论文部分内容阅读
摘 要：近几年，在各种数据量多样化、各类手机应用逐渐深入我们的生活的基础上。如今，大数据已成为各行各业研究的热点问题。全国各地在已经过去的两年内产生的数据量占数据总量多达90%。由此看来，大数据技术正在融入我们的生活以无法抵挡的趋势。基于如此基础，本文除了简单介绍了大数据的理论，对我国电子商务电商平台数据来源及数据挖掘方法进行分析。
关键词：大数据;电商平台;特性分析
一、引言
近些年，在网上购物的居民人数已经达到上亿人次。目前我国网民的规模已经达到6.49多亿，其中 3.61亿人在电商平台上购买物品，同比增长达到了19.7%;在这些网民中，在电商平台上进行购物的比例增长了6.8个百分点，也就是说55%的网民在选择在电商平台购物。这一组数据充分的证明了电子商务平台受到网民的青睐程度，同时也给网络支付企业以及物流管理等行业创造了发展的机会。通过叙述大数据的技术及发展的情况，研究了大数据对我国电子商务方面带来的各种动力，介绍了大数据的具体概念，介绍了电商平台数据来源及数据挖掘的方法并展望未来。
二、大数据定义
大数据指的是在一定的时间里无法运用现有的软件工具对各种内容进行收集、管理的一种数据的集中，其主要表现为是一种非结构化的数据，这就导致了在现实生活中我们所获取的大数据信息在与之前的数据库进行对接时，很多内容都不能进行兼容。
三、电商平台数据来源及数据挖掘方法
（一）数据来源分析
随着经济的发展，越来越多的电子商务平台开始注重对数据的价值分析，也注重收集数据，但是数据自身是不会说话的，没有洞察的数据无价值可言，对企业销量增长也毫无益处，这极大浪费了数据的价值以及为之投入的人力、物力、财力。普华永道曾对世界各国超过1300位CEO展开调查，调查内容主要集中在数据方面，根据报告显示，数据分析占据很重要的地位，仅次于提高用户参与度的技术，但是对于提升用户体验、提高用户满意度以及销售业绩而言，数据分析最为重要。
電商数据分析的基本体系指标包括几个方面：
（1）总体运营指标
电商的总体运营指标是面向人群的电商运营管理层，通过总体的运营指标对电商运营的整体效果进行评估整改。分别从订单、流量、整体指标、总体销售业绩进行控制，并对电商平台的运营情况进行整合，是亏是赚，做到一目了然。
（2）网站流量
网站流量指对所要访问网站中的进行访客分析，基于这些数据对网页可以进行优化，并分析访客的行为方式。
（3）销售转化指标
销售转化指标包括支付类指标、购物车类指标、下单类指标、支付类指标。研究从分析下单到成功支付这整个过程所整合的数据类别，进一步提升了某件产品的转化率。
（4）客户价值指标
针对客户进行分类，可以有针对性的进行介绍商品种类及实际价值，更好的为用户提供需求。
（5）商品类指标
商品类指标指的是要分析商品的具体情况，比如：商品库存、商品销售等，再建立起关联的模型，分析总结该类商品同时跟哪几样商品销售，哪种方式吸引顾客的几率比较高，从而进行捆绑销售。
（6）市场营销活动指标
市场营销活动指标主要用来监控某种活动给电商平台带来的影响，是用来监控广告的一个投放指标。
（7）风控类指标
销售商品时，商家分析卖家的售后评价，不满意的情况是怎样。从中发现问题所在，同时进行及时改正。
根据买家评价指标反应顾客对商品的满意程度，以及商品的实用价值，投诉量和投诉率要及时进行监控，便于提早发现问题，及时更正。
（二）大数据挖掘方法
数据挖掘的一般流程包括：
（1）问题的识别
挖掘一个有价值的数据，首先需要做到认识到问题的本质是什么才能找挖掘的方向，只有对问题有充分的认识，也才能够去选择一个适合的挖掘方式来探索，而对问题进行深入的处理和分析更是确定能否适合使用大数据技术进行的基本要求。
（2）数据理解
由于数据的特殊性，从而令其不同于一般的资源。数据理解包括两点，一是数据在非同一系统的同一用户中进行传递的话，可以达到零数据增加其价值的效果;二是在这个传递过程之中，因为双方通信对接问题对之后产生的数据质量将会造成不同程度的影响。
（3）数据收集
数据的收集主要有以下几个步骤，一是要进行相关数据的精准提取，确保拿到准确的需要处理的数据，这是所有工作的基础;而是进行统一标准的数据类型模式转换，将不同结构的数据能够按照统一的格式进行编排;三是进行数据整合，将以上所处理好的数据全部聚合到一起，放入数据挖掘库之中，同时也完成了数据冗余的消除工作。
（4）建立模型
数据挖掘中最为重要的一步便是数据建模，它是一个不断循环往复，重复试错的检验过程，从而才能针对我们之前的问题选择一个最合适的模型进行建模分析。
主要的模型包括分布探索、试验设计、特征估计、假设检验、时间序列、筛选设计、模型拟合、多元分析等。
（5）评价模型
建模不代表事情就终止了，还应该对建模的对象进行进一步的评价，这个评价主要分为两个方便，一是针对于模型的准确性来判断的精准性评价;二是针对模型的可靠性和可移植性来判断的稳健性评价。
（6）应用模型
当模型建立完毕也通过检验之后，就可以开始进行下一步的操作，进行实际的投入使用环节，一般可以提交给相关的研究人员进行评测，也可以借助别的问题来验证上述环节的操作。
四、小结
电商互联网涉猎广泛，与很多产业都有着一定的联系，电商互联网的发展受到很多因素的影响，例如环境因素、专业因素等。也就是说，选择怎样的方式来处于电子商务互联网领域的数据信息，成为了限制当前电商互联网发展的主要阻碍因素。若要想通过电商互联网应用层面模型的建立奠定一套关于大数据技术的基础，那么就需要我们去寻找一条从海量数据库中寻找潜在模式与规律，挖掘有重要价值的数据信息的道路。
参考文献
[1]徐国虎，孙凌，许芳.基于大数据的线上线下电商用户数据挖掘研究[J]，《中南民族大学学报》，2018，32，（2）：100-105.
[2]刘志超，陈勇，姚志立.大数据时代的电子商务服务模式革新[J]，《科技管理研究》，2018，34（1）：31-34.
作者简介：
邱庆，男，1999年5月21日出生，四川省大竹县人，重庆工商大学融智学院电子商务专业，在读本科三年级学生
关键词：大数据;电商平台;特性分析
一、引言
近些年，在网上购物的居民人数已经达到上亿人次。目前我国网民的规模已经达到6.49多亿，其中 3.61亿人在电商平台上购买物品，同比增长达到了19.7%;在这些网民中，在电商平台上进行购物的比例增长了6.8个百分点，也就是说55%的网民在选择在电商平台购物。这一组数据充分的证明了电子商务平台受到网民的青睐程度，同时也给网络支付企业以及物流管理等行业创造了发展的机会。通过叙述大数据的技术及发展的情况，研究了大数据对我国电子商务方面带来的各种动力，介绍了大数据的具体概念，介绍了电商平台数据来源及数据挖掘的方法并展望未来。
二、大数据定义
大数据指的是在一定的时间里无法运用现有的软件工具对各种内容进行收集、管理的一种数据的集中，其主要表现为是一种非结构化的数据，这就导致了在现实生活中我们所获取的大数据信息在与之前的数据库进行对接时，很多内容都不能进行兼容。
三、电商平台数据来源及数据挖掘方法
（一）数据来源分析
随着经济的发展，越来越多的电子商务平台开始注重对数据的价值分析，也注重收集数据，但是数据自身是不会说话的，没有洞察的数据无价值可言，对企业销量增长也毫无益处，这极大浪费了数据的价值以及为之投入的人力、物力、财力。普华永道曾对世界各国超过1300位CEO展开调查，调查内容主要集中在数据方面，根据报告显示，数据分析占据很重要的地位，仅次于提高用户参与度的技术，但是对于提升用户体验、提高用户满意度以及销售业绩而言，数据分析最为重要。
電商数据分析的基本体系指标包括几个方面：
（1）总体运营指标
电商的总体运营指标是面向人群的电商运营管理层，通过总体的运营指标对电商运营的整体效果进行评估整改。分别从订单、流量、整体指标、总体销售业绩进行控制，并对电商平台的运营情况进行整合，是亏是赚，做到一目了然。
（2）网站流量
网站流量指对所要访问网站中的进行访客分析，基于这些数据对网页可以进行优化，并分析访客的行为方式。
（3）销售转化指标
销售转化指标包括支付类指标、购物车类指标、下单类指标、支付类指标。研究从分析下单到成功支付这整个过程所整合的数据类别，进一步提升了某件产品的转化率。
（4）客户价值指标
针对客户进行分类，可以有针对性的进行介绍商品种类及实际价值，更好的为用户提供需求。
（5）商品类指标
商品类指标指的是要分析商品的具体情况，比如：商品库存、商品销售等，再建立起关联的模型，分析总结该类商品同时跟哪几样商品销售，哪种方式吸引顾客的几率比较高，从而进行捆绑销售。
（6）市场营销活动指标
市场营销活动指标主要用来监控某种活动给电商平台带来的影响，是用来监控广告的一个投放指标。
（7）风控类指标
销售商品时，商家分析卖家的售后评价，不满意的情况是怎样。从中发现问题所在，同时进行及时改正。
根据买家评价指标反应顾客对商品的满意程度，以及商品的实用价值，投诉量和投诉率要及时进行监控，便于提早发现问题，及时更正。
（二）大数据挖掘方法
数据挖掘的一般流程包括：
（1）问题的识别
挖掘一个有价值的数据，首先需要做到认识到问题的本质是什么才能找挖掘的方向，只有对问题有充分的认识，也才能够去选择一个适合的挖掘方式来探索，而对问题进行深入的处理和分析更是确定能否适合使用大数据技术进行的基本要求。
（2）数据理解
由于数据的特殊性，从而令其不同于一般的资源。数据理解包括两点，一是数据在非同一系统的同一用户中进行传递的话，可以达到零数据增加其价值的效果;二是在这个传递过程之中，因为双方通信对接问题对之后产生的数据质量将会造成不同程度的影响。
（3）数据收集
数据的收集主要有以下几个步骤，一是要进行相关数据的精准提取，确保拿到准确的需要处理的数据，这是所有工作的基础;而是进行统一标准的数据类型模式转换，将不同结构的数据能够按照统一的格式进行编排;三是进行数据整合，将以上所处理好的数据全部聚合到一起，放入数据挖掘库之中，同时也完成了数据冗余的消除工作。
（4）建立模型
数据挖掘中最为重要的一步便是数据建模，它是一个不断循环往复，重复试错的检验过程，从而才能针对我们之前的问题选择一个最合适的模型进行建模分析。
主要的模型包括分布探索、试验设计、特征估计、假设检验、时间序列、筛选设计、模型拟合、多元分析等。
（5）评价模型
建模不代表事情就终止了，还应该对建模的对象进行进一步的评价，这个评价主要分为两个方便，一是针对于模型的准确性来判断的精准性评价;二是针对模型的可靠性和可移植性来判断的稳健性评价。
（6）应用模型
当模型建立完毕也通过检验之后，就可以开始进行下一步的操作，进行实际的投入使用环节，一般可以提交给相关的研究人员进行评测，也可以借助别的问题来验证上述环节的操作。
四、小结
电商互联网涉猎广泛，与很多产业都有着一定的联系，电商互联网的发展受到很多因素的影响，例如环境因素、专业因素等。也就是说，选择怎样的方式来处于电子商务互联网领域的数据信息，成为了限制当前电商互联网发展的主要阻碍因素。若要想通过电商互联网应用层面模型的建立奠定一套关于大数据技术的基础，那么就需要我们去寻找一条从海量数据库中寻找潜在模式与规律，挖掘有重要价值的数据信息的道路。
参考文献
[1]徐国虎，孙凌，许芳.基于大数据的线上线下电商用户数据挖掘研究[J]，《中南民族大学学报》，2018，32，（2）：100-105.
[2]刘志超，陈勇，姚志立.大数据时代的电子商务服务模式革新[J]，《科技管理研究》，2018，34（1）：31-34.
作者简介：
邱庆，男，1999年5月21日出生，四川省大竹县人，重庆工商大学融智学院电子商务专业，在读本科三年级学生