基于大数据的商业智能在电商数据分析中的应用

李胜华

摘要：当前，商业智能化发展成为一种趋势，在商业智能化发展中，大数据、云计算、人工智能等技术发挥着重要作用，对于新时期的商业发展而言，电商数据分析是重要的信息挖掘方式，通过电商数据分析，可以获得很多的有价值的信息，为相关商业决策和转型提供重要依据。本文分析了大数据背景下的商业智能在电商数据分析中的应用，研究了大数据下的电子商务发展现状，分析商业智能在电商数据分析中应用的积极作用，探究商业智能在电商数据分析中的具体应用，并探究基于大数据的商业智能在电商数据分析中的应用前景。

关键词：大数据;商业智能;电商数据分析;应用

商业智能包含信息采集、挖掘、管理和处理分析，进行相关操作，主要目的是让企业的决策者获得相关知识，让他们可以制定更科学的决策。就商业智能来说，这指的不仅仅是某种独立的技术，商业智能是有一套完整解决方案的。商业智能能够实现数据仓库存储，进行联机分析，还可以实现数据挖掘，进行可视化处理等，商也智能能够促进海量、多样的信息数据转化，进行辅助知识提供，最后还能够将获得和分析得出的信息传递给用户，为用户决策提供依据和参考。目前，相关网络应用程度规模不断拓展，需要处理的数据也在呈现爆炸式增长，整体来看，数据结构越来越负责，整体业务运营的压力也在不断增大，这些都促进了大数据技术的发展和应用。目前，电子商务技术、云计算、移动社交媒体等新技术发展应用中，相关系统无法满足企业数据分析的要求，相关系统的数据化、科学化个性化发展，使得传统BI系统和大数据技术越来越多的实现融合发展，为大数据分析提供了全新的平台。新时期，作为电商企业，需要把握当前行业发展趋势，把握关键技术应用，促进电商数据分析效率和质量不断提升[1]   。

1.    大数据下的电子商务

大数据时代已然到来，借助大数据的数据采集和处理技术，可以促进电子商务的精准有效发展。不管是电商平台还是移动终端，在这一过程中，电商企业以及消费者之间只要产生联系，必然会生成数据和信息，相关的数据信息很难通过传统的数据采集方式和处理方式来解决，且就电子商务发展来看，因为其本身就有高度多样化特点，所以，其中不仅包含了消费者信息，还包含了消费者对于相关产品的意见等。例如，网络中的电商数量越来越多，整体营销的网络化趋势明显，对于网络电商企业来说，通过相关数据采集来获得消费者的理念信息，通过收集相关消费者的信息，可以更好的了解消费者的意象，从而根据分析为消费者提供对应的服务，提升精准服务效能，让消费者也能够更好的实现产品消费[2]。这一点就像是在淘宝中购物，消费者在浏览网页中，点开了部分同类产品的网页，最终在浏览了几家店的同类产品后，买一其中一家的产品，通过采集消费者对于不同店家的产品的浏览关注点，比如消费者都会看产品的评论，对于评论分数较高的产品购买意向更强，或者倾向于品牌产品消费，亦或是对比价格，购买性价比较高的产品，这些都是消费者的消费意向，掌握这些信息，就能够为消费者提供精准的产品信息推送。而如何采集这些重要数据，如何挖掘分析其中的潜在信息，就需要有大数据、智能化等技术支持。

2.    商业智能在电商数据分析中应用的积极作用

新时期网络金融行业发展迅速，全国一大部分居民是互联网实名用户，其中活跃的用户占全国总人口的一般以上，他们在日常消费中，对于网络支付、网络消费有很大的应用喜好趋势。大数据时代，电商企业越来越多，行业之间的竞争也在不断加大，这种情况下，电商企业要提升自身竞争力，必须要依赖更发达的技术和人才，使用商业智能技术来开展电商数据分析很有必要[3]。就商业智能在电商数据分析中的应用来看，其积极作用主要表现在以下几点：

第一，能够为电商企业提供有效的决策参考。通过对于用户的相关意愿信息的挖掘，电商企业可以为用户提供精准服务，既能满足消费者需要，又能够实现自身的发展。

第二，商业智能技术在电商数据分析中的应用，可以促进电商数据信息的有效采集、挖掘、处理和分析，让数据采集的范围更广、数据处理效率

更高、数据分析结果更准确等。

第三，商业智能技术应用是电商数据分析的主流趋势。借助商业智能技术应用，在目前的众多商业运营和管理领域得到重视，应用范围不断拓展，涉及领域越来越多，这种情况下，商业智能技术可以有效实现电商行业的发展升级，对于提升电商服务质量和水平也具有积极作用。

3.    基于大数据的商业智能在电商数据分析中的具体应用

3.1  RFM模型

这一技术是商业智能技术的重要技术方法之一，在进行电商数据分析中，主要是通过掌握在网站有购买经历用户的信息，分析用户购买行为，对于客户实施评价，主要是从用户的时间、使用网站的频率、购买金额等方面来实施对于用户的评价分析，借助RFM模型构建，实施数据的分析[4]。相关网站可以通过区分不同级别会员的信息，精准分析出那些用户是具有较强购买意愿的客户，哪些是具有一般购买意愿的客户，这样就可以对他们采取不同的分类，进行精准营销，激发客户的购买欲望。借助这一模型，只需要按照三个不同维度的变量分析就能够有效实现客户区分目标。

3.2  Apriori算法

这一算法属于一种数据挖掘工具，也是关联性分析的重要组成部分，借助这一算法，可以分析相关商品的关联性，例如，分析衣服和鞋子之间的搭配，借助这一算法，就可以清楚的计算不同产品之间的联系，便于进行产品的陈列顺序安排，为客户购买提供方便的信息推送，实现更高效的营销目标。

3.3  Spss分析

這种分析技术主要是对于商家的营销活动进行细分，保证客户营销活动具有针对性，还可以实现客户的购买行为实施分析，了解客户的喜好，这样也是确保营销精细化目标实现的一种有效商业智能技术[5]。

3.4  网站分析

这一分析技术能够通过对访问量、页面停留等数据分析，研究网站中的重要潜在信息，访问量、页面停留等等数据，都是重要的流量指标，进行网站数据分析的时候，流量以及转化率也是衡量工作情况的方式之一，对通过这个指标来了解其他数据的变化也至关重要。

总结：大数据时代，商业智能是互联网电商发展的重要趋势，在实际的发展应用中，需要进一步做好相关互联网电商数据分析工作，借助相关智能技术、大数据、云计算技术等，提升数据分析处理质量，为商业发展提供可靠依据。

参考文献：

[1]   唐红涛，廖欣鑫，吴忠才.中国与“一带一路”国家跨境电商大数据广义虚拟经济效率与潜力研究——基于随机前沿引力模型的实证分析[J].广义虚拟经济研究，2020，11（02）：59-68.

[2]   郑洁如.企业电子商务大数据应用现状分析及对策研究——以晋江地区生产型企业为例[J].北京财贸职业学院学报，2020，36（02）：35-40.

[3]   田丽，钟肖英“.大数据”时代背景下基于SWOT方法的广东省中小企业跨境电商的发展分析[J].电子商务，2020（02）：40-41.

[4]   邹泓维，呼格吉勒，陈舒琦，金露.基于Python工具的汽车电商平台评论分析与可视化方法研究[J].物流科技，2020，43（02）：59-63.

[5]   董晓舟，陈信康.电子折扣券弹性与经济效益的关系研究——一个基于电商平台大数据的混合模型[J].数据分析与知识发现，2019，3（06）：42-49.