本文通过Tableau展示了一份零售电商3个月的销售数据分析，涵盖销售情况、订单周期、用户价值、商品价值、用户留存和商品动销6个维度，通过仪表盘形式直观呈现数据。销售总览显示了销售额、销售量和周期性；订单周期分析揭示了订单的周期性模式；商品价值分析显示帕累托效应，少数商品贡献大部分销售额；用户价值分析指出客户价值分布较分散，RFM分析发现用户购买频次和金额特征；用户留存分析表明新用户留存率低，潜力大；商品动销分析则显示商品构成稳定，动销趋势明显。
前面对于用户的研究，多是基于数据挖掘的角度，利用模型或算法，尝试挖掘数据更深层次的信息。
这篇文章将从数据分析的另一个视角，以指标聚合计算、图形可视化等非建模的方式，来描述一份数据，并以仪表盘的形式呈现出来。
源数据是一份零售电商销售明细，跨度 3 个月， items 数 25 万+，涉及10681名用户，10780件商品。
主要工具为tableau，考虑从销售情况、订单周期、用户价值、商品价值、用户留存和商品动销 6 个维度，进行可视化分析。
最终仪表盘已上传至tableau public，下面就来解释一下。
1.总体结构
仪表盘有6个界面，分别对应此前提到的6个分析维度，点击小标题模块，则切换到相应的子界面。
2.模块联系
为了通过数据讲好一个“故事”，各模块要跟普通故事一样，具有逻辑。
本“故事”的逻辑就是先总后分，先讲总体情况，譬如销售额、销售量、周期性；再讲具体的用户与商品，并细化为价值分析与留存分析/动销分析两个角度。
3.图形解释
（1）销售情况总览
-
可以轻松获知xx分公司在xx月的销售额、销售量、用户数、商品sku数；
-
同时每日销售额变化也清晰可见；
-
多个公司多个期间对
最低0.47元/天 解锁文章
扫一扫
474
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
