Python商务数据分析与实战-教学大纲 及 授课计划.docx

《Python商务数据分析与实战-教学大纲 及 授课计划.docx》由会员分享，可在线阅读，更多相关《Python商务数据分析与实战-教学大纲 及 授课计划.docx（13页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、Python商务数据分析与实战教学大纲课程名称：Python商务数据分析与实战课程类别：必修适用专业：大数据技术类相关专业总学时：64学时（其中理论36学时，实验28学时）总学分：4.0学分一、课程的性质随着政府政策和企业加大移动端布“局”的推动，电子商务市场呈现出迅猛增长的态势， 与之相关的商务数据的规模与复杂程度也在迅速增大。数据分析技术将帮助企业用户在合理 时间内获取、管理、处理以及整理海量数据，为企业经营决策提供积极的帮助。数据分析作为 一门前沿技术，广泛应用于物联网、云计算、移动互联网等战略新兴产业。有实践经验的数据 分析人才已经成为了各企业争夺的热门。为了推动我国大数据，云计算，人

2、工智能行业的发展, 满足日益增长的数据分析人才需求，特开设Python商务数据分析与实战课程。二、课程的任务理论上，要求学生掌握商务数据分析概念、Python数据分析基础、数据获取、探索性分析、 数据预处理、数据挖掘算法基础等数据分析与挖掘的主要方法。技能上，结合餐饮系统、国民生产总值、便利店零售等现实场景，使学生学会使用Python 语言进行数据探索、数据预处理、分类与预测、聚类分析、时序预测、关联规则挖掘、智能推 荐等操作，并从020优惠券、超市零售、餐饮企业等贴近学生生活的场景案例，进行知识点 和真实案例相结合，使学生进一步掌握数据分析与数据挖掘的流程和技能。思政上，将落实立德树人的根本

3、任务，将育人元素揉入教学中，引导学生的环保理念，增 强学生法律意识，培养学生的工匠精神、安全生产、职业道德、技能宝贵、科学探索、独立思 考、思辨能力等。教务处编印年 月七、课程教学目的通过本课程的学习，使学生学会使用Python进行科学计算、可视化绘图、数据处理， 分析与建模,并详细拆解学习分类、关联规则和综合分析类企业案例，将理论与实践相结合， 为将来从事数据分析挖掘研究、工作奠定基础。八、教学方法及手段本课程将采用理论与实践相结合的教学方法。在理论上，通过例子引入概念、原理和方 法。在实践上，充分地利用现有的硬件资源，发挥学生主观能动性，结合餐饮系统、国民生 产总值、便利店零售等现实场景，

4、使学生学会使用Python语言进行数据探索、数据预处理、 分类与预测、聚类分析、时序预测、关联规则挖掘、智能推荐等操作，并从020优惠券、 超市零售、餐饮企业等贴近学生生活的场景案例，引导学生将所学知识与企业需求相结合, 将知识活学活用。要求学生自己动手分析实例，学习基本理论和方法，结合已有的知识，适当组织一些讨 论，充分调动学生的主观能动性，以达到本课程的教学目的。九、课程考核方法突出学生解决实际问题的能力，加强过程性考核。课程考核的成绩构成二平时作业 （10%） +课堂参与（20%） +期末考核（70%）,期末考试建议采用开卷形式，试题应包括 基本概念、绘图、分组聚合、数据合并、数据清洗、

5、数据变换、模型构建等部分，题型可采 用判断题、选择、简答、应用题等方式。Python数据分析与应用教学日历周次学时授课内容作业要求备注14第1章商务数据分析概述第2章Python数据分析简介（1）第1章课后习 题24第2章Python数据分析简介（2）第3章数据获取（1）第2章课后习 题34第3章数据获取（2）第4章探索性分析（1）第3章课后习 题44第4章探索性分析（2）第4章课后习 题54第5章数据预处理（1）第5章选择题64第5章数据预处理（2）第5章操作题74第5章数据预处理（3）第6章构建模型（1）第5章操作题84第6章构建模型（2）第6章选择题94第6章构建模型（3）第7章020优

6、惠券个性化投放（1）第6章操作题104第7章020优惠券个性化投放（2）第7章操作题114第7章020优惠券个性化投放（3）第8章零售商品购物篮分析（1）第7章操作题124第8章 零售商品购物篮分析（2）第8章操作题134第8章 零售商品购物篮分析（3）第8章操作题144第9章 餐饮企业综合分析（1）第9章操作题154第9章 餐饮企业综合分析（2）笫9章操作题164第9章餐饮企业综合分析（3）第10章基于TipDM数据挖掘建模平台进行餐第10章操作 题注：教材：何伟，张良均.Python商务数据分析与实战M.北京：人民邮电出版社.2022.饮企业综合分析三、课程学时分配序号教学内容理论学时实验

7、学时其它1第1章商务数据分析概述202第2章Python数据分析简介223第3章数据获取214第4章探索性分析345第5章数据预处理346第6章构建模型647第7章020优惠券个性化投放648第8章零售商品购物篮分析639第9章 餐饮企业综合分析6410第10章基于TipDM数据挖掘建模平台进行餐饮企业综合分析02总计3628四、教学内容及学时安排1.理论教学序 号章节名称主要内容教学目标学时1商务数据分析 概述L 了解商务数据分析的基本概念2 .掌握数据分析流程3 .了解商务数据分析的常见应用场景4 .了解常用的数据分析工具5 .了解使用Python进行数据分析的优 势6 . 了解Pytho

8、n中的常用数据分析库L掌握商务数据分 析的概念、流程与应 用场景2 .了解常用的数据 分析工具和Python 进行数据分析的优 势3. 了解Python常用 的数据分析库22Python数据分 析简介1 .了解 Python 的 Anaconda 发行版2 .掌握Anaconda的安装3 .掌握Python的运行方式4 .掌握Python的基本运算、判断与循 环、函数等基本命令5 .掌握Python库的导入与添加第三方 库的方法1,了解 Python 的 Anaconda发行版2 .掌握 Anaconda 的 安装和Python的运 行方法3 . Python的基本命 令的使用方法4 .掌握导

9、入与添加 第三方Python库的 方法23数据获取1 . 了解常见的数据来源2 .了解不同的数据类型3 .掌握常见的数据读取方式4 .掌握常用Python数据格式转换函数5 .掌握常用Python数据读/写函数1 . 了解常见的数据 来源和数据类型2 .掌握不同类型数 据的读取方式3 .掌握Python数据 格式转换和读/写函 数24探索性分析1 .了解集中趋势统计指标的概念2 .了解离散程度统计指标的概念3 . 了解散点图、折线图、柱形图、饼图、 箱线图、热力图的概念和作用4 .掌握常用的Python基本统计分析函 数5 .掌握常用的Python作图函数L掌握描述性统计 分析的方法2 .掌握

10、可视化分析 的方法3 .掌握常用的 Python基本统计分 析和作图函数35数据预处理L掌握缺失值、异常值处理方法2 .掌握多表合并的方法3 .掌握分组聚合的方法4 .掌握数据标准化和离散化的方法5 .掌握Python的主要数据预处理函数1 .掌握数据合并的 原理与方法2 .掌握数据清洗的 基本方法3 .掌握基本数据标 准化的方法4 .掌握常用的数据 转换方法36构建模型1 . 了解常用的分类与回归算法2 .掌握回归分析的原理3 .掌握决策树算法的原理4 .掌握神经网络算法的原理5 .掌握分类与回归算法的评价方法6 .了解常用聚类分析算法7 .掌握K-Means聚类算法的原理8 .掌握聚类分析

11、算法的评价方法9 . 了解Python主要关联规则算法10 .掌握Apriori算法的原理11 .了解Python主要时序模式算法12 .掌握时间序列预处理的方法13 .了解平稳时间序列分析14 .掌握非平稳时间序列分析15 .了解Python主要智能推荐算法16 .掌握智能推荐模型的评价方法17 .掌握协同过滤推荐算法的原理7020优惠券个 性化投放1 .分析020优惠券使用的背景和数据2 .熟悉020优惠券使用预测的分析步 骤与流程3 .了解数据分析探索的方法4 .了解决策树算法5 .了解梯度提升算法6 . 了解XGBoost分类算法7 .掌握分类模型的评价方法.掌握Python中分 类与

12、回归的方法1 .掌握Python中聚 类分析的方法.掌握Python中关 联规则分析的方法2 .掌握Python中智 能推荐的方法.掌握Python中时 序模式的分析方法1 ,了解案例的背景、 数据说明和分析目 标.掌握描述性统计 分析方法2 ,掌握分析优惠形 式、用户消费行为、 商户投放优惠券信 息的方法.掌握数据清洗和 数据变换的数据预 处理方法3 .掌握构建决策树、 梯度提升和 XGBoost分类模型 的方法.掌握模型评价方 法零售商品购物 篮分析1 ,熟悉购物篮分析 的实现流程与步骤2 .掌握Apriori算法 的基本原理与使用 方法3 .分析商品销售状 况与商品结构合理 性4 .分析

13、零售商品间 的关联关系L分析零售企业商品销售现状2 , 了解某商品零售企业的基本数据情 况3 .熟悉购物篮分析的基本流程与步骤4 .使用统计学知识分析热销商品5 .使用商品结构图分析售出商品的结 构6 . 了解Apriori算法的基本原理与使用 方法.构建零售商品的Apriori模型7 .根据模型结果提出商品销售策略9餐饮企业综合 分析1 . 了解餐饮企业的数据情况2 .明确餐饮企业数据分析的流程3 .使用分组聚合和透视表这两种方法 统计每日用餐人数与销售额4 .计算一个月内的菜品热销度，并对 热销度进行Min-Max标准化处理5 .计算每个菜品的毛利率6 .绘制原序列的时序图，查看序列周 期

14、性7 .检验原序列的平稳性和纯随机性8 .使用BIC图进行定阶9 .构建ARIMA模型，并分析预测结果 10.根据订单详it表，构建客户ID和 菜品名称的二元矩阵11.基于物品的协同过滤算法，计算菜 品与菜品之间的相似度，并结合客户 的历史行为给目标客户生成推荐列表 12.基于用户的协同过滤算法，计算客 户与客户之间的相似度，并结合客户 对菜品的兴趣给目标客户生成推荐列 表13 .对推荐结果进行评价14 .根据特征选取后的数据，构建购物 篮数据，然后构建二元矩阵，及关联规 则模型15 .根据关联规则模型的置信度，统计 得到的热销度和毛利率，及菜品详情 表的主推度，计算推荐的综合评分16 .对原

15、始数据进行处理，提取餐饮客 户的3个特征数据17 .使用K-Means聚类算法对客户进 行分群18 .结合业务对每个客户群进行客户 价值分析19 .合并客户信息表和订单表，构建相 关客户流失特征20 .划分训练集和测试集，构建决策树 模型21 .分析决策树模型的结果1 .熟悉餐饮企业数 据分析的步骤与流 程2 ,了解简单的统计 分析的应用3,使用ARIMA预测 销售额4 .使用协同过滤算 法对菜品进行智能 推荐5 .使用Apriori算法 对菜品进行关联分 析6 .使用K-Means算 法进行客户分群7 .使用决策树算法 进行客户流失预测6学时合计362 .实验教学序号实验项目名称实验要求学时

16、1Python数据分 析环境搭建1 .在 Windows/Linux 系统上安装 Anaconda2 .掌握Jupyter Notebook的常用功能3 .掌握Python的基本命令的使用4 .掌握Python库的导入和安装方法22Python数据读 写1 .使用Python连接MySQL数据库2 .使用Python对数据库进行读取和存储操作3 .使用Python对文件进行读取和写入13探索性分析1 .使用Python进行描述性统计分析2 .使用Python进行可视化分析24数据预处理1 .使用Python进行数据清洗2 .使用Python进行数据变换3 .使用Python进行数据合并45构建

17、模型1 .使用回归模型进行预测2 .使用决策树算法进行预测3 .使用神经网络算法进行预测4 .使用K-Means算法进行聚类分析5 .使用Apriori算法进行关联分析6 .使用ARIMA模型进行时间序列分析7 .使用协同过滤推荐算法进行推荐分析46020优惠券个 性化投放1 .描述性统计分析2 .分析优惠形式信息3 .分析用户消费行为信息4 .分析商户投放优惠券信息5 .清洗数据6 .变换数据7 .构建决策树分类模型8 .构建梯度提升分类模型9 .构建XGBoost分类模型10 .评价分类模型47零售商品购物 篮分析1 .统计每种商品的频数、占比2 .对商品归类，统计每种类别的频数，并分析类

18、别内部商 品的分布3 .使用apriori函数进行关联分析38餐饮企业综合 分析1 .统计每日用餐人数和销售额，计算菜品热销度和毛利 率2 .对原序列进行平稳性检验和纯随机性检验，对ARIMA 模型进行定阶，并进行残差检验，计算平均误差3 .对订单表和订单详情表进行特征选取，分别使用 ItemCF算法和UserCF算法构建模型，进行离线测试评 价4 .基于特征选取后的数据构建购物篮数据，构建Apriori 模型，计算综合评分45 .再构建客户价值分析的关键特征，确定聚类数后构建 K-Means 模型6 .合并客户信息表和订单表，构建客户流失特征，构建决 策树模型，并对模型进行评价9基于TipD

19、M数 据挖掘建模平 台进行餐饮企 业综合分析1 .使用TipDM大数据挖掘建模平台获取数据2 .使用TipDM大数据挖掘建模平台进行探索性分析、数 据预处理等操作3,使用TipDM大数据挖掘建模平台进行特征构建和构造 K-Means模型等操作2学时合计28五、考核方式突出学生解决实际问题的能力，加强过程性考核。课程考核的成绩构成=平时作业（10%） +课堂参与（20%） +期末考核（70%）,期末考试建议采用开卷形式，试题应包括基本概念、 绘图、分组聚合、数据合并、数据清洗、数据变换、模型构建等部分，题型可采用判断题、选 择、简答、应用题等方式。六、教材与参考资料1 .教材何伟，张良均.Python商务数据分析与实战M.北京：人民邮电出版社.2022.2 .参考资料1张良均.Python数据分析与挖掘实战M.北京：机械工业出版社.2015.2张良均.Python与数据挖掘M.北京：机械工业出版社.2016.3黄红梅，张良均.Python数据分析与应用M.北京：人民邮电出版社.2018.学院课程教学进度计划表（2020学年第二学期）课程名称Python商务数据分析与实战 授课学时 64主讲（责任）教师参与教学教师授课班级/人数专业（教研室）填表时 间专业（教研室）主任