python分析保险销售数据_销售数据分析 (python)

分析思路：

1.了解数据

（1）对数据源的数据进行整理

(2) 数据导入到python

（3）查看数据

- 数据有15列，327047行，没有空值

- MonthID,itemID,LocationID 需要修改数据类型，新添加列Month，方便按月进行统计

2、数据处理

(1)数据类型转换

- 把列ItemID，Location 改成字符串类型

- 把MonthID修改成日期型，添加一列Month类型是整型

(2).描述性统计

- 销售价格和数量中都有负数，估计应该是退货，可以统计一些退货的情况

- 销售价格中位数7，平均值是19,数据右偏，最大值是3357，可以统计一下大客户的情况在总体中的情况

（3）图形化客户消费情况

- 销售价格大部分在1000以内，深入局部

- 取1000以内的数据分布好像都在400以内了

- 退单的金额大都在-100以内

- 大单的分布在2000-3500之前，3500 之后又极值

- 查看一下极值，根据实际情况分析一下

3、人货场 —（用户和员工）

思路：- 分析大客户2/8原则找出最有生产力的客户

- 分析员工，看那些员工最有战斗力

- 分析用户的类别，看那些类别客户产出多。

（1）用户消费情况

- 客户数怎么这么少啊，如果按照销量，重点服务客户应该放在前25销量的客户

（2）用户类别分析

- 类别中金额卖的最多的是020-Mens，050-shoes，040-Juniors，030-kids，  跟 类别销售数量最多的不一样，找找原因，重点推荐金额占比高的

- 折扣在010womens中上升了6个百分点,打折对这类商品很有用。

（3）DM(管理者)排名统计

3.人货场—商品

（1）看一下商品销售额与数量的关系

- 处理一下极值

-  价格和销售数量规律性增长

（2）商品退货率

- 退货销售额在销售额，打折销售销售额占比不足1%

3、人货场 ——区域分析

（1）城市

（2）大区

- 商店尺寸的大小和销量关系不明显。

（3）区域质量

- 一共有10个区域，有5个区域加起来的的销售额占了总销售额的80%。

（4）新老店情况

总结：（1）客户购买分布呈现2:8分布，可以重点服务大客户

（2）新店的份额较低，是不是可以做些推广活动

（3）重点分析一下落后区域的市场原因。