电商数据分析流程 | Excel实操
世界上最深入人心的数据分析工具，是Excel，在日本的程序员考试中，程序语言部分，是可以选择Excel表格工具作为考试选项的。可见其重要性。
数据分析的步骤：
提出问题
理解数据
数据清洗
构建模型
数据可视化
Excel中的数据类型主要有：文本型，数值型，逻辑型。
如果右键单元格显示为常规型，表示和数据本身表示出的类型相同。
数值类型一般是右对齐的。
数据清洗
1. 选择子集
对列进行隐藏和再表示。
2. 列名重命名
直接对列名进行重新命名。
3. 删除重复值
数据选项卡，删除重复值，选择主键。
4. 缺失值处理
通过查看列的总数据数量进行比较是否缺失，如果发现缺失值，点击开始选项卡中的查找和选项，点击定位条件，选择空值找到缺失值。对其中的一个缺失值处进行填写，ctrl＋enter使其他的空格也填入同样的值。
5. 一致化处理
进行单元格的复制和拆分处理，函数的运用。
几个重要的函数：
AVERAGE
FIND（要查找的字符串，字符串所在单元格）→返回一个数字，也就是位置。
LEFT/RIGHT（字符串所在的单元格，从左/右开始到要截取的字符数）
MID（字符串所在的单元格，开始位置数，截取长度）
LEN（单元格）→返回字符串的长度是个数字。
COUNT
IF（条件，条件成立值，条件不成立值）
VLOOKUP（查找目标，查找范围，返回列，精确0还是模糊1查找）
其他：
函数的复制：双击十字架。
使用数据筛选功能，处理没有正确适应函数的单元格。
一般函数报错，可能是因为数值类型是文字类型的数字，因此无法计算。可以进行数据类型转换，或者使用单元格拆分处理进行转换。
6. 数据排序
排序可以使用开始菜单的排序和筛选功能。
数据透视表的原理：
Split（数据分组）→Apply（应用函数）→Combine（组合结果）
插入选项卡，选择数据透视表，选择新工作表，将需要进行数据分组的分析轴，拖入对应的行和列。
7. 异常值处理
找到不需要的数据，和异常的数据。
数据清洗后，将文本另存为清洗结果文本，方便后续使用。
构建模型
1. 使用数据透视表进行模型构建
构建后任意值右键，将值的显示方式设置为列汇总的百分比，可以改变显示方式。
2. 分析工具加载
文件选项卡，选项按钮，加载项按钮，选择跳转，加载宏中选择分析工具库，确定即可。
3. 描述统计分析
选择数据选项卡，选择数据分析按钮，弹出框中选择描述统计，输入选项即可生成新的统计表。
透视表中的值汇总依据，选择平均值。
日期处理
对日期的处理可以让我们提高工作效率。总结学习到的日期处理的小例子。
1. 购买年份和出生年份的差，求年龄。
A出生日期，B购买日期
=left(B1,4)-left(A1,4)
2. 日期差取整数。
=round((B1-A1)/365)
3. 如果业务要求取月份差，天数差，使用datedif函数。
又叫隐藏函数。Datedif（起始日期，结束日期，返回值）
返回年使用=datedif(B1,A1, "y")，其他还有返回月数的m和返回日数的d。
使用时，要注意，起始日期要小于结束日期，不然会返回错误。
动态计算到今天的天数等，可以再结束日期处使用today()。
电商数据分析
1. 重新熟悉一下数据字段
2. 对数据进行清理和整理
对商品购买表进行数据的简单清洗，主要是提取子集，对日期字段进行处理。
对婴儿信息表进行数据的简单清洗，主要是通过vlookup函数匹配购买日期，datedif函数算出年龄字段，以及对日期字段进行处理。
3. 描述统计分析
主要对购买量和婴儿年龄进行了统计。购买统计中的最大值为10000，暂做保留。
4. 使用数据透视表进行进一步分析
① 各个历史时间段内的购买数据分析
分年进行统计：可以看出2014年购买量达到峰值。
按照月份进行统计，可以看到各个年份11月12月购买量最大，推测是双十一双十二的影响。
② 对一级商品分类进行统计，可以看到编码为50018831的商品具有最高的购买量，可以针对此进行用户需求的分析。
③ 对婴儿年龄进行分析，可以看出，用户大部分集中在0~3岁，男性宝宝的用户量略微高于女性宝宝，少数用户没有记录年龄。
学习感悟
Excel是简单易于上手的分析工具，不需要复杂的安装，数据就可以在眼前通过各种形式表现出来，数据透视表更是功能强大堪比BI软件。简单一击就能将分析轴排布在右侧进行使用。
最初的印象是小看Excel的，对于自己不会的功能，总是以我不太懂Excel为借口蒙混过关，而通过学习发现，很多的大型公司也都在用Excel进行出色的分析。
另外关于数据分析的流程和思考方式，也非常实用，一切都要在实操中升华成自己的技能。遇到问题，发现问题，查找方法，积极交流，找到解决方案，无论是自己学习还是商业分析，都是很好用的方法论。
作者：SW字母妞
来源：简书
延伸阅读
都说经典，同期群分析到底是个啥？ Pandas熟练？进来测测这50道题吧！ 实战解读：数据分析，如何更进一步？
数据不吹牛读者群已经建立，后台回复“入群”，即可加入有趣讨论，交流数据干货
“还不错”