝宝畸形了，而是文身的妈妈大多数曾经接触过毒品，才导致后面生出畸形儿。

【相关性】从影响的方向来区分有3种，分别是【正相关】【零相关】【负相关】。下面一一介绍。首先是【正相关】，只要是呈现如下图所示这种趋势的分布，就被称为【正相关】，即任意一个维度增长，另一个维度就跟着增长，反之亦然。

异常检测

异常检测也叫孤立点检测或离群点检测。正如前文所说，我们天天监控店铺数据，目的就是为了发现异常并及时预警，如果一切正常，那么我们就什么事儿都没有。万一有异常数据出现，那么我们就要做进一步的分析，找出导致数据异常的罪魁祸首。异常检测操作和观测非常简单，用箱线图或者散点图即可实现。如下图所示是某行业中销量排名在前4004名的商品的价格散点图。非常明显，这里有一个孤立点，此商品居然卖了12万多件。

当我们发现这种孤立点时，必须要考虑的是：

（1）这个数据是否有误？要如何处理？

（2）如果数据无误，那么是什么原因造成的？是否需要处理？要辨别数据是否有误，就需要调出源数据进行检查。这个步骤相当简单，只需要核对，以及根据逻辑和常理来判别即可。但也有无法判定的情况。我们先说第一种情况。如果我们判断是数据出错了，而我们又无法拿到正确的数据，此时就需要对这个异常值进行处理。异常值（在数据有误的情况下）的处理方法如下。

（1）更正。

（2）删除。

（3）替换。

——本文节选自《电商数据分析，淘宝实战》，博文视点投稿