Python数据分析大作业(ARIMA 自回归积分滑动平均模型) 4000+字 图文分析文档 销售价格&库存分析+完整python代码

资源地址：Python数据分析大作业 4000+字 图文分析文档 销售分析 +完整python代码

完整代码分析

​

同时销售量后1000的sku品类占比中（不畅销产品）如上，精品类产品占比第一，达到66.7%，其次是香化类产品，占比11.90%，远远小于精品类产品，酒水类产品占比7.3%，有税商品免税其他商品和电子类产品分别占比6.40%、6.40%、1.3%，

将数据按照毛利进行排序，毛利前1000和后1000的sku品类占比如下，

​

​

可以发现按照毛利排序，各品类的sku数量占比区别不如按照销量排序的各品类sku数量占比那么大，其中按照毛利排序的sku前1000，品类sku占比最大的是香化类，其次是精品类，它们占比分别达到33.2%和31.5%，其中占比最小的是免税商品其他类，说明该品类的毛利率相对较小，而毛利率较大的为精品类和香化类，这和品牌有一定关系，人民生活正在慢慢变好，精品类商品能满足大部分人民的精致生活，同时香化类产品受众多为女性，商品需求大，毛利也高。对于毛利sku后1000的商品，其中有税商品和精品类和香化类商品仍然占领霸主位置，原因可能由于对于精品类和香化类的部分商品经常打折来吸引顾客，所以这部分商品的毛利较低，sku后1000商品品类占比最大的为有税商品，占比达到33.00%，由于考虑到税额加上顾客的消费能力，这部分的商品毛利相对低一点，同时香化类和精品类占比也达到25.9%和25.6%，占比最小的为电子产品，占比为1.3%。

分析sku销量前1000和销量后1000商品的毛利率，得到毛利率的条形图如下，

​

从上图可以发现sku前1000商品的毛利率大概在0.2到0.5左右，而sku后1000的商品的毛利率大部分在0.4到0.5左右，可以认为销量高的商品其毛利率未必会比销量低的商品的毛利率高，这给我们销售商品很有启示，对于商品售卖我们未必要一定去打折扣吸引顾客（当然折扣对部分顾客有一定吸引力），对于畅销品我们就没必要去打折，因为商品本身可能就供不应求，这样通过畅销品的提高整个商场的利润，对于不畅销商品，我们也不一定要去打折，对于不畅销商品，可能其受众较小，而对于那部分受众来说，这对于其他人最不畅销的商品对于他们来说可能是必需品，所以也没必要打折，通过保证毛利，也能提高商场的利润。

价格分析

首先将各品类下的大类进行区间划分，拟定划分6个区间，然后计算每个品类下每个大类的每个价格区间的个数，各品类商品的大类价格区间条形图如下，

​

​

​

​

上面4个品类，精品品类、免税其他品类、香化品类、有税品类的价格区间如图，取免税其他品类进行分析说明，首先免税其他品类下面有六个大类，对这六个大类进行区间划分，划分6个价格区间，其中条形图的高度为对应区间的个数，对于所有的大类，其位于低价位的价格区间个数是最多的，说明大多数人的消费能力有限，会偏向于低价位的商品，对于精品品类，其类下的高级珠宝在各个价格区间中价格区间个数相对其他大类会更多一点，说明高级珠宝受价格的影响相对较小，因为高级珠宝的受众基本是固定的，这些顾客不管价格高或者低都是能够消费的起，所以价格对他们影响不大。对于香化类，价格区间个数很大一部分都在最低价格区间内，随着化妆品行业兴起，很多爱美的顾客都选择购买化妆品，但大多数人的消费能力有限，所以低价格的化妆品成为了畅销产品，而且低价格的化妆品价格区间个数远远高于高价格的价格区间个数。对于酒水和电子品类，其对应的大类只有一个，如下所示，对于这两个品类，可以发现酒水品类的低价位远远比其他价位的多，说明便宜酒水的受众很多，而昂贵酒水受众较少，所以对于低价位酒水可以通过促销来促进购买，对于高价位酒水则可以定高价保证利润。对于电子产品，其中等价位及以下的销售区间个数比较多，相当于珠宝酒水来说，人民更愿意在电子产品上花钱，这也是科技给人们带来的便捷之处，但高价位的电子产品的区间个数仍是较少，和人们的消费习惯和消费能力有关。

​

​