張瑞

【摘要】? ? 經(jīng)濟(jì)管理工作中，數(shù)據(jù)的統(tǒng)計(jì)分析是基礎(chǔ)，能為制定決策提供依據(jù)。文章從大數(shù)據(jù)統(tǒng)計(jì)分析對(duì)經(jīng)濟(jì)管理的作用出發(fā)，介紹了常見的大數(shù)據(jù)統(tǒng)計(jì)分析模型，對(duì)生存模型進(jìn)行深度研究和剖析，最后闡述了大數(shù)據(jù)統(tǒng)計(jì)分析方法在經(jīng)濟(jì)管理領(lǐng)域中的應(yīng)用和新思路。

【關(guān)鍵詞】? ? 經(jīng)濟(jì)管理? ? 大數(shù)據(jù)? ? 統(tǒng)計(jì)分析? ? 生存模型? ? 新思路

統(tǒng)計(jì)學(xué)屬于數(shù)學(xué)知識(shí)領(lǐng)域，也是經(jīng)濟(jì)管理的基本內(nèi)容，統(tǒng)計(jì)分析就是數(shù)據(jù)收集、整理、分析、利用的過程。隨著經(jīng)濟(jì)社會(huì)發(fā)展，大數(shù)據(jù)統(tǒng)計(jì)分析應(yīng)運(yùn)而生，是對(duì)傳統(tǒng)統(tǒng)計(jì)分析理念和方法的革新。面對(duì)激烈的市場(chǎng)競(jìng)爭(zhēng)，合理運(yùn)用大數(shù)據(jù)統(tǒng)計(jì)分析方法，有助于合理配置資源，提高管理效率。以下結(jié)合實(shí)踐，探討了大數(shù)據(jù)統(tǒng)計(jì)分析在經(jīng)濟(jì)管理領(lǐng)域的應(yīng)用情況。

一、大數(shù)據(jù)統(tǒng)計(jì)分析對(duì)經(jīng)濟(jì)管理的作用

大數(shù)據(jù)統(tǒng)計(jì)分析對(duì)經(jīng)濟(jì)管理的作用，體現(xiàn)在兩個(gè)方面：一是提升管理水平。企業(yè)發(fā)展面臨較大壓力，這種壓力來源于國內(nèi)同行和國外企業(yè)。在經(jīng)濟(jì)管理方面，只有收集市場(chǎng)信息，及時(shí)調(diào)整發(fā)展策略，才能獲得良好發(fā)展。尤其是財(cái)務(wù)管理上，面對(duì)復(fù)雜的工作局面，采用大數(shù)據(jù)統(tǒng)計(jì)分析方法，能提升管理水平，積極應(yīng)對(duì)市場(chǎng)競(jìng)爭(zhēng)。二是積極規(guī)避風(fēng)險(xiǎn)。在經(jīng)濟(jì)管理領(lǐng)域，風(fēng)險(xiǎn)管理是一個(gè)重點(diǎn)和難點(diǎn)，因?yàn)轱L(fēng)險(xiǎn)無處不在。應(yīng)用大數(shù)據(jù)統(tǒng)計(jì)分析方法，對(duì)各項(xiàng)業(yè)務(wù)和經(jīng)濟(jì)活動(dòng)進(jìn)行分析，能發(fā)現(xiàn)異常數(shù)據(jù)和隱藏規(guī)則，明確風(fēng)險(xiǎn)隱患，繼而制定針對(duì)性的防范措施。

二、常見的大數(shù)據(jù)統(tǒng)計(jì)分析模型

基于大數(shù)據(jù)技術(shù)下，常用的統(tǒng)計(jì)分析模型有：行為事件模型、漏斗分析模型、分布模型、留存模型、行為路徑模型、用戶分群模型、屬性分析模型等。以下簡(jiǎn)要介紹分布模型、留存模型。

2.1 分布分析模型

產(chǎn)品優(yōu)化和運(yùn)營(yíng)是一個(gè)動(dòng)態(tài)過程，需要監(jiān)測(cè)數(shù)據(jù)變化，調(diào)整產(chǎn)品的設(shè)計(jì)或運(yùn)營(yíng)方法，然后繼續(xù)監(jiān)測(cè)效果，如此反復(fù)循環(huán)。分布分析模型，可用來了解不同區(qū)間事件的發(fā)生頻次，不同事件計(jì)算變量的加和，以及不同頁面瀏覽時(shí)長(zhǎng)等區(qū)間的用戶數(shù)量分布，如下圖1所示。

例如：小王是電商產(chǎn)品經(jīng)理，用戶瀏覽商品詳情頁時(shí)，他關(guān)注的問題有：①最近1周瀏覽商品詳情頁的用戶，例如1-5次、6-10次等不同區(qū)間的用戶量分布情況;②最近一段時(shí)間內(nèi)，每日用戶瀏覽商品詳情頁人均數(shù)量、最大值、最小值、中位數(shù)、25分位、75分位的趨勢(shì);③不同廣告渠道帶來的用戶，瀏覽商品詳情頁1-5次、6-10次等不同區(qū)間的用戶量有多少。采用分布分析模型，就可以解決以上問題，直觀得到各種數(shù)據(jù)結(jié)果。

2.2 留存分析模型

留存就是留下來并持續(xù)使用，不論是各類APP，還是網(wǎng)站、網(wǎng)絡(luò)游戲，留存率均是一個(gè)重要的評(píng)價(jià)指標(biāo)。一般情況下，留存率是指目標(biāo)用戶在一段時(shí)間內(nèi)，回到網(wǎng)站或App中完成某個(gè)行為的比例，常用指標(biāo)有次日留存率、七日留存率、次周留存率等，如下圖2所示。做好留存才能保障新用戶不會(huì)流失，而是進(jìn)行持續(xù)消費(fèi)，最終從新用戶轉(zhuǎn)變?yōu)槔嫌脩簟?/p>

以某個(gè)APP為例，如果單純看日活量，覺得數(shù)據(jù)不錯(cuò)，但有可能是因?yàn)榻谟忻芗耐茝V拉新活動(dòng)，促使大量的新用戶注入。但是，真正留下來的用戶不一定在增長(zhǎng)，可能在減少，只不過被新用戶數(shù)據(jù)掩蓋了所以看不出來，這樣的話很難獲得持續(xù)增長(zhǎng)。利用留存率進(jìn)行分析，更能體現(xiàn)出用戶對(duì)APP的依賴程度，采用留存分析模型，就能得到用戶在不同時(shí)間段使用APP的情況。

三、生存模型的深度研究和剖析

3.1 概念

生存模型，描述基于時(shí)間的系統(tǒng)失敗或生命死亡的概率模型。以某一時(shí)刻（t=0）開始記錄某種設(shè)備、某類動(dòng)物或某類人群的未來壽命T，未來壽命大于任意時(shí)刻（t>0）的概率P[T>t]。該模型在生存分析、生命表編制中具有重要作用。

3.2 生存函數(shù)

定義生存函數(shù)：S（t）=P（Z>t）。用（Yi，Ci，Zi）代表第i個(gè)（1≤i≤n）個(gè)體數(shù)據(jù)，其中Yi代表觀測(cè)到的生存時(shí)間;Ci是0-1變量，代表觀測(cè)的生存狀態(tài);Zi代表真實(shí)的生存時(shí)間?？梢缘玫剑?/p>

定義ε（t）為事件，在一個(gè)特定的時(shí)刻事件或死亡個(gè)數(shù)。R（t）為在險(xiǎn)者，對(duì)于任意給定的時(shí)間t，觀測(cè)到的生存時(shí)間超過t的個(gè)體。

3.3 KM估計(jì)

KM法即乘積極限法，是現(xiàn)在生存分析最常用的方法，由Kaplan和Meier在1958年提出。KM法是這樣估計(jì)生存曲線的：首先計(jì)算出活過一定時(shí)期的病人，再活過下一時(shí)期的概率，然后將逐個(gè)生存概率相乘，即為相應(yīng)時(shí)段的生存率。

3.4 實(shí)例分析

生存分析最初用于對(duì)病人服藥后的存活時(shí)長(zhǎng)進(jìn)行預(yù)測(cè)分析，后來逐漸利用于各種與期間有關(guān)的問題中，并成為了最著名的時(shí)間變數(shù)模型。經(jīng)濟(jì)領(lǐng)域研究用戶行為，用戶流失是一個(gè)主要研究方向，將生存模型引入其中，既能研究期間問題，又能解釋風(fēng)險(xiǎn)因子。整個(gè)分析步驟如下：①原始數(shù)據(jù)格式處理，把數(shù)據(jù)處理為用戶、生存時(shí)長(zhǎng)、是否刪失的數(shù)據(jù)格式。②繪制KM估計(jì)及生存曲線。③判斷協(xié)變量是否存在時(shí)變變量，有的話進(jìn)行數(shù)據(jù)格式的二次處理，將數(shù)據(jù)打斷為用戶、起始時(shí)間、結(jié)束時(shí)間、是否刪失的格式。④判斷協(xié)變量系數(shù)是否存在時(shí)變效果，即PH假設(shè)檢驗(yàn)。如果檢驗(yàn)不通過，對(duì)時(shí)變效果進(jìn)行繪制，并進(jìn)行數(shù)據(jù)分層。⑤建立擴(kuò)展Cox-PH模型，估計(jì)風(fēng)險(xiǎn)因子的影響。

例如：商家為了留住消費(fèi)者，采用發(fā)放優(yōu)惠券的方式刺激長(zhǎng)期消費(fèi)，下表1就是一個(gè)原始的生存模型分析結(jié)果。其中，系數(shù)一欄數(shù)據(jù)為正表示會(huì)增大風(fēng)險(xiǎn)，為負(fù)則會(huì)減小風(fēng)險(xiǎn);exp值是風(fēng)險(xiǎn)增加或減小的倍數(shù);P值代表變化是否顯著。結(jié)果表明：隨著發(fā)放優(yōu)惠券的總數(shù)量增加，消費(fèi)者流失風(fēng)險(xiǎn)明顯降低;而且每增加一個(gè)優(yōu)惠券，流失風(fēng)險(xiǎn)會(huì)變?yōu)樵瓉淼?.94倍。

四、大數(shù)據(jù)統(tǒng)計(jì)分析在經(jīng)濟(jì)管理領(lǐng)域中的應(yīng)用和新思路

4.1 應(yīng)用

一是財(cái)務(wù)管理。資金資源使用是否合理，風(fēng)險(xiǎn)要素控制是否有效，均和財(cái)務(wù)管理密切相關(guān)。采用大數(shù)據(jù)統(tǒng)計(jì)分析方法，可對(duì)財(cái)務(wù)數(shù)據(jù)進(jìn)行整合，為管理決策提供支持，為各種經(jīng)濟(jì)活動(dòng)的開展提供保障。從財(cái)務(wù)管理的具體內(nèi)容看，由于數(shù)據(jù)量大、涉及范圍廣、存在交叉和重復(fù)情況，應(yīng)用大數(shù)據(jù)統(tǒng)計(jì)分析方法，能確保財(cái)務(wù)管理的規(guī)范性，發(fā)現(xiàn)異常數(shù)據(jù)，確保經(jīng)濟(jì)活動(dòng)有序進(jìn)行。

二是營(yíng)銷管理。在運(yùn)營(yíng)方面，采用大數(shù)據(jù)統(tǒng)計(jì)分析方法能找出企業(yè)的發(fā)展規(guī)律，對(duì)以往發(fā)展決策的科學(xué)性、合理性進(jìn)行評(píng)價(jià)，進(jìn)一步優(yōu)化人、財(cái)、物等資源的配置。實(shí)現(xiàn)信息共享，打破部門隔閡，提高溝通效率和運(yùn)行效率。在銷售方面，對(duì)消費(fèi)數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析，能反饋產(chǎn)品在市場(chǎng)上的受歡迎程度，明確消費(fèi)者的興趣和偏好。從而打造出爆款產(chǎn)品，提高銷售額、增加利潤(rùn)空間。

4.2 新思路

基于大數(shù)據(jù)技術(shù)下，未來經(jīng)濟(jì)統(tǒng)計(jì)工作的開展，一方面要更新統(tǒng)計(jì)觀念。樹立科學(xué)發(fā)展觀，站在科學(xué)發(fā)展的角度開展經(jīng)濟(jì)統(tǒng)計(jì)分析工作，對(duì)傳統(tǒng)的管理觀念進(jìn)行變革，融入大數(shù)據(jù)和信息技術(shù)。同時(shí)樹立風(fēng)險(xiǎn)意識(shí)，明確統(tǒng)計(jì)工作中常見的風(fēng)險(xiǎn)項(xiàng)，制定完善的風(fēng)險(xiǎn)預(yù)案，及時(shí)有效化解風(fēng)險(xiǎn)。二要變革統(tǒng)計(jì)方法，例如：數(shù)據(jù)挖掘、神經(jīng)網(wǎng)絡(luò)、決策樹法、遺傳算法等，深入研究這些技術(shù)的應(yīng)用，和統(tǒng)計(jì)工作有機(jī)結(jié)合，不斷提高統(tǒng)計(jì)效率和數(shù)據(jù)質(zhì)量。

五、結(jié)束語

綜上所述，經(jīng)濟(jì)管理的基礎(chǔ)就是數(shù)據(jù)的統(tǒng)計(jì)分析，大數(shù)據(jù)統(tǒng)計(jì)分析方法能提升管理水平，積極規(guī)避風(fēng)險(xiǎn)，目前主要用在財(cái)務(wù)管理、營(yíng)銷管理上。文章重點(diǎn)介紹了分布模型、留存模型和生存模型的應(yīng)用，希望為經(jīng)濟(jì)管理活動(dòng)提供技術(shù)支持，不斷提高數(shù)據(jù)統(tǒng)計(jì)效率和質(zhì)量。

參? 考? 文? 獻(xiàn)

[1]肖可成，黃倩.大數(shù)據(jù)在區(qū)域經(jīng)濟(jì)統(tǒng)計(jì)中的應(yīng)用探析[J].科技經(jīng)濟(jì)導(dǎo)刊，2021，29（2）：8-9.

[2]蔡學(xué)琴.大數(shù)據(jù)時(shí)代下關(guān)于經(jīng)濟(jì)統(tǒng)計(jì)應(yīng)用問題的思考[J].全國流通經(jīng)濟(jì)，2020（34）：178-180.

[3]林菁.試論大數(shù)據(jù)統(tǒng)計(jì)分析方法在經(jīng)濟(jì)管理領(lǐng)域中的運(yùn)用[J].中國集體經(jīng)濟(jì)，2020（34）：163-164.

[4]陳雪琴.大數(shù)據(jù)統(tǒng)計(jì)分析方法在經(jīng)濟(jì)管理領(lǐng)域中的應(yīng)用[J].山西農(nóng)經(jīng)，2019（5）：37.