《十周成为数据分析师》笔记——业务线 第四节 电商平台订单报表分析

1、bilibili会员购平台业务背景介绍

• 业务内容：B站自己的商业化业务板块，主要包括**商品（手办、周边）和票务（漫展、赛事）**两大类
• 业务逻辑：存在很多IP→IP衍生品→形成产业链（围绕IP做商品、展览，做推广、销售）和服务（ACG文化基础、更高的信息触达率、更高的用户信任度、经济规模优势）两个业务→给用户更多的价值感，提升作品影响力
• 用户画像：与B站几乎一致，年轻人、男性、一二线城市
• 内容标签：搞笑、日常、bilibili正版、电子竞技

2、平台相关数据介绍

商品编号（SKU）、商品名称、商品价格、票号（票务）、座位（票务）、联系地址、渠道（从哪个渠道下单买的，主页/搜索/测试渠道/广告/购物车/分类栏）、下单时间、支付时间、支付单号、店铺名称、店铺id、订单状态（待支付/已取消/待发货/售后状态/是否海外购/税费）

3、订单数据的数据分析方法

（1）订单数据的数据分析思路

①数据抓取（数据库数据调取）
②数据清洗（无效数据清洗、有效数据筛选）
③数据分析（用户属性判别、品牌渗透判别、订单时间/地区分布……）

（2）相关python知识点讲解

通常使用pandas包处理分析。
①数据读取（单个表格、多个表格读取）

 # 单表格读取
data = pd.read_excel('.xlsx')
data.head()
# 多表格读取
file_path = '数据路径'
file_list = os.listdir(file_path)
for orders in file_list:
    data = pd.read_excel(file_path + '\\' + orders
    data.head()

②数据处理（数据格式转换、数据清洗）
订单地区数据筛选，剔除“–”无效数据

data = dt[dt['联系地址']!='--']
data.rename(columns={'商品价格':'price','联系地址':'address})  #……

③数据分析（描述性分析、预测性分析、可视化分析）

# 描述性分析
df.describe()  # 各统计数值
df.hist(bins=20) # 直方图

（3）b站会员购订单数据的宏观分类与分析思路

①订单类型：
待支付（已经提交订单信息等待支付的订单）、已取消（被取消的订单，主动取消/支付超时被动取消）、待发货（已付款等待发货的订单）、待收货（已发货等待收货的订单）、已完成（完成所有订单环节的订单ÿ