巴西电商Olist数据分析项目：SQL+FineBI

一、分析背景

巴西Olist是当地电商平台，本数据集包含2016年9月-2018年8月的数据，本文将通过对平台的整体情况、用户、商家、产品、销售五个方面分析平台的经营状况，目的是为了发现平台可能存在的问题，分析可能的原因并给出建议。

 数据链接：https://www.kaggle.com/jainaashish/orders-merged

数据字段说明：

1、product_id：商品ID
2、seller_id：商家ID
3、order_id：订单ID
4、customer_id：订单对应的用户ID。订单数据集的键，每个订单都有一个唯一的customer_id。
5、order_status：订单状态
6、order_purchase_timestamp：下单时间
7、order_approved_at：付款审批时间
8、order_delivered_carrier_date：订单过账日期
9、order_delivered_customer_date：客户实际订单交货日期
10、order_estimated_delivery_date：订单预计交货日期
11、customer_unique_id：用户ID
12、customer_zip_code_prefix：客户邮政编码前5位
13、customer_city：客户所在城市
14、customer_state：客户所在的州
15、review_id：评论ID
16、review_score：评价得分，客户在满意度调查中给出的注释范围为1到5。
17、review_comment_title：评论标题（葡萄牙语）
18、review_comment_message：评论内容（葡萄牙语）
19、review_creation_date：发出满意度调查日期
20、review_answer_timestamp：客户满意度回复日期
21、payment_sequential：付款顺序，客户可以使用多种付款方式付款。
22、payment_type：付款方式
23、payment_installments：客户选择的分期付款数量
24、payment_value：交易金额
25、order_item_id：序号，用于标识同一订单中包含的商品数量。
26、price：商品价格
27、freight_value：运费，物品运费价值物品（如果订单包含多个物品，则运费价值将在物品之间分配）
28、seller_zip_code_prefix：卖家邮政编码前5位
29、seller_city：卖家所在城市
30、seller_state：卖家所在州
31、product_category_name：类别名称
32、product_name_lenght：产品名称长度
33、product_description_lenght：产品说明长度
34、product_photos_qty：产品照片数量
35、product_weight_g：产品重量单位g
36、product_length_cm：产品长度单位cm
37、product_height_cm：产品高度单位cm
38、product_width_cm：产品宽度单位cm
 

二、分析框架

通过整体情况、用户、商家、产品、销售五个方面分析，使用工具为SQL和可视化工具FineBI。

三、分析及可视化

1、整体情况

1、总交易金额
select sum(payment_value) as 总交易金额 from orders_merged

2、总订单量
select count(order_id) as 总订单量 from orders_merged

3、用户数
select count(distinct customer_unique_id) as 用户数 from orders_merged

4、客单价
select sum(payment_value)/count(distinct customer_unique_id) as 客单价 from orders_merged

5、商家数
select count(distinct seller_id) as 商家数 from orders_merged

6、SpU
select count(distinct product_category_name) as SPU from orders_merged

7、SKU
select count(distinct product_id) as SPU from orders_merged

 运行代码分别得到结果为总交易金额15,170,437.55元，用户数93,358位，客单价162.50元，总订单数96,478笔,，商家数2,959位，SPU74个，SKU31111个。

 2、用户分析

CREATE view  order_time AS
SELECT 
 order_id,
 customer_unique_id,
 year(order_purchase_timestamp) as y,
 quarter(order_purchase_timestamp) as q,
 month(order_purchase_timestamp) as m,
 date(order_purchase_timestamp) as d,
 hour(order_purchase_timestamp) as h 
from orders_merged

为了方便后续分析，先转化日期格式，建立视图，方便后续分析。

2.1、用户流量分析

（1） 日活跃用户数

select 
 d 日期,
 count(DISTINCT customer_unique_id) DAU 
from order_time
group by d
order by d

从图中可以看出，DAU的趋势是逐渐递增的，并且在2017年11月24日当天DAU增长至1132，较前一日增长327%，经查询可知，11月24日为“黑色星期五”，该日欧美国家会进行打折促销活动，可以看出活动效果很好。