Please enable JavaScript.

Coggle requires JavaScript to display documents.

Lec 1, Business Analytics, 总结 (The difference between BA and DS, The four…

- - - - 查看过去一周每天的咖啡销量
  - - - 分析为什么周三销量最低（如天气、无活动）
  - - - 根据历史数据预测周五销量高
  - - - 系统建议你周五提前备货、发优惠券
- - - - 例如“顾客来店次数、点单时间”
  - - - 例如“高峰时段是中午12点-2点”
  - - - 例如“中午加强人手可提升服务质量和回头率”
- - - - 发现最近退货率上升
        
        BA 重“做决策”，DS 重“写代码”
        BA 看“过去现在”，DS 想“未来预测”
      - 通过Tableau分析退货时间、客户类型、产品种类
      - 向经理汇报：“退货高峰集中在两款新上架产品，建议修改退货政策+产品描述”
    - - 构建预测模型，根据客户行为预测谁更可能退货
      - 使用Python分析购买历史、点击行为、用户评分等
      - 输出一个评分系统供系统自动识别“高退货风险客户”
- - - - 描述过去发生了什么。通过汇总历史数据发现趋势与模式。
        
        报表、数据可视化、Excel PivotTable、Tableau
        
        The four types of analysis are progressive relationships “看过去 ➜ 找原因 ➜ 预测未来 ➜ 决定行动”
        
        Descriptive 统计出“每周三上午销量最低”
        
        Diagnostic 分析原因是因为缺少优惠活动，天气较冷
        
        Predictive 预测下周三销量将持续低迷
        
        Prescriptive 建议下周三提供买一赠一活动或推送优惠券
    - - 解释为什么会发生，分析过去数据背后的原因。
        
        回归分析、因果图、数据挖掘
    - - 预测未来可能发生什么，通过模型预测趋势。
        
        机器学习、时间序列分析、回归、分类算法
    - - 给出可行建议，告诉你该做什么决策。
        
        优化算法、模拟、强化学习（Reinforcement Learning）
- - - - 使用历史销售数据、竞争对手价格和顾客敏感度建立价格弹性模型
      - 利用回归分析预测在不同价格下的销量 regression analysis
    - - 通过A/B测试分析“打8折”与“买一送一”对不同顾客群的效果
      - 利用分类模型预测哪些顾客更可能响应促销 classification models
    - - 分析不同区域的人流量、交通便利度、消费能力
      - 使用聚类分析（Clustering）识别潜在的高潜力区域
    - - 使用时间序列预测模型（如ARIMA）预测每日或每周需求量
      - 根据天气、节假日等因素做动态调整
    - - 利用分类算法预测哪些客户可能流失
      - 使用RFM模型（Recency, Frequency, Monetary）分析客户活跃度