基于MySQL的电商数据分析案例

一、数据来源及说明

    本文从数据集中选取包含了2014年11月18日至2014年12月18日之间，8477名随机用户共1048575条行为数据，数据集的每一行表示一条用户行为，共6列。
    本文主要字段如下：
    user_id：用户ID
    item_id：商品ID
    behavior_type：用户消费行为类型（包含点击、收藏、加购物车、购买四种行为，分别用数字1、2、3、4表示）
	user_geohash：用户地理位置（有较多空值）
	item_category：商品类别ID（商品所属的品类）
	time：用户行为发生的时间
	date：用户行为发生的日期

二、相关问题

1、整体用户的购物情况
pv（总访问量）、日均访问量、uv（用户总数）、有购买行为的用户数量、用户的购物情况、复购率分别是多少？
2、用户行为转化漏斗
点击— 加购物车— 收藏— 购买各环节转化率如何？购物车遗弃率是多少，如何提高？
3、购买率高和购买率为 0 的人群有什么特征
4、基于时间维度了解用户的行为习惯
5、基于RFM模型的用户分析

三、数据清洗

1、导数
由于数据量多达100多万，我在这里使用ETL工具kettle进行导数，能够提高导数效率，也方便后续实现报表自动化处理，数据库的表名为user。
2、缺失值处理
从如下图的数据表中，我们可以看到item_category字段有大量的缺失值，无法进行有效研究，因此后续就不对item_category进行分析。

3.数据类型处理
通过查询表结构，我们发现date列不是日期类型。

将date 列改成日期类型：