本发明涉及一种大数据分析方法，尤其涉及一种基于电商平台的大数据分析方法，属于电子商务网络技术领域。
背景技术：
随着经济的快速发展和互联网的快速发展，线下的商务活动模式已经满足不了时代的需求，越来越多的电子商务平台应运而生。企业在电子商务平台可充分利用其网络基础设施、支付平台、安全平台、管理平台等共享资源有效地、低成本地开展商务活动。但现有技术的电商平台对数据的分析方法不够全面、细致，无法判断用户的哪些行为可直接影响销售额，也无法通过用户的喜爱预测产品未来发展的方向，降低了电商平台上企业把握用户动向、及时调整销售策略的效率。
技术实现要素：
为克服现有技术的缺陷，本发明提供一种大数据分析系统，所述电商平台的大数据分析方法是由大数据分析系统实现的，所述大数据分析系统包括控制模块、数据查询模块、存储模块、大数据分析模块、趋势预测模块。
所述控制模块为所述大数据分析系统的核心，作为所述大数据分析系统的起点，用于接收需进行大数据分析的目标数据。
所述数据查询模块用于查询数据，查询方法为爬行抓取数据，具体为：采用哈希函数遍历整个电商平台的所有页面，采用md5集合对是否抓取的状态进行判断，将已抓取和未抓取的网页进行分类，并分别建立url，直到抓取数据完成。
所述存储模块对所述数据查询模块查询到的数据进行存储、更新、备份、删除操作。
所述大数据分析模块，对存储模块的数据进行数据模型转换，将存储模块的源数据转化为数据模型，并发送至趋势预测模块。
所述趋势预测模块用于将大数据分析模块发送的数据进行建模并输出结果。
本发明涉及的一种基于电商平台的大数据分析方法，基于上述大数据分析系统，具体步骤如下：
（1）由控制模块对接收的目标数据进行分析，从而确定本次数据分析目的及要点。
（2）由数据查询模块对整个电商平台的收集、分类，存储在存储模块中。
（3）存储模块完成数据更新后，大数据分析模块将用户主要行为、用户活动区域、产品销售额、产品销售量、产品评价数、产品特点6种类型数据进行数据统计，组成矩阵，并对数据进行模型转换，进行相关性分析，根据公因子方差提取出5个公因子，再采取因子旋转的方法确定各因子的实际意义，建立数据模型。
（4）趋势预测模块根据大数据分析发送的数据模型，对数值与计算数值进行分析预测。所述趋势预测模块根据用户的主要行为与产品销售额、销售量的关系，列举出用户哪些行为会提高销售额、销售量，并以列表和/或曲线和/或趋势图的形式输出；所述趋势预测模块根据用户的区域用户行为与产品销售额、销售量的关系，列举出每个区域用户的行为、购买力、活跃度，并以列表和/或曲线和/或趋势图的形式输出；所述趋势预测模块根据产品特点与销售额、销售量的关系，得出用户对产品的喜好，预测产品未来发展的方向，并以列表和/或曲线和/或趋势图的形式输出。
进一步地，区域用户行为的分析方法：获取电商平台的销售数据；将销售数据中发货地址中的区域信息进行采集。
进一步地，本发明所述电商平台为基于oracleerp的订单管理与b2b电商平台，包括erp系统、b2b系统和终端系统三个子系统，使用java语言作为主要的开发语言，通过整合springmvc、springdata、springcache框架，提供针对经销商的下单、购物功能，使用thrift作为rpc框架，实现b2b电商平台与oracleerp的数据联通，同时使用angularjs提供了高度响应式桌面ui和移动端。更进一步地，所述b2b系统与所述erp系统采用加密的rpc协议实现数据传输，具体的加密方法为ssl加密。
本发明涉及的一种基于电商平台的大数据分析方法可根据电商平台的数据为系统开发提供方向性指导，预测销售情况、产品未来发展方向等，具有很高的智能化，减少人工操作，提高工作效率，准确率高。
本发明涉及的一种基于电商平台的大数据分析方法对用户行为的大数据分析，为系统的开发提供数据指导。对基于区域的用户行为的大数据分析，为产品的销售情况提供准确的预测。提供产品特点趋势的大数据分析，为产品的未来发展提供准确的预测，在电子商务领域具有应用前景。
具体实施方式
下面通过具体实施例，进一步对本发明的技术方案进行具体说明。应该理解，下面的实施例只是作为具体说明，而不限制本发明的范围，同时本领域的技术人员根据本发明所做的显而易见的改变和修饰也包含在本发明范围之内。
实施例1
一种基于电商平台的大数据分析方法，具体步骤如下：
（1）由控制模块对接收的目标数据进行分析，从而确定本次数据分析目的及要点。
（2）由数据查询模块对整个电商平台的收集、分类，存储在存储模块中。
（3）存储模块完成数据更新后，大数据分析模块将用户主要行为、用户活动区域、产品销售额、产品销售量、产品评价数、产品特点6种类型数据进行数据统计，组成矩阵，并对数据进行模型转换，进行相关性分析，根据公因子方差提取出5个公因子，再采取因子旋转的方法确定各因子的实际意义，建立数据模型。
（4）趋势预测模块根据大数据分析发送的数据模型，对数值与计算数值进行分析预测。所述趋势预测模块根据用户的主要行为与产品销售额、销售量的关系，列举出用户哪些行为会提高销售额、销售量，并以列表和/或曲线和/或趋势图的形式输出；所述趋势预测模块根据用户的区域用户行为与产品销售额、销售量的关系，列举出每个区域用户的行为、购买力、活跃度，并以列表和/或曲线和/或趋势图的形式输出；所述趋势预测模块根据产品特点与销售额、销售量的关系，得出用户对产品的喜好，预测产品未来发展的方向，并以列表和/或曲线和/或趋势图的形式输出。
区域用户行为的分析方法：获取电商平台的销售数据；将销售数据中发货地址中的区域信息进行采集。
本发明所述电商平台为基于oracleerp的订单管理与b2b电商平台，包括erp系统、b2b系统和终端系统三个子系统，使用java语言作为主要的开发语言，通过整合springmvc、springdata、springcache框架，提供针对经销商的下单、购物功能，使用thrift作为rpc框架，实现b2b电商平台与oracleerp的数据联通，同时使用angularjs提供了高度响应式桌面ui和移动端。所述b2b系统与所述erp系统采用加密的rpc协议实现数据传输，具体的加密方法为ssl加密。
实施例2
一种大数据分析系统，包括控制模块、数据查询模块、存储模块、大数据分析模块、趋势预测模块。
所述控制模块为所述大数据分析系统的核心，作为所述大数据分析系统的起点，用于接收需进行大数据分析的目标数据。
所述数据查询模块用于查询数据，查询方法为爬行抓取数据，具体为：采用哈希函数遍历整个电商平台的所有页面，采用md5集合对是否抓取的状态进行判断，将已抓取和未抓取的网页进行分类，并分别建立url，直到抓取数据完成。
所述存储模块对所述数据查询模块查询到的数据进行存储、更新、备份、删除操作。所述大数据分析模块，对存储模块的数据进行数据模型转换，将存储模块的源数据转化为数据模型，并发送至趋势预测模块。所述趋势预测模块用于将大数据分析模块发送的数据进行建模并输出结果。