日前，电商人对交易指数还原成支付金额呼声日益增高，
有好多同学问我们，有没有办法还原交易指数成支付金额？答：有！
随今天给大家带来的是首发重磅知识，有些过于专业性，尽量给大家表达通俗些。
我们在生意参谋后台经常能看到好多指数类的数据维度，而不知道它们真实数据，这样就不晓得竞争对手的真实数据，也无法预测他们未来的数据点在什么位置上。
这里先来了解一下生意参谋有哪些指数维度：交易指数、流量指数、转化指数、搜索人气、点击人气、收藏人气、加购人气。嗯，这些是我们常见数据指标了。
今天给大家带来的是还原交易指数的方法：
我们首先得到交易指数和支付金额的真实数据，这里估计有同学会问谁知道你的真实数据准不准确啊？要我说：相信生意参谋是真实数据，就相信我准没错！
然后在
Excel
里选择相应的两列源数据（取数据样本
1000
个作为参考，
10
万源数据方法类同；源数据越多计算出的数据越接近真实数据），插入散点图后
再把散点图右上角“
+
”号里 图标元素的趋势线打勾，我们可以看到一条虚线出现在散点图里，默认的是线性趋势（至于什么是线性趋势这里不表，太专业请自行百度）。
我们右击这根虚线，选择“设置趋势线格式”，在里面选择“显示公式”和“显示
R
平方值”打勾。可以看到散点图上出现一串
y
的公式和
R
平方值；
操作进行到这里先简单介绍一下公式和
R
平方值，
y
的公式是需要我们代入交易指数求出真实支付金额的公式，而
R
的平方值是代表这个公式接近真实数据的范围，所以当
R^2
等于
1
时，代表趋势线最可靠，与真实数据非常吻合（这里没有
100%
等于真实数据，除非自己动手学习爬虫爬取真实数据），当等于
0.9543
，代表我们求出来的数据和真实数据相差
4.57%
。从而指数越大，误差也会很大。
下面我们选择线性、多项式、乘幂拟合方法来验证还原指数真实性。
我们可以看到利用公式计算出来的数据和真实数据的差异在
1.28%
，对于我们来说误差还是算比较小的了；下面进行多项式2阶和乘幂公式计算看看数据的误差在多少，和线性趋势有什么差别。
好了，出现了状况；多项式
2
阶和乘幂的计算出来的数据偏差有些大，为什么会成这样？主要还是他们在统计学里的关系差别，不同的表达数据变化和指数数据间跨度有很大关系。我们还有什么方法可以求出误差更小来吗？回答依然是：有！
用
SmartMining
工具可以实现，对我们电商人来讲有点专业，在这篇文章不表。
这里只用了统计学学科里简单的知识点(我们电商人也是在践行科学发展道路！)，对底层算法感兴趣的同学可以留言。
自问自答：
1.
在生意参谋后台看到好多指数有重复，但在计算出来后数据又不一样
答：这是因为在生意参谋后端隐藏了小数点，用了四舍五入取整。
2.
如果没有支付金额真实数据，怎么计算拟合指数
答：没有真实支付金额数据是没法采用这个方法计算拟合的，另有其他方法可以采集到真实数据。(感兴趣的同学可以点击"阅读原文"报名课程学习)
3.
交易指数是任务形式下都可以吗？只一个类目还是全类目？
答：不受外界影响，任何时候都可以；目前是全类目。
拓展一些分享知识点：我们知道真实支付金额后能干嘛？假如知道竞争对手过去
2
年的真实支付金额，我们可以来做预测他未来
90
天或者
180
天数据（越往后数据越不精准），这样可以针对性的规划在什么时间做哪些事超越他，可能有同学会问他们也会看我同期数据作参考做同样的事啊？别担心大家都是参考历史数据做规划或者优化提升的。
好东西请分享给更多有需要的朋友！
版权说明：零一公众号内容均为原创，如需转载请联系。
连载拓展阅读（
点击即可浏览
）
从0开始教你做数据分析-01
从0开始教你做数据分析-02
从0开始教你做数据分析-03
从0开始教你做数据分析-04
从0开始教你做数据分析-05
从0开始教你做数据分析-06
从0开始教你做数据分析-07
从0开始教你做数据分析-08
从0开始教你做数据分析-09
应用PBI搭建淘宝店铺数据分析模型教程-1
应用PBI搭建淘宝店铺数据分析模型教程-2
应用PBI搭建淘宝店铺数据分析模型教程-3
