EXCEL数据分析之母婴商品分析

首先先明确一下对于该数据的分析流程

明确目的=》理解数据=》提出问题=》数据清洗=》描述性统计=》数据可视化=》总结分析

目录

首先先明确一下对于该数据的分析流程

 

一、明确目的

二、理解数据（字段）

三、提出问题（分析重点）

四、数据清洗

五、描述性统计

六、数据可视化

七、总结分析

---

一、明确目的

首先先了解一下数据集的基本情况

案例背景：这是一份淘宝母婴用品店的销售数据，需要帮助商家进行商品的最优选择（该数据集来自阿里天池）

目标：找出产品种类、时间、客户性别的变化对销售的影响

 

二、理解数据（字段）

数据集一共有两张表，一张是购买用户信息表，一张是商品购买记录表

（为啥要多复制一份？这是防止自己操作失误，导致的数据混乱甚至是删除，建立的一份保障）

首先先看商品购买记录表（7个字段）

用户ID：具有唯一性可识别，可作为主键

购买行为ID：购买行为的唯一编号

商品大类、小类、属性（无关字段）、购买数量、购买时间，这些字段应该都知道它的意思

再看一下用户信息表（3个字段）

需要特别强调一下出生日期是指婴儿的出生日期，性别也是指婴儿的性别

 

三、提出问题（分析重点）

1.哪些类别比较热销，总销量前5个占比

2.不同种类的商品销售趋势怎么样？

3.商品对于哪个年龄而言最热销

4.用户购买性别购买占比分布

 

四、数据清洗

数据清洗包含几个部分：子集选择，列名重命名，数据类型转换，数据重复值，缺失值处理，异常值处理，排序

对于商品购买记录表进行数据清洗

1.子集选择

刚刚说过商品属性是无关特征的，所以把它删除

2.列名重命名

对于这个数据集来说，我之前是已经重命名了，之前的数据字段名是英文状态

所以在此不进行操作

3.数据类型转换

a.购买数量（文本）==》数值类型

使用ctrl+H，把单位替换成空

那可能还有其他单位呢？

这个很好办，按ctrl+shift+L，进行筛选状态，按购买数量的下键，进行一个查看，如果还有其他单位，则重复上一个步骤

如果真的太多太多不一样的单位，这个动作岂不是要操作很多次？那可以使用到left，len，right等函数啦

b.购买时间（数值）==》时间类型

选择日期列，进行分列，然后选择日期类型，完成

4.删除重复值

随机选择一个单元格，选择删除重复值即可

 

5.缺失值处理

按住CTRL+G进行一个空值定位

缺失值多的话：进行一个平均数填充，或者中位数等方法进行填充

缺失值占比少的话：即进行一个删除行

用户信息表同理操作

6.异常值处理

这里还是需要用到一个筛选功能

异常值一般采取删除的操做（如果异常值不多的话）

如果异常值很多的话，那就需要进一步去了解异常值产生的原因

 

7.最后进行一个排序

这里我们对根据购买时间进行排序

 

用户信息表也同理进行操作

 

 

五、描述性统计

我们对购买数量进行一个初步了解

根据中位数和众数，发现大部分人购买1件商品居多

 

六、数据可视化

在可视化之前，我是先把出生日期和性别使用vlookup弄够来

对于婴儿的年龄字段的计算有必要说一下，婴儿年龄=year（购买时间）-year（出入日期）

为什么不用现在的日期去算，为什么要用购买时间去计算呢？

因为时效性！！！数据是有时效性的，你可以看到购买时间是2012年左右的，说明已经不能用今年来算，

因为我们要分析的的那时候状态，所以要计算他购买母婴产品时孩子的年龄

1.哪些类别比较热销，总销量前5个占比

对大类而言：28销售量是最多的

28的大类占比达到了43%

对于小类来说，50011993这一款是卖得最好的

2.不同种类的商品销售趋势怎么样？

28大类在每年的每一季都是趋递增的方向前进

折线图会更清楚的表达变化规律

28这大类具有一个季节性波动

50008168在2014年的第三季度时候销售是最优秀的，也是最明显的

3.商品对于哪个年龄而言最热销

可以看出0~3岁的销量是蛮乐观的，从7岁以上这个销量是明显很低的

4.用户购买性别购买占比分布

明显的是女孩纸的购买人数占多数

勾画出男生和女生中各种商品销量

七、总结分析

1.婴儿期（特别是0~3）岁的商品卖得特别好

2.14年相比13年总体销量是有明显提高的，特别是50008168和28商品卖得明显比较好

3.女性商品相对男性商品卖得会更多，男生59998168卖得比较好，女生中50014815卖得比较好