谈到数据分析，我们可能第一时间想到python、SQL、Tableau、帆软、R等，但是这些软件、语言要入门掌握、系统学习起来耗时较长。这时候不得不提到excel这个“平平无奇数分小能手”了，看似基础，实则功能强大，可以完成数据处理、可视化很多工作。
数据分析的流程：①明确问题；②理解数据；③数据清洗；④数据分析或模型构建；⑤数据可视化。
1.明确问题
在迈步之前总要先确定前进的方向。数据分析也是一样，有了研究问题作导向，才能不断处理、分析数据来靠近我们所求的答案。
我使用的数据集以及问题明确都在前两篇文章中写清楚啦，详情请点击下面链接：
2.理解数据
我即将分析用到的数据集，在上边两篇文章中有详细写对于数据指标的理解，请点击上面链接查看。
3.数据清洗
数据清洗的流程：①选择子集；②列名重命名；③删除重复值；④缺失值处理；⑤一致化处理；⑥数据排序；⑦异常值处理。
上述流程只是大概描述数据清洗的过程，实际应用中针对数据集特点可能有所不同。
1.重复值检查
婴儿信息表中，每位用户user_id应是唯一的，用户交易信息表中可能因为用户不同时段的交易，存在重复的user_id信息，故只处理婴儿信息表中的重复值。
具体操作：数据→删除重复值
操作结果：
2.数据格式一致化处理
两张数据表中都有日期数据，首先需要检查并处理其格式为“日期”格式。
具体操作：
操作结果：数据转变成正确的日期格式！
3.数据表联结
为了探究问题所需，以用户交易信息表和婴儿信息表中的user_id为联结字段，匹配交易用户对应的性别gender及出生日期birthday。
具体操作：
操作结果：匹配后发现birthday、gender两列存在#N/A值，查证后发现函数应用无误，应该是部分用户没有登记出生日期、性别信息，可将这些数据删除。
4.创建新字段
为了之后调查不同年龄交易用户的消费习惯，需要创建年龄age字段。
具体操作：
操作结果：显示年龄age有正有负，说明婴儿还未出生。为了规范数据信息，创建辅助表来确定每个用户的所属年龄段。
具体操作：
操作结果：
5.缺失值、异常值处理
具体操作：开始→查找和选择→定位条件→空值；查看年龄age字段数据，发现有婴儿年龄为28，为异常数据，删除即可。
4.数据分析/问题探究
问题1：不同时间内消费情况差异
具体操作：建立数据透视表，交易日期day为行，购买数量buy_mount求和，统计不同年份、月份对应的交易订单数。
操作结果：
可以很明显地看到2014年11月消费订单数激增，远超其他时期订单数目，“双十一”活动开始成为全民购物日。
问题2：不同年龄用户消费差异
具体操作：以年龄age、buy_mount、品类cat1、宝宝年龄段创建透视表；其中年龄age为-1、-2、-3的用户归为未出生组。
操作结果：
如上表所示：未出生婴儿对应的用户购买数量最多，而在物品品类方面，品类为’28’的物品受到所有用户最多喜爱；除此之外，0-2岁年龄段用户消费数量占比高达60%，是消费的主力群体。
问题3：不同性别用户间消费品类差异
具体操作：以性别gender、buy_mount、品类cat1创建透视表进行分析。
操作结果：
从表中可知，男性消费数量略高于女性；在购物品类方面，女性购买品类’28’数量最多，男性购买品类’50014815’数量最多。
问题4：用户复购情况
具体操作：这里我将用户交易次数超过1视为用户产生复购行为。
操作结果：
从表中可知，共25名用户产生多次购买行为，占总交易用户数的比例非常之小，有可能是原始数据记录存在问题或其他情况。
问题5：不同品类之间购买情况比较
具体操作：利用数据透视表统计不同品类cat1对应的购买数量。
操作结果：
从表中可以知道，品类消费数量最多的是’28’、’50008168’、’50014815’，三者总共占比接近90%。
问题6：同一品类下不同子类别购买情况比较
查看每一品类下的子类别占比，可知每个类别下消费数量最多的子品类。其中，’50014815’品类下消费数量最多的子类别为’50018831’，占总消费数的16.74%，远远超过了其他子类别的消费数量。
学习资源：
【训练营】职场Excel零基础入门 - 网易云课堂study.163.com 怎样用 Excel 做数据分析？www.zhihu.com
这里还有我总结的excel常用函数和常用快捷键，点击可看：
小小兔叽ya：Excel常用函数、快捷键——常看常熟zhuanlan.zhihu.com
Excel数据分析的流程大致如此，还有很多功能等待着我们去挖掘，需要常学习常温习。接下来准备学习制作可视化图表，下篇再见！
❤码字不易，求赞安慰❤
8129
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
