一、跨境电子商务的数据类型
统计数据就是统计变量的某些取值，变量是说明现象某种特征的概念。数据一般可以分成以下几种类型:
1.分类数据
只能归于某一类别的非数字型数据，它是对事物进行分类的结果。如按照“跨境电子商务贸易模式”进行分类,有“出口”或“进口”两类;“跨境电商公司销售的产品品类”则有“服装服饰”“3C电子”“计算机及配件”“珠宝”等电商货品。为了方便统计,对于分类数据可以用数字代码来表示各个类别，比如,用0表示“出口”，用1表示“进口”。
2.顺序数据
只能归于某一有序类别的非数字型数据。顺序数据虽然也是类别，但它们是有序的。如跨境产品按照“产品等级”进行整理,可以是“一等品”“二等品”“三等品”“次品”等。同样的,顺序数据也可用数字代码来表示。
3.数值型数据
按照数字尺度测量的观察值。如“跨境电子商务进出口额”“跨境电子商务企业规模”“市场份额”“用户规模”等都是数值型变量，这些变量可以取不同的数值。例如，截至2014年年底,中国跨境电子商务试点进出口额已突破30亿元，在此，“30亿”就是一个数值型数据。
二、跨境电子商务的数据分析
1.数据的预处理和图表展示
数据的预处理是在对数据分类或分组之前必须要做的处理，内容包括数据的审核、筛选排序等。数据审核就是从完整性和准确性两个方面去审核是否有错误。数据筛选是根据所要研究的问题找出需要的某类数据。数据排序是指按照一定的顺序将数据排列，以便发现一些明显的趋势，找到解决问题的线索。数据在经过预处理后，可根据需要进行分类或分组。对于分类数据,可用频数分布表、条形图、帕累托图、饼图、环形图进行图表展示。分类数据的图表展示方法也适用于顺序数据，此外顺序数据还可使用累积频数分布表、累积分布图等展示。同样,分类数据和顺序数据的整理与图示方法也都适用于数值型数据,但数值型数据还有一些特定的整理和图示方法，如直方图、茎叶图、箱线图、线图、散点图、气泡图、雷达图等，这些方法并不适用于分类数据和顺序数据。
2.主成分分析
2. 在类似跨境电子商务在线信誉评价这种多指标综合评价或分析的过程中,往往会遇到这样的矛盾:一是指标多，带来计算和分析上的不便;二是多指标之间的相关性，造成指标提供的整体信息发生重叠,不易得出简明的规律。
主成分分析是利用降维的思想，在损失很少信息的前提下把多个指标转化为几个综合指标的多元统计方法。通常把转化生成的综合指标称之为主成分,其中每个主成分都是原始变量的线性组合,且各个主成分之间互不相关,这就使得主成分比原始变量具有某些更优越的性能。这样在研究复杂问题时就可以只考虑少数几个主成分而不至于损失太多信息，从而更容易抓住主要矛盾，揭示事物内部变量之间的规律性.同时使问题得到简化,提高分析效率。
一般利用主成分分析得到的主成分与原始变量之间有如下基本关系:①每一个主成分都是各原始变量的线性组合;②主成分的数目大大少于原始变量的数目;③主成分保留了原始变量绝大多数信息;④各主成分之间互不相关。
通过主成分分析，可以从事物错综复杂的关系中找出一些主要成分，有效利用大量统计数据进行定量分析，揭示变量之间的内在关系，得到对事物特征及其发展规律的一些深层次的启发，把研究工作引向深入。我国跨境电子商务企业可在财务分析中广泛引人这种方法，使得企业管理者和在线投资者能够对跨境电子商务环境下在线企业的电商运营转型店铺运营现状和财务状况做出正确而客观的评价，以判断企业发展变化状况、从而为在线交易决策提供信息支持。
相关文章推荐：
