优衣库-销售服装-分析案例实战（BI-SQL-Python-Excel）

本篇文章和网上最主要的区别是分别(使用BI)（使用MYSQL）(使用Python)（使用Excel）分别进行数据分析。

一、BI(可视化展现（可PC端和移动端）)

以下四张图是上下拼一起的，数据可以联动（在第一张小图那里筛选条件，有不同的组件）




这是导出Excel看板的图片：

二、(MYSQL版本)数据字段说明、创建、导入数据库、多维度字段查询分析。

数据字段:
store_id 门店随机编号id,无实际意义
city 门店所在城市
channel 门店所产生的销售渠道，线上表示网上购买到门店自提，线下表示门店直接购买
gender_group 客户性别 男女
age_group 客户年龄段
wkd_ind 购买发生的时间（周末，周中）
product 产品类别
customer 客户数量
revenue 销售金额
order1 订单数量
quant 购买的产品数量
unit_cost 产品的成本（包含制造和营销层面）

建好表后，看看数据类型：

DESCRIBE users;
-- 或者 DESC users;
-- 或者 SHOW COLUMNS FROM users;

导数据：

load data local infile 'C:/Users/xxxxxx/UNQ_DATA.csv' into table users fields terminated by ','; 

因数据量，太大，先看看，前10行的数据：

select * from users limit 10;

1.描述性统计

客户数量:

SELECT MIN(DISTINCT customer) AS 客户数量最小值, MAX(DISTINCT customer) AS 客户数量最大值
	, AVG(customer) AS 客户数量平均值
FROM users
WHERE customer > 0;

销售金额:

SELECT MIN(DISTINCT revenue) AS 销售金额最小值, MAX(DISTINCT revenue) AS 销售金额最大值
	, AVG(revenue) AS 销售金额平均值
FROM users
WHERE revenue > 0;

购买的产品数量:

SELECT MIN(DISTINCT quant) AS 购买的产品数量最小值, MAX(DISTINCT quant) AS 购买的产品数量最大值
	, AVG(quant) AS 购买的产品数量平均值
FROM users
WHERE quant > 0;

产品的成本:

SELECT MIN(DISTINCT unit_cost) AS 产品的成本最小值, MAX(DISTINCT unit_cost) AS 产品的成本最大值
	, AVG(unit_cost) AS 产品的成本平均值
FROM users
WHERE unit_cost > 0;

订单数量:

SELECT MIN(DISTINCT order1) AS 订单数量最小值, MAX(DISTINCT order1) AS 订单数量最大值
	, AVG(order1)