2019届京东春招商业分析笔试.pdf

在2019届京东春招的商业分析笔试中，主要涉及了数据分析的基础知识和应用，包括数据分析类型、CRISP-DM数据挖掘标准流程、回归模型、假设检验、聚类分析、回归分析的前提假设、逻辑回归、主成分分析与因子分析、效率评估方法以及物流优化问题。以下是这些知识点的详细说明： 1. 数据分析类型： - 描述型分析：从数据中提取出有意义的信息，描述现状或现象。 - 预测型分析：利用历史数据预测未来趋势。 - 指导型分析：基于分析结果提出行动建议。 - 诊断型分析：分析问题的原因，解释事件发生的原因。 2. CRISP-DM流程： - 这是一种跨行业的数据挖掘标准流程，包括商业理解、数据理解、数据准备、建模、评估和部署六个阶段。 3. 回归模型预测： - R平方（R²）衡量模型拟合优度，越大表示模型对数据的解释能力越强；P值用来测试假设，越小表示拒绝原假设的证据越强，一般希望P值小于显著性水平（如0.05）。 4. 假设检验： - 假设检验中的II类错误（β错误）是指拒绝了实际上成立的零假设（H0），而I类错误（α错误）是接受了实际上不成立的零假设。 - α通常与样本大小有关，样本量固定时，α增大，β通常会减小。 - 单尾检验是只关注一个方向的假设，例如H0: μ≤μ0，H1: μ>μ0。 5. 聚类分析： - 聚类分析是将数据集分成多个类别的过程，常用算法有层次聚类、K-均值和DBSCAN。 - 相关聚类度量用于度量对象之间的相似性，常见的距离度量有欧几里得距离和曼哈顿距离。 - 层次聚类分为凝聚的（自下而上）和分裂的（自上而下）两种，前者不必预先知道类别数。 6. 回归分析的前提假设： - 回归分析假设因变量与自变量之间存在线性关系，且残差（剩余误差）正态分布，但不要求自变量为随机变量。 7. 销售分析： - 在回归分析中，系数代表了自变量变化一个单位时因变量的平均变化，因此客流每增长1，销售预计增长15666.000。 - 点击率的系数较大可能是因为它是百分比形式，需注意解释。 - 降低价格会导致销售的负向变化，但并不意味着降低价格可以明显提高销售，这取决于其他因素。 - 变量可以取对数来处理非线性关系，以反映弹性。 8. 逻辑回归、主成分分析与因子分析： - 逻辑回归基于伯努利分布，用于处理二分类问题。 - 主成分分析和因子分析都是降维技术，但因子分析更关注新变量的实际意义和解释原有变量的结构，因子数量不一定人为确定。 9. 效率评估方法： - DEA（数据包络分析）用于评估决策单元的投入产出效率，适合多输入多输出的情况。 10. 物流优化问题： - 为了最小化总运输费用，需要考虑物流城的供给限制和城市的需求，设置适当的运输量变量（Xij）进行优化。 - 确保每个城市的快递需求得到满足，同时不超过物流城的最大供给。 11. Excel中的利润分析： - 在Excel中，可以通过建立公式或者使用数据分析工具，如数据透视表和图表，对店铺利润进行统计和比较，以识别盈利模式和潜在的优化策略。 这些知识点涵盖了数据分析的基本概念和应用，对于商业分析人员来说，理解和掌握这些内容对于解决实际问题至关重要。