2.2电商数据可视化处理(课件）《电子商务数据分析与应用》（中国劳动社会保障出版社）

项目二 电商数据的采集及处理 任务 1 数据采集 任务 2 电商数据可视化处理 62 任务 1 数据采集 任务目标 知识目标 1. 了解电商数据的类型，熟悉图表的创建方法 2. 掌握常用的数据可视化方法 能力目标 1. 能运用多种图表制作方法制作图表 2. 能进行图表的编辑、图表布局的设置、图表类型及数据源的更改 3. 能清洗、整理及加工初始数据 4. 能使用 Excel 软件将电商数据分析结果进行可视化处理 63 任务 2 电商数据可视化处理 一、数据可视化的概念 数据可视化是关于数据视觉表现形式的技术，它是利用图形、表格、动画等手段，将数据内在的规律直观展现的方法。数据可视化的基本思想是将每一个数据项作为单个图元（图形元素，可以编辑的最小图形单位）进行表示，大量的数据集构成数据图像。同时将数据的各属性值以多维数据的形式表示，以便从不同的维度观察数据，对数据进行更深入的观察和分析。 64 任务 2 电商数据可视化处理 二、数据可视化的作用 数据可视化的作用是准确而高效、简洁而全面地传递信息。数据可视化能将不可见的数据现象转化为可见的图形符号，能将错综复杂、难以解释和关联的数据建立起联系，帮助人们发现其特征和规律。 65 任务 2 电商数据可视化处理 三、数据可视化的一般步骤 1. 明确电商数据可视化需求 进行电商数据可视化时，首先需要明确数据可视化的需求，即数据可视化项目能够解决什么运营问题。明确数据可视化需求，可以避免将一些不相干的数据放在一起进行比较。 2. 选择正确的数据可视化类型 确定需求之后，即可为数据选择合适的可视化类型。不同类型的数据有其适合的图表类型，如果设计人员选用一个错误的类型去展现，就很容易造成误解。要清楚地表达数据分析结果，就必须准确选择数据可视化类型。 66 任务 2 电商数据可视化处理 3. 确定关键的信息指标 高效的数据可视化不仅取决于数据可视化的类型，还取决于一种平衡：既要保证总体信息的通俗易懂，又要在某些关键点上有所突出；既能提供深刻的信息解读，又能提供合适场景进行上下文的联系，从而更加合理地构建数据架构。所以，在进行数据可视化时，需要选取关键数据指标，表达关键信息，以引导用户通过可视化数据分析得到相应的结论，体现数据的价值。 4. 优化展现形式 数据可视化的展现形式除了要有精美的外观，更要根据其功能和用途而设计，切忌为了表面的绚丽多彩把简单的问题复杂化。 67 任务 2 电商数据可视化处理 四、电商数据的类型 1. 数值型数据 数值型数据即由多个单独的数字组成的一串数据，是直接使用自然数或度量单位进行计量的具体数值。如支出 800 元、好评率 98%、销售量 1 895 个、质量 2 千克等，这些数值就是数值型数据。图所示为以数值显示的某店铺某月在交易、流量、商品、推广等各方面的运营情况，以及与上月进行同期对比的结果。 68 任务 2 电商数据可视化处理 69 数值型数据 任务 2 电商数据可视化处理 2. 文字图形型数据 文字图形型数据普遍应用在关键词分析、人群画像等场景中。下图所示为搜索“羽绒服”关键词后显示的相关搜索词情况，其中红色圆点表示该关键词搜索量呈上升趋势，绿色圆点则表示该关键词搜索量呈下降趋势。圆点越靠近中央“羽绒服”圆圈，则表示该圆点代表的关键词与“羽绒服”关键词的相关性越大。 70 任务 2 电商数据可视化处理 71 文字图形型数据 任务 2 电商数据可视化处理 3. 图表型数据 图表型数据是经常用于数据分析的一种可视化电商数据类型，即将枯燥的数字转换为更为直观的图表。下图所示为通过曲线化图表显示的店铺交易趋势，如果通过数字显示，则还需要进一步分析。但通过图表显示，就能一眼看出 11 月的交易额最高。 72 图表型数据 任务 2 电商数据可视化处理 五、常用数据可视化方法 数据可视化有许多方法，根据可视化原理不同可分为基于几何技术的方法、面向像素技术的方法、基于图标技术的方法、基于层次技术的方法、基于图像技术的方法和基于分布式技术的方法等类型。从实用性出发，数据可视化的常用方法有以下 5 种。 73 任务 2 电商数据可视化处理 1. 面积与尺寸可视化 面积与尺寸可视化方法通过对同一类图形，如柱状、圆环、蜘蛛图等的长度、高度或面积加以区别，清晰地表达不同指标及其对应的指标值之间的对比信息，让浏览者对相关数据及其之间的对比情况一目了然。制作这类数据可视化图形时，一般需要用数学公式计算，以便表达准确的尺度和比例。 74 任务 2 电商数据可视化处理 下图所示为某天猫店铺动态评分图。在动态评分模块右侧，条状图以精确的比例清晰地展示了不同评分客户的分布情况。一眼望去，可以明显看出“5 分”动态评分的客户占绝对多数。 75 某天猫店铺动态评分图 任务 2 电商数据可视化处理 2. 概念可视化 概念可视化是将抽象的指标数据转换为人们熟悉的、容易感知的数据，使用户容易理解图形所要表达的意义。下图所示为宣传节约用纸的张贴画。看到画中单纯地描述办公用纸量及其堆积可达到的高度时，人们对此并没有清晰的概念。但当看到用纸堆积高度比广州塔建筑总高度还高，同时需要砍伐近 400 棵树时，节约用纸的想法便油然而生。由此可见，用概念转换的方法将数据分析的结果可视化输出，是十分重要和有效的。 76 任务 2 电商数据可视化处理 77 宣传节约用纸的张贴画 任务 2 电商数据可视化处理 3. 颜色可视化 通过不同的颜色来表达标值的强弱和大小，是数据可视化设计的常用方法之一。这种方法可以让用户迅速了解数据信息的整体特征，如哪一部分指标的数据值比较突出等。应用颜色辅助数据图表可视化输出时，具体颜色的选择最终取决于用户所要表述的信息特征，使数据形成有效的对比。在一个图表中使用太多的颜色会造成混乱和过度修饰，应选择和谐的颜色组合。 78 任务 2 电商数据可视化处理 下图所示为 2018—2023 年中国企业自播与达人播市场占比图，通过颜色差异，可以直观地看到近年来企业自播与达人播市场占比的相对变化情况。 79 2018—2023 年中国企业自播与达人播市场占比（来源于艾瑞咨询） 任务 2 电商数据可视化处理 4. 图形可视化 在设计表示指标及数据的图形时，若使用有相应实际含义的图形，往往会使数据图表的内容展现得更加生动，便于用户理解图表要表达的内容。 5. 地域空间可视化 当指标与数据要表达的主题与地域有关联时，一般可以选择地图作为大背景来可视化输出数据分析结果。这样，用户既可以直观地了解整体的数据情况，又可以根据地理位置快速定位到某一地区查看详细数据。 80 任务 2 电商数据可视化处理 谢 谢 Thanks 81 任务 1 数据采集 $$