【SQL数据分析 | 手把手教你做淘宝用户分析！】

SQL也能做分析？当然！

常见的数据清洗，预处理，数据分类，数据筛选，分类汇总，以及数据透视等操作，用SQL一样可以实现（除了可视化，需要放到Excel里呈现）。SQL不仅可以从数据库中读取数据，还能通过不同的SQL函数语句直接返回所需要的结果，从而大大提高了自己在客户端应用程序中计算的效率。

但是，这个过程需要很熟练掌握SQL！

本文就利用提取MySQL的数据，通过写SQL的数据处理方式，来对一份淘宝数据进行用户分析。

01

数据来源及说明（现在我们调用数据基本上以API接口的形式去获取封装的）

本文从数据集中选取2014年11月18日至12月18日之间，8477名随机用户共1048575条行为数据（感兴趣的小伙伴们可以拿近几年的数据练手），数据集的每一行表示一条用户行为，共6列。

列字段包含以下：

user_id：用户身份item_id：商品IDbehavior_type：用户行为类型（包含点击、收藏、加购物车、购买四种行为，分别用数字1、2、3、4表示）user_geohash：地理位置（有空值）item_category：品类ID（商品所属的品类）time：用户行为发生的时间

02

提出问题

1. 整体用户的购物情况

pv（总访问量）、日均访问量、uv（用户总数）、有购买行为的用户数量、用户的购物情况、复购率分别是多少？

2. 用户行为转化漏斗

点击— 加购物车— 收藏— 购买各环节转化率如何？购物车遗弃率是多少，如何提高？

3. 购买率高和购买率为 0 的人群有什么特征

4. 基于时间维度了解用户的行为习惯

5. 基于RFM模型的用户分析

03

数据清洗

1. 导入数据

由于数据量有100多万，通过数据库管理工具 Navicat 将数据集导入 MySQL 数据库会表较慢，我这里使用ETL工具kettle进行导数，能够提高导数效率，也方便后续实现报表自动化处理，数据库的表名为user。

2. 缺失值处理

item_category 列表示地理位置信息，由于数据存在大量空值，且位置信息被加密处理，难以研究，因此后续不对item_category列进行分析。

3. 数据一致化处理

由于 time 字段的时间包含（年-月-日）和小时，为了方便分析，将该字段分成 2 个字段，一个日期列（date）和一个小时列&#