系列前言
海鼎科技·專家課程
在接觸對接了行業千余家客戶的數字化需求之后，我們發現，商業地產企業中不乏具有熱血與沖勁的專業型人才。他們或為了商業集團、項目的發展貢獻著寶貴智慧，或在學術領域沉淀著極具價值的架構體系。
今天，我們將他們請到海鼎科技專家課程系列的現場，為更廣大行業的受眾“曝光”他們的所學、所識、所感，將私藏的干貨展現給行業大眾，造福行業加速發展。
本期專家介紹
劉烜超先生
2010年進入零售業工作，歷任多家商業項目的IT部門負責人。經歷7個項目（3個籌開）的發展與成熟，其中包括百貨、購物中心、商街、超市、綜合體等多業態，專長于商業地產數字化板塊工作。
在數據分析專業領域中，其于15年深入研究統計學，19年初通過法國ESSEC商學院數據分析專業認證，2021年獲得聯合國下屬機構TRL Alliance 授予的 Independent Scientist 認證 以及 TRL 志愿翻譯者資格。同時作為Unity、Unreal虛擬現實獨立開發者，參與某高校藝術與科學專業的數據可視化藝術作品的研討和作品制作。
寫在前面·作者序：
商業數據分析（簡稱BA），結合頭幾年 Big data、AI 的風口，被甲乙方炒得火的不能再火。一時間，IoT、新BI、新零售等等新概念層出不窮。
本人在商業的IT部門工作了11年，在這些年的項目經驗中，發現商業公司開始越來越重視數據了。然而在實際運作中，要投入的不僅是資金這么簡單，專業素質、理論基礎以及上層領導的理解和支持，方方面面缺一不可。有時候不同項目間千差萬別，報表又很單一，分析手段也是20年前的標準， BA&BI 的推進如此緩慢也是情理之中的事情。
在過去的實際分析經驗中，我發現傳統商業分析的結構是相當單一的，同比環比分析、漏斗下鉆、分類匯總，配合多種維度：例如銷售、坪效、租決等等，得到的分析往往不能理解數據之中本身蘊含的意義。針對這個問題，我通過結合國內外大量文獻和資料，以及借鑒其他行業的分析方法，將用以下4個章節粗略描繪一下這些年的分析手段和經驗：
第一章：商業數據處理以及描述性分析
第二章：相關性分析、數學模型應用
第三章：無監督學習下的客群統計和店鋪統計
第四章：數據可視化
接下來，讓我們進入本期課程的第一章學習內容：“商業數據處理以及描述性分析”。
分析中用到的軟件和語言僅供參考
商業數據的特點和缺失值處理
Shopping mall 的存在本質是合理控制租賃方經營成本，在與承租方的履約過程正常的情況下，租賃方不會造成因人員、促銷等費用產生的巨大投入（相比百貨和超市）。
但國內外的購物中心都有一個核心問題，銷售無法及時獲取，這也是造成數據收集和分析困難的巨大問題。往往我們看到一個店鋪的銷售數據表現是這樣的：
某商場在定義區間范圍內的品牌交易數據，其中缺失值用黃色表示。如圖所示，該品牌的銷售數據缺失方式為不規則不定期缺失，因此需要考慮使用插值補全的方式嘗試補全數據。但同時要注意，補全銷售后，可能直接影響現有銷售的表現。因此插值之后還需要進行檢驗，最快捷的方式可以用ANOVA檢驗方差，如果方差不大于一個閥值則表明插值結果可用，或采用直觀的圖形可視化觀察數據走勢從而判斷數據的可讀性。
在做這一步前必須要明確一點：插值處理就是在原始數據沒有的情況下，根據該品牌銷售實際存在的數據進行數學模擬，并填補進空缺位置。這個方式用于找到數據的趨勢，而不是具體的單日對比、環比。
插值補全有多種辦法，本人習慣使用KNN、簡單插值和貝葉斯插值法進行比較，以下圖中列出了三種不同插值的結果。在插值范圍內需要觀察數據的一致性和周期性，從而最終確定插值的方式。當然由于不同品牌經營方式也不同，插值不可能是統一算法，否則有可能產生基于隨機數的數學規律，導致不應出現的噪聲。
