企业官网建设流程全解析

简介：这份配套教学资源包面向学习《商务数据分析与应用——基于R（第2版）》的读者，以及希望用R语言处理商务数据的初学者与教学人员，解决教材练习缺少可运行数据与代码、难以动手复现分析流程的问题。压缩包共37个文件，约3.09MB，以19个csv数据文件、6个r脚本、6个rmd与6个html文档为主，覆盖第1至第6章的章节数据、习题数据及对应程序代码，可配合教材逐章练习数据导入、清洗、探索性分析、可视化与统计建模。资源内容涉及R基础语法、缺失值与异常值处理、ggplot2绘图、线性回归与时间序列、市场趋势预测等知识点，并配有Rmd与html便于对照结果。目前已有1293人学习下载，适合作为课程实验、课后作业与项目实战的练习素材，帮助读者在真实数据上巩固商务分析思路。

1. 商务数据分析课配的 R 代码包，到底能不能直接跑起来

带过几届学生做商务数据分析，最常听到的抱怨不是「R 学不会」，而是「书上的代码我复制过去就报错」。这本《商务数据分析与应用——基于R（第2版）》的配套资源包，恰好就是冲着这个痛点来的：它把第 1 到第 6 章的.r脚本、.Rmd报告源文件、.html渲染结果和.csv数据集按章分目录打包，等于把「书上那段代码到底跑在什么数据上」这件事直接摊开了。你拿到手不是一堆散装文件，而是一套能对着书逐章复现的完整工程。适合谁？正在上这门课的学生、要照着教材备课的老师，以及想用 R 把商务分析流程走一遍但缺真实练习数据的从业者。它解决的核心问题就一个：让你从「看代码」变成「跑代码、改代码、看懂每行在干什么」。

2. 拆开压缩包先看目录：六章文件怎么对应书里的分析流程

2.1 每章四类文件的真实分工

解压后你会看到第1章到第6章六个文件夹，每个文件夹里的文件命名高度一致，基本是四类：.csv是数据，.r是纯脚本，.Rmd是可复现报告源文件，.html是渲染好的成品。这个结构不是随便定的，它对应了商务数据分析的标准工作流——数据进来、脚本处理、报告输出。

拿第 1 章举例，目录里有第1章.csv、第1章.r、第1章.Rmd、第1章.html，外加第1章习题1.csv和第1章习题2.csv。主文件是跟着正文走的演示，习题文件是留给你自己练手的。第 3 章还多出一个第3章习题2_APP对应描述信息.csv，这种带业务语义的附属数据文件，往往就是章节里某个具体分析场景的输入，别当成冗余删掉。

.Rmd和.html成对出现这点很关键。.Rmd是源码，里面混着说明文字和代码块；.html是knit之后的结果，你能直接看到代码跑出来的图表长什么样。如果你只想快速确认「这章最后应该得到什么结论」，先开.html；想动手改，再回到.Rmd。

2.2 用 RStudio 建工程而不是双击打开脚本

新手最容易翻车的一步，就是直接双击.r文件让系统默认程序打开，结果中文乱码、工作目录不对、read.csv找不到文件，三连报错。正确做法是用 RStudio 建一个 Project，把整个章节目录作为工作目录的锚点。

# 在 RStudio 里：File -> New Project -> Existing Directory # 选中解压后的根目录，比如 business-analysis-r # 建好之后，用 here 包定位文件，避免绝对路径 install.packages("here") library(here) # 读取第1章主数据，路径相对工程根目录 df1 <- read.csv(here("第1章", "第1章.csv"), fileEncoding = "UTF-8", stringsAsFactors = FALSE) str(df1) head(df1)

这段代码的逻辑是：here()永远从工程根目录算起，不管你当前脚本在哪个子文件夹，路径都不会错。fileEncoding = "UTF-8"是血泪经验，教材配套的 CSV 很多是 UTF-8 编码，Windows 默认的 GBK 读进来第一列列名就会变成乱码。stringsAsFactors = FALSE在 R 4.0 之后其实已经是默认行为，但显式写出来能避免你在老版本 R 上踩坑。跑完str()先看列类型对不对，数值列如果被读成字符，后面所有统计函数都会报错。

2.3 从 .Rmd 到 .html：把报告重新渲染一遍

.Rmd文件的价值在于它把「分析过程」和「分析结论」放在同一个文件里。你可以直接打开.Rmd，点 RStudio 的 Knit 按钮重新生成.html。这一步能验证你的环境是否装齐了包。

# 渲染第2章报告，需要先装 rmarkdown install.packages("rmarkdown") rmarkdown::render(here("第2章", "第2章.Rmd"), output_format = "html_document")

render()的第一个参数是源文件路径，output_format指定输出格式。如果渲染中途报「there is no package called 'xxx'」，说明这章用到了你还没装的包，按提示补装即可。常见的是ggplot2、dplyr、readr这几个。渲染成功后，对比新生成的.html和压缩包里自带的.html，如果图表一致，说明你的环境和作者一致，后面改代码就有底了。

3. 数据预处理与探索性分析：把 CSV 读干净再谈建模

3.1 缺失值和异常值的处理套路

商务数据几乎没有干净的，教材配套的 CSV 也一样。第 2 章和第 4 章的数据里，缺失值通常用空字符串或NA表示，异常值则藏在数值列的极值里。先做一遍体检再动手。

library(dplyr) # 统计每列缺失比例 missing_ratio <- df1 %>% summarise(across(everything(), ~ mean(is.na(.)))) %>% tidyr::pivot_longer(everything(), names_to = "column", values_to = "na_ratio") %>% filter(na_ratio > 0) %>% arrange(desc(na_ratio)) print(missing_ratio) # 数值列用中位数填补，分类列用众数填补 df1_clean <- df1 %>% mutate(across(where(is.numeric), ~ ifelse(is.na(.), median(., na.rm = TRUE), .)))

across(everything(), ~ mean(is.na(.)))是对每一列算缺失比例，pivot_longer把宽表转成长表方便排序查看。填补策略上，数值列用中位数比均值稳，因为商务数据里收入和销售额常有极端值，均值会被拉偏。分类列的众数填补可以用names(sort(table(x), decreasing = TRUE))[1]取。注意：填补之前一定先备份原始数据框，别在原对象上直接改，否则你后面想对比「填补前 vs 填补后」就没机会了。

3.2 用 ggplot2 做第一轮探索图

数据读干净之后，先画图再建模。第 3 章和第 5 章的可视化代码是现成的模板，但你要理解每个aes()里放什么。

library(ggplot2) # 直方图看单变量分布 ggplot(df1_clean, aes(x = sales)) + geom_histogram(bins = 30, fill = "#2c7fb8", color = "white") + labs(title = "销售额分布", x = "销售额", y = "频数") + theme_minimal() # 散点图看两变量关系 ggplot(df1_clean, aes(x = ad_spend, y = sales)) + geom_point(alpha = 0.6) + geom_smooth(method = "lm", se = TRUE, color = "red") + labs(title = "广告投入与销售额关系", x = "广告投入", y = "销售额") + theme_minimal()

bins = 30控制直方图柱子数量，太多会碎、太少会糊，30 是商务数据常用的起步值。geom_smooth(method = "lm")加一条线性拟合线和置信带，能快速判断两个变量是不是线性关系。如果散点明显分层或者呈曲线，后面建模就不能硬套线性回归。alpha = 0.6让点半透明，数据量大时能看出重叠密度，这个细节教材代码里不一定写，但实际画图必加。

3.3 描述性统计和分组汇总

探索性分析的另一半是数字，不是图。用dplyr按业务维度分组算汇总指标，这是商务分析里最高频的操作。

# 按地区分组算销售额均值和订单数 region_summary <- df1_clean %>% group_by(region) %>% summarise( avg_sales = mean(sales, na.rm = TRUE), total_orders = n(), sd_sales = sd(sales, na.rm = TRUE) ) %>% arrange(desc(avg_sales)) print(region_summary)

group_by()指定分组变量，summarise()里每个统计量一行。n()是计数，不需要参数。arrange(desc(avg_sales))按均值降序排，一眼看出哪个地区表现最好。这里要注意na.rm = TRUE必须加，否则只要组内有一个缺失值，整组的均值就变成NA，这种玄学报错排查起来很费时间。

4. 统计模型与商务预测：从线性回归到时间序列的落地边界

4.1 线性回归的代码结构和结果解读

第 4 章和第 6 章涉及建模，核心是lm()和forecast包。先看线性回归的标准写法。

# 以销售额为因变量，广告投入和价格为自变量 model_lm <- lm(sales ~ ad_spend + price, data = df1_clean) summary(model_lm) # 提取系数和置信区间 confint(model_lm, level = 0.95)

summary()输出里重点看三块：Estimate是系数，正负号决定方向；Pr(>|t|)是 p 值，小于 0.05 通常认为显著；Multiple R-squared是解释力度，商务数据里 0.3 到 0.6 都算正常，别指望 0.9。confint()给 95% 置信区间，如果区间跨过 0，说明这个变量的影响方向都不确定，解释时要谨慎。常见误用是拿回归系数直接说「广告每多投 1 元，销售就多 0.8 元」——这是相关不是因果，教材里可能没强调，但你写分析报告时必须留这个心眼。

4.2 时间序列预测的 SARIMA 起步

如果数据带时间维度，第 6 章会用到forecast包。SARIMA 模型的参数调优是难点，但起步流程是固定的。

library(forecast) # 把数据转成时间序列对象，频率12表示月度数据 ts_sales <- ts(df1_clean$sales, start = c(2020, 1), frequency = 12) # 自动选参，先跑一个基准 fit_arima <- auto.arima(ts_sales, seasonal = TRUE) summary(fit_arima) # 预测未来6期 forecast_result <- forecast(fit_arima, h = 6) plot(forecast_result)

frequency = 12是月度数据的标准设置，季度数据改成 4，周数据改成 52。auto.arima()会自动在候选模型里按 AICc 选一个，适合起步，但别把它当终点——自动选出来的模型未必业务上可解释。h = 6是预测步长，预测越远置信区间越宽，这是数学规律不是模型不好。plot()出来的图里，深色带是 80% 置信区间，浅色带是 95%，给业务方看的时候要说明「这是区间预测不是点预测」。

4.3 模型验证不能只看训练集

教材代码为了演示简洁，经常在全量数据上拟合然后直接报 R-squared。实际做项目必须切训练集和测试集。

set.seed(123) n <- nrow(df1_clean) train_idx <- sample(1:n, size = 0.7 * n) train_data <- df1_clean[train_idx, ] test_data <- df1_clean[-train_idx, ] model_train <- lm(sales ~ ad_spend + price, data = train_data) pred_test <- predict(model_train, newdata = test_data) # 算测试集 RMSE rmse <- sqrt(mean((test_data$sales - pred_test)^2, na.rm = TRUE)) print(paste("测试集 RMSE:", round(rmse, 2)))

set.seed(123)保证每次切分结果一致，方便复现。sample()随机抽 70% 做训练。predict(model_train, newdata = test_data)把训练好的模型套到测试集上。RMSE 越小越好，但具体多少算好取决于你的销售额量级——RMSE 是 100 还是 10000，得跟销售额均值比才有意义。这一步是区分「跑通代码」和「会做分析」的分水岭。

5. 避坑与排查：这套资源包最容易翻车的五个地方

5.1 中文列名读进来变乱码

现象：read.csv()之后names(df)显示X.æ...之类的乱码，后续用列名筛选全部失败。 原因：文件是 UTF-8 编码，但 R 在 Windows 上默认按系统本地编码（GBK）读取。 解决：read.csv(..., fileEncoding = "UTF-8")显式指定。如果还是乱码，用fileEncoding = "GBK"试一次，或者用readr::read_csv()，它对编码的容忍度更高。

5.2 渲染 .Rmd 时报找不到包

现象：点 Knit 之后控制台红字there is no package called 'ggplot2'或类似提示。 原因：.Rmd里library()调用的包你本地没装，或者装了但版本太老。 解决：按报错提示逐个install.packages("包名")。如果一次装多个，用install.packages(c("ggplot2", "dplyr", "forecast"))。装完重启 R 会话再渲染，避免命名空间缓存问题。

5.3 工作目录不对导致找不到 CSV

现象：read.csv("第1章.csv")报cannot open file，但你明明看到文件就在旁边。 原因：R 的工作目录不是脚本所在目录，而是 RStudio 默认的某个位置。 解决：用getwd()查看当前工作目录，用setwd()改，或者更稳妥地用here()包配合 RStudio Project。永远不要用setwd("C:/Users/你的名字/...")这种绝对路径，换台电脑就废。

5.4 习题数据和正文数据搞混

现象：跑第 3 章代码时结果和书上对不上，图表形状完全不一样。 原因：误把第3章习题2.csv当成第3章.csv读进去了，两个文件结构相似但数据不同。 解决：读文件前先list.files()看清楚目录里有哪些文件，确认文件名。正文演示用不带「习题」的主文件，练习用带「习题」的。第 3 章那个_APP对应描述信息.csv是附属映射表，不是主数据。

5.5 时间序列频率设错导致预测全偏

现象：auto.arima()跑出来的预测图跟实际趋势完全对不上，或者报错frequency相关。 原因：ts()的frequency参数和数据实际周期不匹配，比如月度数据写成了 1。 解决：先确认数据粒度。月度frequency = 12，季度frequency = 4，周frequency = 52。拿不准就先画plot(ts_sales)看波形，一年有几个峰就是几。设错频率不会报错，但模型会把季节性当成趋势，结果就是黑匣子——看着能跑，结论全错。

6. 把六章脚本串成一条自动化流水线

单章跑通只是第一步，这套资源包真正的价值在于六章合起来是一条完整的商务分析链路：第 1 章认识数据、第 2 章清洗、第 3 章可视化、第 4 章建模、第 5 章深入、第 6 章预测。我一般会写一个总控脚本，把各章的核心步骤串起来，改一次数据源就能全流程重跑。

# run_all.R 放在工程根目录 source(here("第1章", "第1章.r")) source(here("第2章", "第2章.r")) # 中间步骤手动衔接，因为各章变量名可能不同 df_clean <- df1_clean # 统一命名，供后续章节使用 source(here("第4章", "第4章.r")) source(here("第6章", "第6章.r")) # 最后统一导出关键结果 write.csv(region_summary, here("output", "region_summary.csv"), row.names = FALSE, fileEncoding = "UTF-8")

source()会直接执行目标脚本，所以各章脚本里如果有install.packages()或者交互式View()，串起来跑会卡住，建议先把这些行注释掉。变量名衔接是最大的坑——第 1 章可能叫df1，第 2 章清洗完叫df_clean，第 4 章建模又用回data。我习惯在每章脚本末尾加一行# 输出：xxx注释，标明这章产出的对象名，串流程时对着注释接。

验证整条流水线是否可靠，有个笨办法但很管用：把第1章.csv复制一份，手动改几个数值，然后从头跑一遍run_all.R，看最终的region_summary.csv和预测图有没有跟着变。如果没变，说明中间某一步读的是硬编码路径或者缓存了旧对象。这个「改输入看输出」的验证习惯，比任何单元测试都直接。

进阶一点，可以把.Rmd的渲染也纳入流水线，用rmarkdown::render()在source()之后自动生成最新报告，这样数据和报告永远同步。参数化报告用params传日期或地区，一套模板出多份分析，这是商务场景里最实用的自动化技巧。

从那以后我每次拿到教材配套代码，都强制先跑一遍「改一个数、看结果变不变」的验证，再动手写自己的分析。希望帮到你。

本文还有配套的精品资源，点击获取