麦肯锡数据分析与营销 mis 系统课件目录 CONTENTS• 数据分析基础• 营销 mis 系统概述• 数据分析在营销 mis 系统中的应用• 营销 mis 系统的未来发展• 案例分析与实践01数据分析基础数据类型与来源结构化数据如数据库中的表格数据，具有固定的字段和格式
非结构化数据如文本、图像、音频和视频等，没有固定的格式和结构
数据类型与来源• 时序数据：记录时间序列的数据，如股票价格、气温变化等
来自企业内部的数据库、 CRM 系统等
内部数据市场调查、社交媒体、公共数据等
外部数据数据类型与来源明确数据需求根据业务需求确定需要收集的数据类型和范围
选择合适的数据源根据数据的可获得性和质量选择合适的数据源
数据收集与整理数据收集与整理• 设计数据收集方案：确定数据收集的方法、工具和时间表
处理缺失值、异常值和错误值
数据清洗将数据转换为统一的格式和标准
数据转换将数据按照业务规则进行分类和编码
数据分类和编码数据收集与整理根据业务规则填充缺失值，如使用均值、中位数或众数等
识别并处理异常值，如使用 Z 分数等方法
数据清洗与预处理异常值处理处理缺失值将数据缩放到统一的标准，如使用最小 - 最大标准化或 Z 分数标准化
数据标准化数据归一化数据离散化将数据转换到 [0,1] 范围内，便于比较和处理
将连续变量转换为离散变量，便于分类和决策树算法等应用
030201数据清洗与预处理数据分布分析了解数据的均值、中位数、众数、方差等统计特性
要点一要点二数据相关性分析分析不同变量之间的相关性，如使用散点图等方法
数据探索与可视化• 数据异常值检测：使用箱线图等方法检测异常值
数据探索与可视化图表制作使用柱状图、折线图、饼图等展示数据的分布和趋势
可视化工具选择合适的可视化工具，如 Excel 、 Tableau 或 Power BI 等
数据探索与可视化02营销 mis
