圖書出版行業(yè)大數(shù)據(jù)可視化分析

王紅丹 潘莉

摘 要：大數(shù)據(jù)時代背景下，傳統(tǒng)紙媒圖書出版行業(yè)面臨新的機(jī)遇和挑戰(zhàn)。本文擬對淘寶網(wǎng)上銷售的圖書數(shù)據(jù)進(jìn)行數(shù)據(jù)可視化分析，在閱讀和總結(jié)以往的數(shù)據(jù)可視化分析基礎(chǔ)上，結(jié)合相關(guān)的圖書出版業(yè)文獻(xiàn)資料，運(yùn)用數(shù)據(jù)可視化平臺SaCa DataViz對搜集到的淘寶網(wǎng)上圖書的銷售數(shù)據(jù)進(jìn)行可視化分析，得到圖書銷售的現(xiàn)狀，根據(jù)研究結(jié)果，為出版編輯提供更多的出版方向，以促進(jìn)我國圖書出版業(yè)進(jìn)一步健康發(fā)展。

關(guān)鍵詞：數(shù)據(jù)可視化分析;圖書銷售;SaCa DataViz

1引言

圖書出版業(yè)數(shù)據(jù)可視化分析旨在從龐大復(fù)雜、混亂無序的圖書銷售數(shù)據(jù)中，利用圖形圖像的處理方法與技術(shù)對其進(jìn)行視覺呈現(xiàn)，充分挖掘出有價值的內(nèi)容，給出版編輯提供信息，做出決策，為出版社提供更多的出版方向，對作者的創(chuàng)作信心起積極作用。有利于我國圖書出版業(yè)經(jīng)濟(jì)發(fā)展，有利于為出版業(yè)理念的轉(zhuǎn)變找到方向。

2研究方法與內(nèi)容

本文為了對我國圖書出版業(yè)圖書的銷售情況進(jìn)行分析，通過SaCa DataViz平臺工具，對數(shù)據(jù)進(jìn)行了可視化分析。以期得到出版業(yè)未來的發(fā)展方向。

研究的具體內(nèi)容如下：首先，介紹了眾多的數(shù)據(jù)可視化分析工具和平臺，選擇了對更適合本文研究的數(shù)據(jù)可視化平臺SaCa DataViz。然后，在對眾多能反映我國圖書出版業(yè)銷售現(xiàn)狀的數(shù)據(jù)指標(biāo)中篩選出了最適合的6個指標(biāo)。其次，對淘寶網(wǎng)上的圖書總銷售量、總銷售額、購買者信息等指標(biāo)進(jìn)行SaCa DataViz數(shù)據(jù)可視化實(shí)例分析和研究，得到銷售現(xiàn)狀。最后，根據(jù)得到的研究結(jié)果，結(jié)合資料，給出版社以及銷售商一定的發(fā)展建議。

3圖書出版業(yè)大數(shù)據(jù)可視化分析實(shí)證

出版社獲得的圖書銷售數(shù)據(jù)很多，基礎(chǔ)的數(shù)據(jù)是銷售量、銷售額等，錯綜復(fù)雜，數(shù)據(jù)的準(zhǔn)確率較低，分析效率不高?，F(xiàn)今，我國圖書的銷售渠道主要包括線上銷售、線下銷售以及統(tǒng)一采購這幾種，在網(wǎng)絡(luò)如此發(fā)達(dá)的社會，網(wǎng)絡(luò)信息便利的時代，人們越來越依賴于網(wǎng)絡(luò)，所以，在圖書的銷售上，線上銷售數(shù)據(jù)具有一定的代表性。并且像當(dāng)今比較受歡迎的銷售書店，類似磨鐵、中南圖書、文軒等，都選擇在淘寶網(wǎng)上進(jìn)行銷售，所以本文以2019年4月在淘寶網(wǎng)上銷售的圖書數(shù)據(jù)為例講解圖書出版業(yè)大數(shù)據(jù)可視化分析。

3.1行業(yè)數(shù)據(jù)的選擇與搜集

數(shù)據(jù)的搜集上，本文篩選2019年4月在淘寶網(wǎng)上圖書銷售的詳細(xì)數(shù)據(jù)，從中選擇了本文研究所需的可以體現(xiàn)出發(fā)展現(xiàn)狀以及購買者分布的數(shù)據(jù)指標(biāo)，即銷售量、銷售額、購買者人群畫像（包括性別、年齡、職業(yè)、購買者地址）這6個數(shù)據(jù)指標(biāo)進(jìn)行研究。

3.2數(shù)據(jù)預(yù)處理

1）數(shù)據(jù)整理：將原始數(shù)據(jù)從網(wǎng)站上抓取下來，經(jīng)過整理，得到淘寶網(wǎng)上銷售圖書總銷售量、總銷售額、性別、年齡分布、職業(yè)、地理位置等，共6列數(shù)據(jù)，總共1625條數(shù)據(jù)。

2）數(shù)據(jù)去噪：在選擇出來的所有數(shù)據(jù)中，將存在缺失數(shù)據(jù)的指標(biāo)進(jìn)行刪除，通過篩選，剩余數(shù)據(jù)1622個。

3）數(shù)據(jù)集成：將整理好的數(shù)據(jù)按照研究目的的不同，需要的數(shù)據(jù)指標(biāo)不同，將其分類整理。

3.3數(shù)據(jù)可視化分析

3.3.1分類圖書銷量與銷售額占比情況

（一）二級類目

本文中，將二級圖書分類為：兒童讀物/教輔、進(jìn)口原版書、社會科學(xué)、文學(xué)、小說和自我實(shí)現(xiàn)/勵志這6大類。

在二級類目的圖書銷量中，根據(jù)圖1看出，我國的兒童讀物/教輔這類圖書占總銷售量的比例最大，多達(dá)71.69%，銷售量達(dá)1087萬余本。其次是自我實(shí)現(xiàn)/勵志類圖書，出售200多萬本，占總量的13.2%。其他各類圖書的占比就比較小了，例如進(jìn)口原本書只占1%。

（二）三級類目

在二級類目圖書分類下，再將圖書分類細(xì)化，得到三級類目圖書為：中國現(xiàn)當(dāng)代隨筆、中國古詩詞、中國兒童文學(xué)、演講/口才、心靈與修養(yǎng)、心靈學(xué)、現(xiàn)代/當(dāng)代文學(xué)、外國小說、世界名著、青春小說、勵志、繪畫/漫畫、兒童讀物原版書、成功這14類。

在細(xì)分后的分類圖書銷量中，我國的中國兒童文學(xué)這類圖書銷量占總銷售量的比例最大，基本占一半，多達(dá)52.73%，銷售量達(dá)799萬余本。其次是繪畫/漫畫類圖書，出售264萬本，占總量的17.39%。其他各類圖書的占比就比較小了，基本都有占到5%左右，例如世界名著和現(xiàn)代/當(dāng)代文學(xué)都只有4%。

3.3.2購買者人群畫像分布

（一）性別比例

在性別這一分類下，女性占60%，男性占比40%，女性人數(shù)是男性購買人數(shù)的1.5倍。

（二）年齡占比

在年齡的分類中，本文將其分為最具代表的5類：18-24，25-29，30-39，40-49，50及以上。看圖6可知，18-24歲的人數(shù)最多，有4.5萬人，占總數(shù)的約32%，年齡在50及以上的人數(shù)占比最少，只有6.5%。其余三個年齡段人數(shù)大約都在3萬左右，占比20%左右。

（三）職業(yè)比例

在職業(yè)分類中，本文簡單的將購買者分為個體經(jīng)營/服務(wù)人員、公務(wù)員、公司職員、學(xué)生這4類。看圖7可以知道，在我國，圖書購買者為公司職員的人數(shù)最多，有3.7萬左右，學(xué)生有3.2萬，最少的是公務(wù)員，有1.2萬左右。

3.3.3購買地分布

在研究購買者所屬地區(qū)分布時，本文選擇了全國圖書銷售排前7的省份，以及這7個省份的省會的銷售量。綜合省份與省會兩個指標(biāo)，人數(shù)最多的是廣東省，其次是江蘇省。

4結(jié)論與建議

綜合實(shí)證研究所得結(jié)果，為了增加圖書出版業(yè)的經(jīng)濟(jì)收入以及未來發(fā)展方向，給出版社提出了以下建議：1）應(yīng)重視少兒圖書出版2）細(xì)分圖書市場3）謹(jǐn)慎選擇線下銷售選址。

在本文撰寫過程中，仍存在著如數(shù)據(jù)獲取不夠全面，數(shù)據(jù)挖掘深度及可視化設(shè)計(jì)深度不夠，運(yùn)用可視化研究方法單一等問題。在今后的研究中，可從圖書定價、紙張質(zhì)量、封面設(shè)計(jì)等角度做更加詳細(xì)的可視化分析;呈現(xiàn)更為直觀的三維圖展示;運(yùn)用多種可視化方法進(jìn)行研究。

作者簡介：

1.王紅丹，成都信息工程大學(xué)統(tǒng)計(jì)學(xué)院學(xué)生

2.潘莉，成都信息工程大學(xué)統(tǒng)計(jì)學(xué)院講師，碩士;研究方向：金融數(shù)量分析。