Kaggle项目分析--超市销售额

一、数据来源

本数据集来自Kaggle网站，上面有很多比赛和数据集，感兴趣的小伙伴可以注册个账号去看看，下面是数据集的链接。

https://www.kaggle.com/datasets/rohitsahoo/sales-forecasting

注：因为是国外网站，数据全英文

二、分析需求

1、商品分析、销售分析及预测
2、哪些城市值得重点投入
3、使用RFM模型分析消费者行为，区分不同类型消费者及等级

三、数据处理

（一）、数据维度介绍

订单ID：非唯一值，一个订单可以对应多个商品
购买日期：非唯一值，消费者下单付款日期
发货日期：下单后商品发出的时间
发货模式：有四种模式，分别是First Class、Same Day、Second Class、Standard Class
客户ID：一个客户一个ID
客户名称：客户姓名
消费者类型：有三种，分别是Consumer、Corporate、Home Office
国家：美国
城市：美国的各个城市
州：美国的各大洲
地区： Central、East、South、West四个地区
产品ID：每个ID对应不同产品名称
一级类目：Furniture、Office Supplies、Technology三个
二级类目：Accessories、Appliances、Art、Binders、Bookcases、Chairs、Copiers、Envelopes、Fasteners、Furnishings、Labels、Machines、Paper、Phones、Storage、Supplies、Tables
产品名称：商品名称
销售额：出售的金额

以下是数据截图：

（二）、数据处理

1、缺失值
首先先确定数据集的数据量，本数据集总共有9723条数据

邮政编码这里存在缺失值

因为城市对应不同邮政编码，正常情况可以根据“城市”维度进行填充，这11个缺失值所对应的城市是Burlington，所以这边使用其中一个编码进行填充（因为该维度不参与分析）

2、错误值

这里可以看到销售额和产品名称存在错误值，需要进行更正，如下：

截止到这处理完成

四、分析数据

` 这个模块主要是解决上边提出的四个分析需求，使用Excel完成，分析需求以现有的数据维度为准。

（一）、商品分析

需求分解：分析不同类别的商品销售额（注：表中没有销售数量，不做对应分析）。

不同类别商品销售额：
这里按照类目到产品名称进行逐级分析，在 图一 的“一级类目”中，Technology（科技类）37%，表明有近四层销售额是该类目贡献；再下分到“二级类目”，图二中：Phones（手机）、Chairs（椅子）、Storage（存储）三个子类分别在其大类下的销售额占比最高；图三：店铺销售额最高的产品是Canon imageCLASS 2200 Advanced Copier（应该是个打印机）。

Technology（科技类）类的产品销售额最多，但与其余的类目占比差别不大，且科技类的产品可能存在附加值较高，例如手机、打印机等。从“一级类目”销售额可以进行简单到推，Office Supplies（办公用品）的销售数量应该是最高的，因为办公用品客单价没有其余两个那么高。
可以得出结论：手机、椅子、存储三个子类产品贡献的销售额较多，可以开展针对性营销措施。
图一：

图二：

图三：

（二）、销售额分析

需求分解：每月/每年的总销售额、销售额趋势预测。

1、每月/每年的总销售额
（1）、每月销售额
销售额2015-2018四年销售额，这里放三年销售额，主要是为了防止销售额出现“偶然性”。

2016-2018三年全年销售额趋势，可以得出简单结论：该超市销售旺季集中在下半年，7月之后旺季开始，超市从5月开始可以为旺季备货。其中，Phones（手机）、Chairs（椅子）、Storage（存储）三类产品可以多备。旺季可以多举办促销活动，使销售利润最大化。
（2）、销售额趋势预测


这里使用2015-2018年销售额来预测2019年销售额，将各年度销售额通过绘制柱状图并添加趋势线（指数），可以看出销售额增长趋势符合指数增长模型。使用指数回归预测方法预测2019年销售额，可以使用GROWTH()公式来预测，公式得到结果为802862。

（三）、哪些城市值得投入推广

对2018年销售额数据按照城市进行排序筛选，Top5城市销售额占总比38%，说明这几个城市销量较好，对商店的销售额贡献最大。

接下来将城市对应的二级类目进行排序，可以看出销售额前三的城市对应二级类目存在一定相似性。结合前面的商品分析及销售额分析，超市从7月开始，在New York City、Seattle、Los Angeles、Philadelphia、San Francisco等城市中，加强 “Phones”、“Chairs”、“Copiers”、“Accessories”等类目下产品的促销力度，实现销售额最大化。

（四）、RFM分析模型

RFM分析模型主要用来对客户进行分类，并判断客户价值，针对性采取不同营销策略。
1、数据维度及范围： 根据R、F、M三个维度可以将客户分为类，需要的数据维度为客户ID、购买日期、销售金额。分析时间以2019年1月31日为当前时间点。

2、分析模型维度计算方法：
R：取近度最小值，Min(近度)；近度=分析日期-购买日期。
F：对订单ID进行非重复计数。
M：平均消费金额（时间跨度较大这边取均值，不取累计值）。
最后在Power Pivot中再使用链接回表进行分组
注：将数据上传到Power Pivot中制作模型，这样会快很多。

3、开始计算：
首先将数据上传到Power Pivot

添加一列近度，计算按照上面的公式，并求出R、F、M三个度量值。

添加链接回表，可以使用SUMMARIZE()公式，具体公式为：SUMMARIZE(‘RFM模型’,‘RFM模型’[客户 ID],‘RFM模型’[客户名称],“R”,‘RFM模型’[R],“F”,‘RFM模型’[F],“M”,‘RFM模型’[M])，得到结果为793

再回到Excel中，在现有链接中插入表，再进行编辑得到最终的链接回表，这得到所要的维度了；然后将这个链接回表添加到模型中。

在Pivot中的链接回表中的R、F、M值进行重新分组，再添加辅助列，辅助列是为了表连接用的。

最后将表加载到数据透视表中，就得到客户类型和等级数量。

得出结论，超市需要重点维护重要客户，可以使用积分制、优惠劵等方式定期回馈客户，增加客户粘性。

最后，超市可以针对城市、价值客户、多产品组合模式等为切入点，提高超市利润。