sql实战-电商订单数据分析

SQL项目实战

1.数据集介绍

来源：kaggle

本数据集包含了2016年至2018年近10万条交易记录。

本次分析用到五张表：

• olist_orders_dataset：包含订单id，顾客id，订单状态，购买时间等信息 
• olist_order_items_dataset：包含订单id，物品数量，商品id，商品价格和运费等信息 
• olist_order_reviews_dataset：包含评论id，订单id，评价分数等信息 
• olist_products_dataset：包含商品id，商品品类等商品信息 
• product_category_name_translation：包含商品品类和商品品类的英文翻译

分析目的：

1.分析流量业务指标：活跃用户数（DAU、MAU、时段）GMV（季度、月）、ARPU（季度、月）、订单数（天、月、时段）

2.RFM用户价值分层模型分析用户运营：各分层次用户品类（热门商品=金额➕评价分数）

分析工具：

用my sql，navivat进行数据清洗，数据分析；

tableau进行数据可视化

分析结论：

1.平台运营建议：综合订单数、MAU和GMV指标来看，平台当前遇到发展瓶颈，典型表现为用户平均收入水平维持，指标增速放缓，甚至出现回落的趋势。

从用户规模来看，需评估国内市场流量增长是否进入存量竞争阶段，如果是，可以考虑发展海外市场，同时做好用户运营，减少用户流失；

如果否，则可能与平台自身运营进入瓶颈期，或竞争对手抢占市场导致，一方面需要对内调整运营策略，优化用户体验&#