PAGEIIIPAGEII基于機器學(xué)習(xí)的直播數(shù)據(jù)分析與設(shè)計與實現(xiàn)摘要本文介紹了基于商業(yè)智能（BI）技術(shù)的“袋鼠媽媽”管理平臺子項目的關(guān)鍵內(nèi)容及其實現(xiàn)成果。該項目致力于通過應(yīng)用BI技術(shù)，提升“袋鼠媽媽”管理平臺的數(shù)據(jù)分析能力和決策支持水平，從而優(yōu)化母嬰服務(wù)流程，增強用戶體驗，并推動平臺的穩(wěn)健發(fā)展。在實施過程中，項目團隊重點關(guān)注數(shù)據(jù)整合、數(shù)據(jù)倉庫構(gòu)建、數(shù)據(jù)挖掘與分析以及數(shù)據(jù)可視化等方面。通過構(gòu)建高效的數(shù)據(jù)倉庫，實現(xiàn)了對多源異構(gòu)數(shù)據(jù)的整合與存儲；運用先進的數(shù)據(jù)挖掘與分析技術(shù)，有效提取了有價值的信息，為管理層提供了決策依據(jù)；同時，借助直觀的數(shù)據(jù)可視化工具，使分析結(jié)果更加易于理解和應(yīng)用。在本項目中結(jié)合了隨機森林算法對直播數(shù)據(jù)進行預(yù)測的方法，將大學(xué)所學(xué)內(nèi)容與企業(yè)項目相結(jié)合。隨機森林作為一種強大的機器學(xué)習(xí)技術(shù)，能夠處理復(fù)雜的數(shù)據(jù)集并提供準(zhǔn)確的預(yù)測結(jié)果，因此在直播數(shù)據(jù)預(yù)測領(lǐng)域具有廣泛的應(yīng)用前景。該子項目的實施顯著提高了“袋鼠媽媽”管理平臺的數(shù)據(jù)處理效率和準(zhǔn)確性，優(yōu)化了服務(wù)流程，提升了用戶滿意度。此外，項目還為平臺的長遠(yuǎn)發(fā)展奠定了堅實基礎(chǔ)，并為類似母嬰服務(wù)平臺在數(shù)據(jù)管理與分析方面提供了有益的參考。關(guān)鍵詞：隨機森林；商業(yè)智能；數(shù)據(jù)處理；

DesignandImplementofWebChatSystemBaseonAjaxAbstractThisarticleintroducesthekeycontentandachievementsofthe"KangarooMom"managementplatformsub-projectbasedonbusinessintelligence(BI)technology.Theprojectaimstoenhancethedataanalysiscapabilitiesanddecisionsupportlevelofthe"KangarooMom"managementplatformthroughtheapplicationofBItechnology,therebyoptimizingthematernityandchildcareserviceprocesses,enhancinguserexperience,andpromotingthestabledevelopmentoftheplatform.Duringtheimplementationprocess,theprojectteamfocusedondataintegration,datawarehouseconstruction,dataminingandanalysis,anddatavisualization.Throughtheconstructionofanefficientdatawarehouse,theintegrationandstorageofmulti-sourceheterogeneousdatawasachieved.Advanceddataminingandanalysistechniqueswereusedtoeffectivelyextractvaluableinformationandprovidedecision-makingbasisformanagement.Atthesametime,intuitivedatavisualizationtoolswereusedtomaketheanalysisresultseasiertounderstandandapply.Inthisproject,therandomforestalgorithmwascombinedtopredictlivestreamingdata,integratinguniversitylearningwithcorporateprojects.Asapowerfulmachinelearningtechnique,randomforestcanprocesscomplexdatasetsandprovideaccuratepredictionresults,thushavingwideapplicationprospectsinthefieldoflivestreamingdataprediction.Theimplementationofthissub-projectsignificantlyimprovedthedataprocessingefficiencyandaccuracyofthe"KangarooMom"managementplatform,optimizedserviceprocesses,andenhancedusersatisfaction.Inaddition,theprojectlaidasolidfoundationforthelong-termdevelopmentoftheplatformandprovidedusefulreferencesforsimilarmaternityandchildcareserviceplatformsindatamanagementandanalysis.KeyWords:randomforest；DataTransformation；FeatureRelationships

目錄第1章緒論 11.1研究背景 11.2研究意義 11.3研究內(nèi)容 21.4論文組織 2第2章商業(yè)智能概述 22.1商業(yè)智能的誕生 22.2商業(yè)智能的定義 22.3商業(yè)智能的基本技術(shù)2.4觀遠(yuǎn)BI簡介 2第3章BI復(fù)雜報表 23.1商業(yè)智能的定義 23.2商業(yè)智能的定義 23.3商業(yè)智能的定義 23.4商業(yè)智能的定義 2第4章BI圖表可視化 4.1餅狀圖 24.2條形圖 24.3簇狀圖 2第5章數(shù)據(jù)分析 5.1數(shù)據(jù)預(yù)處理 25.2數(shù)據(jù)轉(zhuǎn)換 25.3特征關(guān)系分析 25.4相關(guān)性分析 25.5模型訓(xùn)練與參數(shù)調(diào)優(yōu) 25.6模型性能分析 25.7結(jié)果可視化 2結(jié)論 4參考文獻 5謝辭 6附錄一部分關(guān)鍵源碼及解釋 7PAGE7畢業(yè)論文（設(shè)計)PAGEII第1章緒論1.1研究背景隨著互聯(lián)網(wǎng)技術(shù)的飛速發(fā)展和普及，直播作為一種新型的營銷和互動方式，已經(jīng)越來越受到企業(yè)的重視。尤其對于“袋鼠媽媽”這樣的品牌，直播不僅是一個展示產(chǎn)品、推廣品牌的有效渠道，更是一個與消費者建立深度互動、增強品牌忠誠度的平臺。因此，對直播數(shù)據(jù)進行深入分析，有助于“袋鼠媽媽”更好地了解直播效果，優(yōu)化直播策略，提升品牌影響力。其次，商業(yè)智能（BI）技術(shù)的發(fā)展為直播數(shù)據(jù)分析提供了強大的技術(shù)支持。BI技術(shù)可以對海量的直播數(shù)據(jù)進行挖掘、整理、分析和可視化，幫助企業(yè)從數(shù)據(jù)中提取有價值的信息，為決策提供有力支持。通過BI技術(shù)，我們可以對直播的觀看人數(shù)、觀看時長、用戶行為、彈幕互動等數(shù)據(jù)進行深入分析，從而了解用戶的喜好、需求和行為習(xí)慣，為后續(xù)的營銷策略制定提供重要參考。此外，隨著市場競爭的加劇，企業(yè)對于營銷效果的追求也越來越高。直播作為一種高投入、高產(chǎn)出的營銷方式，其效果的好壞直接關(guān)系到企業(yè)的營銷成本和收益。因此，對直播數(shù)據(jù)進行深入分析，有助于企業(yè)更準(zhǔn)確地評估直播效果，制定更合理的營銷策略，提高營銷效率。最后，從行業(yè)趨勢來看，數(shù)據(jù)驅(qū)動已經(jīng)成為企業(yè)決策的重要方向。通過對直播數(shù)據(jù)的分析，企業(yè)可以更加精準(zhǔn)地把握市場動態(tài)和用戶需求，實現(xiàn)精準(zhǔn)營銷和個性化服務(wù)。這對于提升“袋鼠媽媽”品牌的競爭力、鞏固市場地位具有重要意義。綜上所述，基于BI的“袋鼠媽媽”管理平臺子項目——直播數(shù)據(jù)情況分析的研究背景主要源于直播營銷的重要性、BI技術(shù)的發(fā)展、企業(yè)對營銷效果的追求以及行業(yè)趨勢的推動。通過對直播數(shù)據(jù)的深入分析，我們可以為“袋鼠媽媽”品牌的發(fā)展提供有力支持。1.2研究意義提高直播平臺的運營效率，通過對直播數(shù)據(jù)的分析，可以優(yōu)化直播內(nèi)容和運營策略，提高平臺的運營效率，降低成本，提高收益。指導(dǎo)產(chǎn)品研發(fā)和改進，通過對直播數(shù)據(jù)的分析，可以發(fā)現(xiàn)產(chǎn)品存在的問題和不足，指導(dǎo)產(chǎn)品研發(fā)和改進，提高產(chǎn)品的競爭力和市場占有率。推動行業(yè)發(fā)展和創(chuàng)新，通過對直播數(shù)據(jù)的分析，可以發(fā)現(xiàn)行業(yè)的發(fā)展趨勢和機遇，推動行業(yè)的創(chuàng)新和發(fā)展。1.3研究內(nèi)容一、數(shù)據(jù)收集與預(yù)處理：（1）收集直播平臺的用戶行為數(shù)據(jù)、成交金額、在線人數(shù)、毛利等。（2）對收集到的數(shù)據(jù)進行清洗、整理，去除異常值和重復(fù)數(shù)據(jù)。（3）對數(shù)據(jù)進行必要的預(yù)處理，如數(shù)據(jù)標(biāo)準(zhǔn)化、缺失值填充等。二、用戶行為分析：（1）利用BI工具進行用戶行為分析，包括用戶活躍度、留存率、轉(zhuǎn)化率等指標(biāo)的分析。（2）利用數(shù)據(jù)挖掘技術(shù)，如關(guān)聯(lián)規(guī)則挖掘、聚類分析等，對用戶行為進行深入挖掘，識別用戶群體特征和行為模式。（3）結(jié)合用戶反饋和評價數(shù)據(jù)，分析用戶對直播平臺的滿意度和體驗。三、直播內(nèi)容分析：（1）利用BI工具進行直播內(nèi)容分析，包括熱門直播分類、直播流行趨勢等。（2）利用數(shù)據(jù)挖掘技術(shù)，如文本挖掘、主題模型等，對直播內(nèi)容進行深入分析，提取主題和關(guān)鍵詞。（3）結(jié)合市場趨勢和用戶需求，優(yōu)化直播內(nèi)容的質(zhì)量和吸引力。四、成果形式數(shù)據(jù)報告和分析結(jié)果：生成詳細(xì)的數(shù)據(jù)報告和分析結(jié)果，包括用戶行為分析報告、直播內(nèi)容優(yōu)化方案等?？梢暬瘓D表和儀表板：制作數(shù)據(jù)可視化圖表和儀表板，如熱力圖、折線圖、餅圖等，以便快速了解和分析直播數(shù)據(jù)。1.4論文組織(1)簡要介紹研究背景，包括直播營銷的重要性、BI技術(shù)的發(fā)展、企業(yè)對營銷效果的追求以及行業(yè)趨勢。明確研究目的和意義，闡述論文將如何對“袋鼠媽媽”管理平臺子項目的直播數(shù)據(jù)情況進行深入分析。(2)介紹商業(yè)智能（BI）的基本概念、原理和應(yīng)用領(lǐng)域。闡述直播數(shù)據(jù)分析所需的關(guān)鍵技術(shù)和方法，如數(shù)據(jù)挖掘、數(shù)據(jù)可視化等。(3)描述論文采用的研究方法，包括數(shù)據(jù)收集、處理、分析和解讀的過程。詳細(xì)說明數(shù)據(jù)來源，包括直播平臺的后臺數(shù)據(jù)、用戶行為數(shù)據(jù)等。(4)對收集到的直播數(shù)據(jù)進行描述性統(tǒng)計分析，展示數(shù)據(jù)的總體情況。運用BI工具進行深度分析，包括用戶畫像分析、用戶行為分析、直播效果評估等。通過圖表和可視化工具展示分析結(jié)果，使數(shù)據(jù)更加直觀易懂。(5)基于分析結(jié)果，討論“袋鼠媽媽”直播平臺的表現(xiàn)和存在的問題。提出針對性的策略建議，如優(yōu)化直播內(nèi)容、提升用戶體驗、加強用戶互動等。(6)總結(jié)論文的主要研究成果和貢獻。指出研究的局限性和未來研究方向，為“袋鼠媽媽”管理平臺子項目的進一步發(fā)展提供指導(dǎo)。

第2章商業(yè)智能概述2.1商業(yè)智能的誕生基于BI的“袋鼠媽媽”管理平臺子項目為企業(yè)課題項目，該項目基于觀遠(yuǎn)BI平臺即商業(yè)智能。商業(yè)智能的概念于1996年最早由加特納集團（GartnerGroup）提出[1]，加特納集團將商業(yè)智能定義為：商業(yè)智能描述了一系列的概念和方法，通過應(yīng)用基于事實的支持系統(tǒng)來輔助商業(yè)決策的制定。商業(yè)智能技術(shù)提供使企業(yè)迅速分析數(shù)據(jù)的技術(shù)和方法，包括收集、管理和分析數(shù)據(jù)，將這些數(shù)據(jù)轉(zhuǎn)化為有用的信息，然后分發(fā)到企業(yè)各處。商業(yè)智能(BI,BusinessIntelligence),簡單地說,是指對商業(yè)信息的搜集、管理和分析過程,目的是使企業(yè)的各級決策者獲得知識或洞察力,促使他們做出對企業(yè)更有利的決策。BI是IT技術(shù)結(jié)合組織機構(gòu)數(shù)據(jù)信息處理管理需要逐漸演變而來的。目前在國際上,BI已經(jīng)有著較成熟的運用。根據(jù)數(shù)據(jù)顯示,在美國,500強企業(yè)里面已經(jīng)有90%以上的企業(yè)利用企業(yè)管理和BI軟件幫助管理者做出決策。近年來,我國越來越多的企業(yè)決策者意識到需要BI來保持和提升企業(yè)競爭力[2]。BI在中國已經(jīng)度過了一個從知到行,從概念到實踐的階段。當(dāng)前保險業(yè)、金融業(yè)、電信業(yè)、零售業(yè)、服務(wù)業(yè)都在廣泛地應(yīng)用各種類型的BI工具，體驗到了數(shù)據(jù)分析、數(shù)據(jù)挖掘的力量，在經(jīng)營分析、客戶選擇、績效管理、運行預(yù)警方面得到很大的助益。而一些新興的企業(yè)，比如網(wǎng)上訂書、訂房等服務(wù)，甚至以BI為核心形成競爭能力，組織內(nèi)部運營流程，它們正以分析型競爭者的姿態(tài)挑戰(zhàn)行業(yè)領(lǐng)先者。然而，我國的商業(yè)智能依然處于導(dǎo)入期，我國企業(yè)對于商業(yè)智能的認(rèn)識依然不足，在商業(yè)智能的應(yīng)用上“支離破碎”，各種信息軟件之間未能形成有效的協(xié)同，表現(xiàn)在企業(yè)沒有自己統(tǒng)一的平臺和工具，產(chǎn)品交叉、應(yīng)用雷同，分析的結(jié)果甚至可能不一致，這也掩蓋了企業(yè)所需要的整體信息。因此對整體效果大打折扣。當(dāng)前，我國商業(yè)智能急需推廣和發(fā)展，急待商業(yè)智能統(tǒng)一技術(shù)標(biāo)準(zhǔn)的出現(xiàn)[3]。2.2商業(yè)智能的定義BI是BusinessIntelligence的英文縮寫，中文解釋為商業(yè)智能，用來幫助企業(yè)更好地利用數(shù)據(jù)提高決策質(zhì)量的技術(shù)集合，是從大量的數(shù)據(jù)中鉆取信息與知識的過程。簡單講就是業(yè)務(wù)、數(shù)據(jù)、數(shù)據(jù)價值應(yīng)用的過程[4]，如圖2-1所示。圖2-1商業(yè)智能關(guān)系圖這樣不難看出，傳統(tǒng)的交易系統(tǒng)完成的是Business到Data的過程，而BI要做的事情是在Data的基礎(chǔ)上，讓Data產(chǎn)生價值，這個產(chǎn)生價值的過程就是BusinessIntelligenceanalysis的過程。如何實現(xiàn)BusinessIntelligenceanalysis的過程，從技術(shù)角度來說，是一個復(fù)雜的技術(shù)集合，它包含ETL（智能數(shù)據(jù)處理）、搭建數(shù)據(jù)倉庫等多環(huán)節(jié)[5]。2.3商業(yè)智能的基本技術(shù)首先，觀遠(yuǎn)BI擁有強大的數(shù)據(jù)集成能力，能夠從多個數(shù)據(jù)源中抽取、轉(zhuǎn)換和加載數(shù)據(jù)，形成統(tǒng)一的數(shù)據(jù)視圖。這使得企業(yè)能夠整合不同部門、不同系統(tǒng)的數(shù)據(jù)，消除數(shù)據(jù)孤島，實現(xiàn)數(shù)據(jù)的全面整合[6]。觀遠(yuǎn)BI的基本核心技術(shù)如下：一、數(shù)據(jù)處理（ETL）：ETL操作符，ETL管理，SmartETL最佳實踐等。BI的ETL是指數(shù)據(jù)的抽?。‥xtract）、轉(zhuǎn)換（Transform）和加載（Load）過程，它是BI項目中的一個重要環(huán)節(jié)[7]。二、數(shù)據(jù)可視化：信息以盡可能多的形式展現(xiàn)出來，目的是使決策者通過圖形更快，更好地獲得信息。這種直觀的表現(xiàn)方式迅速獲得信息中蘊藏的知識。包括圖表，表格，可視化拓展如蝴蝶圖，遷徙圖等。三、儀表盤設(shè)計：卡片類型，卡片管理，頁面布局，頁面管理。BI儀表盤的設(shè)計是一個綜合性的過程，它需要結(jié)合業(yè)務(wù)需求、用戶對象以及數(shù)據(jù)定義和業(yè)務(wù)指標(biāo)間的差異來制定具體的方案。四、數(shù)據(jù)挖掘：從大量的數(shù)據(jù)中，抽取出潛在的、有價值的知識（模型或規(guī)則）的過程。數(shù)據(jù)挖掘的方法有：1.聯(lián)動：功能通?？梢酝ㄟ^配置數(shù)據(jù)組件和設(shè)置聯(lián)動字段來實現(xiàn)。例如，在一個包含多個圖表的儀表板中，用戶可以選擇一個圖表中的特定數(shù)據(jù)點，然后其他圖表會自動更新以顯示與該數(shù)據(jù)點相關(guān)的數(shù)據(jù)[8]。這種交互方式使得用戶能夠輕松地在不同的數(shù)據(jù)視圖之間切換和對比，發(fā)現(xiàn)隱藏在數(shù)據(jù)中的模式和趨勢。）2.下鉆：（“下鉆”是指將特定分組的數(shù)據(jù)按第二維度繼續(xù)向下細(xì)分顯示，以便深入探索數(shù)據(jù)的細(xì)節(jié)。它是數(shù)據(jù)分析中常用的一種技術(shù)，能夠幫助用戶逐層深入，從宏觀到微觀地了解數(shù)據(jù)的分布情況。）3.跳轉(zhuǎn)（BI中的跳轉(zhuǎn)功能通常指的是在不同數(shù)據(jù)視圖、報表或頁面之間建立鏈接，以便用戶可以快速從一個組件或頁面導(dǎo)航到另一個相關(guān)的組件或頁面。跳轉(zhuǎn)功能能夠極大地提高數(shù)據(jù)分析的效率和用戶體驗，使用戶能夠更流暢地進行深入分析和探索[9]。2.4觀遠(yuǎn)BI簡介觀遠(yuǎn)BI為本次課題所用平臺。用戶可以在瀏覽器中自定義報表，格式靈活，元素豐富。觀遠(yuǎn)BI還具有獨特的下鉆、聯(lián)動和跳轉(zhuǎn)等功能，使分析人員、管理人員或執(zhí)行人員能夠從多角度對信息進行快速、一致、交互地存取，從而獲得對數(shù)據(jù)的更深入的了解[10]，有效地將各種相關(guān)的信息關(guān)聯(lián)起來，使用戶在分析匯總數(shù)據(jù)的同時能夠深入到自己感興趣的細(xì)節(jié)數(shù)據(jù)中，以便更全面地了解情況，做出正確決策[11]。觀遠(yuǎn)BI強大的報表制作和展示功能能夠制作/展示任何形式的報表，其純粹的Web界面使用方式又使得部署成本和管理成本大大降低。同時觀遠(yuǎn)BI還可以同數(shù)據(jù)挖掘工具、統(tǒng)計分析工具配合使用，增強決策分析功能[12]。BI復(fù)雜報表3.1數(shù)據(jù)準(zhǔn)備使用復(fù)雜報表（GuanReport）的流程分為數(shù)據(jù)準(zhǔn)備-模版編輯-報表預(yù)覽和分發(fā)三個階段，見下圖3-1所示：圖3-1數(shù)據(jù)準(zhǔn)備圖準(zhǔn)備好報表所需要的數(shù)據(jù)，并不是直接對接數(shù)據(jù)集，而是視圖數(shù)據(jù)。選擇單一或者多個視圖數(shù)據(jù)同時應(yīng)用于在一個報表上，即復(fù)雜報表的數(shù)據(jù)源可以是一組數(shù)據(jù)視圖如圖3-2所示。自行定義每一個視圖數(shù)據(jù)的維度字段、數(shù)值字段以及對數(shù)值字段進行自定義聚合方式和是否使用高級計算，此外也可以對每一個視圖數(shù)據(jù)進行排序和篩選。圖3-2視圖數(shù)據(jù)圖3.2模板編輯基于已對接好的視圖數(shù)據(jù)，選擇在線編輯或者基于本地Excel來創(chuàng)建一個復(fù)雜報表模板。模板需要根據(jù)觀遠(yuǎn)數(shù)據(jù)提供的公式語法及Excel原生公式等能力來構(gòu)建。根據(jù)用戶編輯好的或者上傳的模板文件解析相對應(yīng)的公式，然后生成一個復(fù)雜報表，最終再生成一個新的可視化類型卡片：復(fù)雜報表卡片。以該報表卡片為載體，則可以實現(xiàn)一些數(shù)據(jù)分析的需求（與篩選器、參數(shù)、卡片聯(lián)動等等）。在復(fù)雜報表的視覺呈現(xiàn)上，為了避免因數(shù)據(jù)值為0、Null引起的干擾，用戶可以在報表預(yù)覽階段進行特殊值替換。將0值可以替換為：不顯示、Null值、自定義輸入內(nèi)容，大大便利用戶的報表制作，優(yōu)化看數(shù)體驗[13]。在報表預(yù)覽界面點擊特殊值-配置按鈕，彈出“配置特殊值規(guī)則”，對輸入需要替換的內(nèi)容和替換為的內(nèi)容，選擇到Null值和空字符串[1]。完成以上步驟進入儀表板，點擊右上角“新建卡片”，選擇復(fù)雜報表，制作視圖1。首先，選擇數(shù)據(jù)表，點擊“確定”后，即可導(dǎo)入數(shù)據(jù)表。在左上角的視圖中看到上一步添加的數(shù)據(jù)表。選擇單一或者多個視圖數(shù)據(jù)同時應(yīng)用于一個報表上，即表示復(fù)雜報表的數(shù)據(jù)表可以是一組數(shù)據(jù)視圖。其次，需要對每個視圖重新命名，若出現(xiàn)重名的情況，在模板編輯時會出現(xiàn)無法識別某一視圖下的維度和數(shù)值。接下來編輯維度字段，將需要的維度和數(shù)值拖入繪制框中，這里拖動“大區(qū)”、“零售流水（求和）”。點擊該數(shù)值標(biāo)簽，選擇高級計算，編輯自定義對比設(shè)置。這里對“零售流水（求和）”添加“年同比”的高級計算類型。（定義每一個視圖數(shù)據(jù)的維度字段和數(shù)值字段，并根據(jù)數(shù)據(jù)類型決定是否進行自定義聚合方式和高級計算）。設(shè)置完成后對該字段重命名，最后，測試前面添加的高級計算（同比）是否正確，可以拖入字段中的“日期（月）”到篩選框中，點擊該字段，選擇某個月份即可。制作完初步的報表后，可以對該報表的名稱進行修改。點擊保存并繼續(xù)，來到模板編輯區(qū)域。編輯表頭根據(jù)報表的樣式，先以文本形式編輯表頭。和傳統(tǒng)的Excel類似，可以根據(jù)自己的需要和喜好對文字格式進行居中對齊、合并單元格等。這里輸入表頭文字后，對“區(qū)域”和“月累計值”合并居中。拖入字段按住shift鍵，可以批量選中拖入字段。按照字段類型，對該字段設(shè)置格式[14]。3.3報表預(yù)覽先進行公式添加、格式配置完成后，點擊右上角“保存并繼續(xù)”，進入報表預(yù)覽界面。建議制作中隨時進行報表預(yù)覽，及時查看報表制作是否正確。接著添加一個新的數(shù)據(jù)表，則可以點擊視圖右側(cè)的“+”進行選擇，復(fù)制原有數(shù)據(jù)表。若僅需添加同樣的數(shù)據(jù)表，點擊數(shù)據(jù)表右側(cè)的按鈕即可進行復(fù)制。這里需要添加同樣的數(shù)據(jù)表，復(fù)制后對該視圖進行重命名。編輯維度字段此視圖中的報表需要制作關(guān)于城市線的數(shù)據(jù)，拖入“城市線”，點擊字段，選擇“自定義排序”，即可進行拖動排序。隨后進行拖入字段操作。首先，對第一步制作的表格進行修改，向左添加一列、合并單元格等，方便進行后面的操作。其次，將“城市線銷售”、“城市線”、“零售流水”、“同比”、“目標(biāo)”分別拖入表格中。添加公式首先，在F3添加目標(biāo)完成率，輸入“=G_”即會跳出常用的簡單公式，當(dāng)光標(biāo)滑到某個公式上時，會出現(xiàn)該公式的具體解釋如圖3-3所示。圖3-3公式解釋圖其次，選擇CELLCALCEXP，輸入公式括號中輸入“C{r}/E{r}”，括號中的內(nèi)容代表了C列除以E列。將F3的數(shù)據(jù)格式設(shè)置成百分比，再復(fù)制到F4中。上一步使用的是“CELLCALCEXP”，若使用“CELLCALC”公式，則只會計算某一行的數(shù)值，不會擴展到所有行進行計算。選中A4格子，點擊左上角“動態(tài)屬性”，在右邊的動態(tài)屬性配置欄中勾選分組，選擇合并單元格。從預(yù)覽報表中可以看到城市線的格子是合并單元格的樣式。首先，復(fù)制視圖，重命名。再根據(jù)需要制作的維度和數(shù)值進行拖拽添加即可。其次，勾選需要計算的日期，點擊確定即可。添加“昨日零售流水”、“昨日占比”表頭，分別使用“LOOKUP”、“CELLCALCEXP”函數(shù)對“昨日零售流水”、“昨日占比”進行相關(guān)計算。首先，選中“零售流水”相關(guān)數(shù)值，點擊右上角“更多”選擇條件格式-數(shù)據(jù)條。如下圖3-4所示。圖3-4零售流水圖其次，選中“同比”數(shù)值，點擊右上角“更多”選擇“突出顯示單元格規(guī)則-小于-設(shè)置數(shù)值為0”。配置好格式和公示后點擊預(yù)覽即可如圖3-5所示。圖3-5同比圖3.4設(shè)置聯(lián)動首先新建篩選器點擊右上角“新建卡片”，選擇篩選器。選擇所需篩選器類型，這里點擊“選擇”類型。屬性配置：選擇報表中所用的數(shù)據(jù)集，這里需要聯(lián)動日期，因此聯(lián)動字段選擇“日期（月）”，選擇一個默認(rèn)值點擊“下一步”即可。設(shè)置聯(lián)動后因為上一步選擇的聯(lián)動字段為“日期”，因此這里的目標(biāo)卡片需要選擇與日期相關(guān)的兩個視圖，點擊“完成”即可。各篩選器只聯(lián)動所選擇視圖。聯(lián)動效果當(dāng)對該篩選器進行日期選擇時，對應(yīng)聯(lián)動視圖的值將會發(fā)生變化如圖3-6所示。圖3-6聯(lián)動日期圖BI圖表可視化4.1餅狀圖先選擇可視化類型餅圖，再點擊卡片上方按鈕，并命名卡片各品類銷售比將字段商品分類拖入維度欄，銷售金額拖入數(shù)值欄。接下來設(shè)置圖表樣式，對數(shù)據(jù)標(biāo)簽、圖例等屬性進行配置，也可按需選擇字體、更改背顏色等，使圖表看起來更加美觀整潔。數(shù)據(jù)標(biāo)簽展示各個扇形區(qū)域的類別名稱，例如食品類、化妝類、煙酒類，為避免與下方圖例顯示重復(fù)可將其從圖表中去掉。點擊數(shù)據(jù)標(biāo)簽，取消勾選類別名稱。對餅圖的布局與展示樣式進行調(diào)整，將圖例展示在圖表的右側(cè)如圖4-1所示，提升圖表觀看體驗。點擊圖例，選擇位置為靠右居中。圖4-1餅狀圖4.2各品類SKU數(shù)+暢銷排名（條形圖）如下各品類SKU數(shù)、全國商品暢銷排名以條形圖的形式呈現(xiàn)，展示商品暢銷榜單前十的商一個商品條碼代表一個SKU，對商品條碼進行去重計數(shù)即可表示某品類下的SKU數(shù)。制作各品類SKU數(shù)圖表，選擇可視化類型

單條圖，將字段商品條碼分別拖入數(shù)值欄和排序欄，并點擊字段進行以下設(shè)置：使用去重計數(shù)的聚合方式。對數(shù)據(jù)進行降序排序。為提升圖表觀看體驗，對條形圖的展示樣式進行調(diào)整，可按需進行其他設(shè)置[15]。在右側(cè)圖表屬性菜單欄，設(shè)置不顯示主值數(shù)值Y軸，顯示數(shù)據(jù)標(biāo)簽后保存當(dāng)前卡片完成各品類SKU數(shù)圖表。結(jié)果如圖4-2所示。圖4-2條狀圖制作商品銷量排行Top10圖表，選擇可視化類型條形圖，命名商品銷量排行Top10。實現(xiàn)商品銷量排行，需要將字段商品名稱拖入維度欄，銷售數(shù)量分別拖入數(shù)值欄和排序欄，并進行以下設(shè)置。維度顯示為數(shù)量10，進行降序排序的到結(jié)果如圖4-3所示。圖4-3top10商品銷量排行圖4.3月度毛利走勢分析（簇狀+折線圖）如下月度毛利走勢分析以用簇狀+折線圖的形式呈現(xiàn)。使用“簇狀+折線圖”把每個月的毛利和同比增長率一起顯示出來。同比即同期對比，比如2021-03vs2020-03。制作月度毛利走勢分析圖表，選擇可視化類型簇狀+折線圖，命名月度毛利走勢分析。將銷售金額、銷售數(shù)量、成本價經(jīng)計算得出月度分析所需的毛利字段。點擊左側(cè)按鈕，選擇新建計算字段，添加“毛利”字段（毛利=銷售金額-銷售數(shù)量*成本價），選擇字段類型選擇為數(shù)值，并點擊確定。在月維度上展示各個省份2021年1月至12月的毛利走勢。點擊字段省份，將月分別拖至維度欄和篩選欄，然后點擊該字段，勾選范圍2021-01至2021-12，并點擊確定。先將字段毛利拖入數(shù)值欄，再點擊該字段，選擇數(shù)據(jù)格式為數(shù)值，并點擊確定。展示每個月的毛利和同比增長率。同比即同期對比，比如2021-03vs2020-03。再次將字段毛利拖入次軸，點擊該字段，設(shè)置別名為“同比”，并點擊確定。點擊字段同比，選擇高級計算，設(shè)置同比增長率如圖4-4所示：圖4-4同比增長率圖最后對商品條碼去重計數(shù)展示各品類SKU數(shù)，得到“SKU數(shù)”指標(biāo)。點擊按鈕，添加“SKU數(shù)”匯總指標(biāo)，位置選擇右側(cè)，對商品條碼去重計數(shù)，選擇數(shù)據(jù)格式數(shù)值，并點擊確定。數(shù)據(jù)分析5.1數(shù)據(jù)預(yù)處理在數(shù)據(jù)預(yù)處理階段，首先面臨的挑戰(zhàn)是數(shù)據(jù)集中存在的空值問題。空值的存在可能會影響后續(xù)分析的準(zhǔn)確性和模型訓(xùn)練的效果。為解決這一問題，采取了向前填充（ffill）和向后填充（bfill）的策略。這種做法是基于假設(shè)相鄰日期的銷售數(shù)據(jù)在短期內(nèi)變化不大，因此可以用前一天或后一天的數(shù)據(jù)來填充空缺值，以此保持?jǐn)?shù)據(jù)的連貫性和完整性。數(shù)據(jù)清洗過程確保了所有的記錄都是完整的，沒有遺漏值，從而為后續(xù)的數(shù)據(jù)分析和模型訓(xùn)練打下了堅實的基礎(chǔ)。具體代碼詳見附錄表1。5.2數(shù)據(jù)轉(zhuǎn)換數(shù)據(jù)轉(zhuǎn)換的主要任務(wù)是將日期列從字符串格式轉(zhuǎn)換為datetime類型。這一步驟的目的是為了方便后續(xù)的時間序列分析和模型訓(xùn)練。datetime類型的數(shù)據(jù)支持更豐富的時間和日期操作，比如提取年份、月份、星期等，這對于分析銷售趨勢和季節(jié)性模式非常有幫助。此外，將日期轉(zhuǎn)換為datetime類型也是為了在數(shù)據(jù)集劃分過程中能夠更準(zhǔn)確地根據(jù)日期信息將數(shù)據(jù)集分為訓(xùn)練集、驗證集和測試集，確保模型訓(xùn)練和評估的有效性和公正性。通過這一系列預(yù)處理和轉(zhuǎn)換步驟，數(shù)據(jù)集為進一步的分析和模型開發(fā)做好了準(zhǔn)備。數(shù)據(jù)轉(zhuǎn)換相關(guān)代碼詳見附錄表2。5.3特征關(guān)系分析在本研究中，數(shù)據(jù)探索和可視化是理解直播銷售數(shù)據(jù)中各特征如何影響下單用戶數(shù)的重要步驟。通過使用Python的matplotlib和seaborn庫，首先針對“銷量”、“商品售價”和“訪客數(shù)”這三個關(guān)鍵特征與“下單用戶數(shù)”之間的關(guān)系進行了散點圖分析。散點圖是理解兩個變量之間關(guān)系的直觀方式，通過觀察散點圖的分布和趨勢，可以初步判斷變量之間是否存在某種相關(guān)性。如圖5-1和圖5-2為直觀地展示兩個變量之間的關(guān)系，特別是用于觀察“銷量”和“訪客數(shù)”與“下單用戶數(shù)”之間是否存在線性關(guān)系或其他類型的關(guān)系。由圖可知，對于每一個特征，大體上顯示出明顯的正向的線性關(guān)系。圖5-1銷量vs下單用戶數(shù)圖5-2訪客數(shù)vs下單用戶數(shù)關(guān)系圖通過分析“銷量”和“訪客數(shù)”與“下單用戶數(shù)”的散點圖，可以進一步探究直播銷售的轉(zhuǎn)化效率及觀眾的購買意愿等關(guān)鍵指標(biāo)。此外，當(dāng)將“商品售價”和“下單用戶數(shù)”放在一個圖中進行對比時，如圖5-3所示，可以直觀地看到它們之間的關(guān)系，商品售價與下單用戶數(shù)之間似乎存在負(fù)相關(guān)關(guān)系，即隨著商品售價的升高，下單用戶數(shù)有所減少。這個趨勢由回歸線表示，盡管數(shù)據(jù)點分布較為散亂。圖5-3商品售價vs下單用戶數(shù)關(guān)系圖5.4相關(guān)性分析除了散點圖分析之外，還利用了相關(guān)性熱力圖來深入探討特征之間的相關(guān)性。熱力圖提供了一種顏色編碼的方法，以可視化數(shù)據(jù)矩陣中各變量之間的相關(guān)系數(shù)。在本研究中，特別關(guān)注這些特征與“下單用戶數(shù)”之間的相關(guān)性強度。如圖5-4的相關(guān)性矩陣圖（熱力圖）所示，可知“訪客數(shù)”與“下單用戶數(shù)”之間存在明顯的正相關(guān)（0.90），表明訪客數(shù)量的增加與下單用戶數(shù)的增加有很強的相關(guān)性。而“商品售價”與“下單用戶數(shù)”之間呈現(xiàn)出輕微的負(fù)相關(guān)（-0.28），暗示著售價提高可能不利于下單用戶數(shù)的增長。此外，“銷量”與“下單用戶數(shù)”之間的正相關(guān)性非常強（0.90），強烈表明銷量的增加通常伴隨著下單用戶數(shù)的增加，反映出銷售活動的成功度。圖5-4相關(guān)性矩陣圖（熱力圖）綜上所述，通過對直播銷售數(shù)據(jù)進行深入的特征關(guān)系分析和相關(guān)性分析，不僅能夠識別影響下單用戶數(shù)的關(guān)鍵因素，還能為后續(xù)的模型訓(xùn)練和預(yù)測提供有價值的洞察。這些可視化分析結(jié)果為理解數(shù)據(jù)集提供了堅實的基礎(chǔ)，并指導(dǎo)進行更精確的特征選擇和模型優(yōu)化。5.5模型訓(xùn)練與參數(shù)調(diào)優(yōu)隨機森林模型被選用作為本研究的核心算法，主要因為它在處理此類回歸問題時表現(xiàn)出了良好的性能和高度的靈活性。隨機森林能夠有效地處理不同類型的數(shù)據(jù)，并且對異常值具有較強的魯棒性。此外，它還能夠提供特征重要性的評估，為后續(xù)的特征選擇和模型解釋提供依據(jù)。為了找到最佳的模型參數(shù)組合，利用了GridSearchCV進行了系統(tǒng)的網(wǎng)格搜索。這一過程通過遍歷預(yù)定義的參數(shù)網(wǎng)格，使用交叉驗證來評估每一組參數(shù)的性能，從而選出最優(yōu)化的模型配置，相關(guān)代碼詳見附錄表3。在這個過程中，調(diào)整了包括樹的數(shù)量（n_estimators）、樹的最大深度（max_depth）、最大特征數(shù)（max_features）、最小樣本分割數(shù)（min_samples_split）以及最大葉節(jié)點數(shù)（max_leaf_nodes）等參數(shù)。通過這種方式，確保了模型能夠在不同參數(shù)下進行全面的性能測試，最終確定了一組能夠在的數(shù)據(jù)集上達到最佳性能的參數(shù)。交叉驗證經(jīng)常與網(wǎng)格搜索進行結(jié)合，作為參數(shù)評價的一種方法，這種方法叫做gridsearchwithcrossvalidation。sklearn因此設(shè)計了一個這樣的類GridSearchCV，這個類實現(xiàn)了fit，predict，score等方法，被當(dāng)做了一個estimator，使用fit方法，該過程中：（1）搜索到最佳參數(shù)；（2）實例化了一個最佳參數(shù)的estimator；它的作用在于通過搜索選擇的估計器,即在左側(cè)數(shù)據(jù)上給出最高分?jǐn)?shù)(或指定的的最小損失)的估計器。如果refit=False,則不可用。之后輸出最佳參數(shù)組合和對應(yīng)的交叉驗證評分：best_score_:floatbest_estimator的分?jǐn)?shù)，best_parmas_:dict在保存數(shù)據(jù)上給出最佳結(jié)果的參數(shù)設(shè)置。param_grid告訴Scikit-Learn首先評估所有的列在第一個dict中的n_estimators和max_features的3×4=12種組合。然后嘗試第二個dict中超參數(shù)的2×3=6種組合，這次會將超參數(shù)bootstrap設(shè)為False而不是True(后者是該超參數(shù)的默認(rèn)值)。網(wǎng)格搜索會探索12+6=18種RandomForestRegressor的超參數(shù)組合，會訓(xùn)練每個模型五次，訓(xùn)練總共有18×5=90輪?？偠灾瓽ridSearchCV調(diào)優(yōu)方法，在參數(shù)列表中進行窮舉搜索，對每種情況進行訓(xùn)練，找到最優(yōu)的參數(shù)。所以網(wǎng)格搜索適用于三四個(或者更少)的超參數(shù)(當(dāng)超參數(shù)的數(shù)量增長時,網(wǎng)格搜索的計算復(fù)雜度會呈現(xiàn)指數(shù)增長,這時候則使用隨機搜索),用戶列出一個較小的超參數(shù)值域,這些超參數(shù)至于的笛卡爾積(排列組合)為一組組超參數(shù)。網(wǎng)格搜索算法使用每組超參數(shù)訓(xùn)練模型并挑選驗證集誤差最小的的超參數(shù)組合。5.6模型性能分析基于隨機森林模型的預(yù)測結(jié)果和評估指標(biāo)顯示，模型在直播銷售數(shù)據(jù)的預(yù)測任務(wù)上表現(xiàn)出良好的性能。通過細(xì)致的參數(shù)調(diào)優(yōu)和網(wǎng)格搜索，確定了最優(yōu)的模型參數(shù)配置，這顯著提升了預(yù)測的準(zhǔn)確性。特別是，最佳參數(shù)組合包括了最大深度為10、最大特征數(shù)為'sqrt'、最小樣本分割數(shù)為10、樹的數(shù)量為200，沒有限制最大葉節(jié)點數(shù)，這一配置成功地平衡了模型的偏差和方差，防止了過擬合的同時保證了足夠的學(xué)習(xí)能力，隨機森林模型最終得到的評估指標(biāo)詳細(xì)結(jié)果如表4所示。表4評估指標(biāo)詳細(xì)結(jié)果表數(shù)據(jù)集MAERMSEMAPER2訓(xùn)練集354.9568.984.11%0.8637驗證集597.34775.736.57%0.9218測試集701.18913.828.02%0.8749總和1653.422258.5218.70%2.7603平均值551.14752.846.23%0.8868在測試集上，模型的MAE為701.18，RMSE為913.82，MAPE為8.02%，而R^2值為0.8749。這表明盡管在應(yīng)對未見數(shù)據(jù)時，模型的誤差絕對值有所上升，但R^2值仍然表現(xiàn)出較高的水平，指示模型能夠以較高的確定性解釋數(shù)據(jù)的變異性。然而，總誤差（MAE+RMSE+MAPE）相對較高（如表5所示），總和達到3930.64，這可能部分是因為下單用戶數(shù)的數(shù)值范圍較大，即便是小比例的預(yù)測誤差，也可能在這些指標(biāo)的絕對值中顯得較為顯著。同時，總R^2為2.7603，跨越三個數(shù)據(jù)集的平均R^2值為0.8869，顯示出模型在各個數(shù)據(jù)集上都有穩(wěn)定的預(yù)測效力。這一結(jié)果從一個側(cè)面反映了模型在預(yù)測“下單用戶數(shù)”時的可靠性和有效性，盡管面對的是具有較大數(shù)值的目標(biāo)變量。表5總評估指標(biāo)結(jié)果表指標(biāo)值TotalErrors(MAE+RMSE+MAPE)3930.64TotalR^22.76035.7結(jié)果可視化如圖5-5的隨機森林模型預(yù)測結(jié)果可視化圖可知，測試集上的真實收盤價格和模型預(yù)測值隨時間的變化趨勢大致相同，其中真實值以藍(lán)色實線表示，而預(yù)測值則以紅色虛線表示。兩線的走勢緊密跟隨，盡管存在一些偏差，但總體上模型能夠較為準(zhǔn)確地捕捉到收盤價格的波動趨勢。此外，該可視化預(yù)測結(jié)果圖清晰地顯示了日期標(biāo)簽，并且有助于觀察到特定時間段內(nèi)的預(yù)測表現(xiàn)，充分說明了預(yù)測結(jié)果和真實結(jié)果的吻合度很高，隨機森林模型的預(yù)測性能的優(yōu)秀。圖5-5隨機森林模型預(yù)測結(jié)果圖本研究通過運用隨機森林模型對直播銷售數(shù)據(jù)中的“下單用戶數(shù)”進行預(yù)測和分析，取得了令人鼓舞的結(jié)果。模型的建立和評估過程表明，“銷量”、“商品售價”和“訪客數(shù)”是影響“下單用戶數(shù)”的關(guān)鍵因素?；谶@些發(fā)現(xiàn)，建議直播銷售者可以通過優(yōu)化這些關(guān)鍵因素來提升銷售效果，如調(diào)整商品價格策略、增強互動來提升訪客數(shù)等。結(jié)論通過對“袋鼠媽媽”管理平臺子項目的直播數(shù)據(jù)進行深入分析，本研究利用商業(yè)智能（BI）技術(shù)揭示了直播效果與用戶行為之間的密切關(guān)系，并為優(yōu)化直播策略提供了決策支持。首先，本研究發(fā)現(xiàn)直播數(shù)據(jù)在反映品牌影響力和用戶參與度方面具有重要價值。通過對觀看人數(shù)、觀看時長、用戶互動等關(guān)鍵指標(biāo)的分析，我們能夠準(zhǔn)確評估直播活動的整體表現(xiàn)，并識別出潛在的用戶群體。其次，用戶行為分析揭示了不同用戶群體的偏好和需求。通過對用戶畫像的構(gòu)建和行為軌跡的追蹤，我們深入了解了用戶的年齡、性別、地域分布以及他們在直播過程中的行為模式。這些信息為制定更加精準(zhǔn)的營銷策略提供了有力依據(jù)。此外，本研究還發(fā)現(xiàn)直播內(nèi)容的質(zhì)量和形式對直播效果具有顯著影響。優(yōu)秀的直播內(nèi)容能夠吸引更多用戶參與，提高用戶滿意度和忠誠度。因此，我們建議“袋鼠媽媽”在未來的直播活動中注重內(nèi)容的創(chuàng)新和優(yōu)化，以滿足不同用戶群體的需求。綜上所述，基于BI的直播數(shù)據(jù)分析為“袋鼠媽媽”管理平臺子項目提供了有價值的決策支持。通過深入挖掘直播數(shù)據(jù)中的信息，我們能夠更好地理解用戶需求和市場趨勢，為優(yōu)化直播策略和提升品牌影響力奠定堅實基礎(chǔ)。未來，“袋鼠媽媽”可以進一步加強BI技術(shù)的應(yīng)用，探索更多數(shù)據(jù)驅(qū)動的營銷方式，以實現(xiàn)更高效的業(yè)務(wù)增長和市場競爭優(yōu)勢。本研究通過運用隨機森林模型對直播銷售數(shù)據(jù)中的“下單用戶數(shù)”進行預(yù)測和分析，取得了令人鼓舞的結(jié)果。模型的建立和評估過程表明，“銷量”、“商品售價”和“訪客數(shù)”是影響“下單用戶數(shù)”的關(guān)鍵因素?；谶@些發(fā)現(xiàn)，建議直播銷售者可以通過優(yōu)化這些關(guān)鍵因素來提升銷售效果，如調(diào)整商品價格策略、增強互動來提升訪客數(shù)等。未來研究方向可以考慮引入更多相關(guān)特征，如直播時長、主播互動頻率等，以進一步提升模型的預(yù)測準(zhǔn)確性。同時，探索更多高級的機器學(xué)習(xí)模型或深度學(xué)習(xí)模型，可能會為直播銷售數(shù)據(jù)分析帶來更深入的見解。總之，本研究的成果為直播銷售領(lǐng)域提供了一種有效的數(shù)據(jù)分析方法，并為商家優(yōu)化銷售策略、提高銷售效率提供了數(shù)據(jù)支持和科學(xué)建議。

參考文獻基于BI的報表系統(tǒng)的數(shù)據(jù)挖掘優(yōu)化[J].程旭;王萌;齊新.電腦知識與技術(shù),2020集團數(shù)據(jù)倉庫及BI系統(tǒng)建設(shè)初探[J].尹建章.商情(教育經(jīng)濟研究),2008試析基于大數(shù)據(jù)技術(shù)的BI分析系統(tǒng)在企業(yè)財務(wù)管理方面的應(yīng)用[J].楊曉峰.商場現(xiàn)代化,2022BI分析在企業(yè)財務(wù)管理中的必要性及應(yīng)用建議[J].熊雄.中國集體經(jīng)濟,2022BI敏捷向數(shù)據(jù)敏捷進化實戰(zhàn)[J].張軍軍.金融電子化,2022商業(yè)智能(BI)在財務(wù)管理中的應(yīng)用與思考[J].王小龍.信息與電腦(理論版),2017制藥企業(yè)BI數(shù)據(jù)倉庫的分析與設(shè)計[J].褚華川;曹斌.信息通信,2014基于多維數(shù)據(jù)集的BI技術(shù)研究[J].王麗娟;吳東明.電腦知識與技術(shù),2011基于BI的水利普查成果數(shù)據(jù)展現(xiàn)分析研究[J].曹淼源;萬定生;顧昕辰;惠小倩.信息技術(shù),2014基于敏捷型BI的高校財務(wù)數(shù)據(jù)中心架構(gòu)設(shè)計[J].王芬芬;張軍.中國多媒體與網(wǎng)絡(luò)教學(xué)學(xué)報(中旬刊),2021自助式BI嵌入編程語言助力企業(yè)數(shù)字化轉(zhuǎn)型——以某運營商問卷調(diào)查數(shù)據(jù)的建模分析為例[J].胡琴.數(shù)據(jù)通信,2022基于PowerBI工具的大數(shù)據(jù)分析在醫(yī)療設(shè)備多維數(shù)據(jù)分析中的應(yīng)用研究[J].王瑜;鮑鯤;黃婷婷;邵新.中國醫(yī)學(xué)裝備,2020Determinantsandconsequencesofroutineandadvanceduseofbusinessintelligence(BI)systemsbymanagementaccountants.MudauThanyaniNorman.Information&Management.2023Theefficiencymeasurementofbusinessintelligencesystemsinthebigdat