某电商月度销售情况分析报告
背景：
基于某公司2017年6月份销售数据和会员信息，所采用的数据来源于某课程提供的数据集。
由于电商数据分析中涉及到的指标繁重复杂，数据集所提供的信息并不完整，本文依据已有数据信息对其中一部分指标进行分析。
本数据集包含原始数据集如下：
客户相关文件：
- UserInfo.csv:用户主表
- RegionInfo.csv:区域表
订单相关文件：
- OrderInfo.csv:订单主表
任务：
1、理解数据，并根据规则创建表
2、导入数据
3、数据清洗、字段处理
4、按照问题要求关联各表，查询结果
5、使用power pivot建立层次结构，并可视化
行动：
1、创建表（以userinfo为例）·
使用的是MySQL
f
create table userinfo (
userid VARCHAR(6) not null default'-',
username VARCHAR(20) not null default'-',
userpassword VARCHAR(100) not null default'-',
sex INT not null default'0',
usermoney INT not null default'0',
frozenmoney INT not null default'0',
addressid VARCHAR(20) not null default'-',
regtime VARCHAR(20) not null default'-',
lastlogin VARCHAR(20) not null default'-',
lasttime DATE not null
);
desc userinfo;
2、导入数据（以userinfo为例）
load data local infile'D:\\data\\UserInfo.csv'
into table userinfo
fields terminated by ','
ignore 1 lines;
select * from userinfo; -- 检查数据信息
select count(*) from userinfo; -- 检查总行数1000
desc userinfo; -- 检查数据结构
3、数据清洗、字段处理
（1）筛选重复值、异常值：userinfo中sex，usermoney,frozenmoney值均为0，故此案例中可删除该字段
select distinct sex ,usermoney,frozenmoney from userinfo;
| sex | usermoney | frozenmoney |
|---|---|---|
| 0 | 0 | 0 |
（2）使用from_unixtime,substring,date_format处理时间字段格式
-- 创建新的日期时间字段并将时间戳转换为日期格式
alter table userinfo add regtime_ datetime not null;
update userinfo set regtime_=from_unixtime(regtime);
-- 删除原字段
alter table userinfo drop column regtime;
（3）用elt、interval组合方法对数据分组
将orderinfo中的字段orderamount分组
alter table orderinfo add ordera_range varchar(20);
update orderinfo2 set ordera_range=elt(interval(
OrderAmount,0,200,400,600,800),'0~200','200~400','400~600','600~800','>800');
结果示例：
| orderamount | ordera_range |
|---|---|
| 56.4 | 0~200 |
| 258 | 200~400 |
| 452 | 400~600 |
也用此方法对下单时间进行分段处理
（4）用join根据相应关系进行连接，创建新查询
select OrderID,
UserID,
ri.regionname as province_name,
ri2.regionname as city_name,ri3.regionname as district_name ,
ri4.regionname as country_name ,
from orderinfo oi
left join regioninfo ri on oi.Province=ri.regionid
left join regioninfo ri2 on oi.city=ri2.regionid
left join regioninfo ri3 on oi.District=ri3.regionid
left join regioninfo ri4 on oi.country=ri4.regionid;
处理后的订单表表名为orderinfo2
（5）利用数据连接向导将数据库中的数据导入excel，并添加到模型，建立层次关系，进行可视化
结果：
由上图分析得出：
- 华东地区总销售额全国最高，占全国总销售额的33.56%，中南地区紧随其后，总销量占全国的33.51%
- 华东地区总销量最高，其中浙江省贡献最多，为21%
用户活跃度及支付行为分析：
由上图可看出， - 用户活跃数最多的时段为半夜，此时段的下单量和支付比例都是最高的
- 总体来看，支付宝的用户数是最多的，有377个用户
从支付宝用户来看，用户下单额度主要集中在0~200之间，下单时间段主要集中在半夜，其次是傍晚
建议
- 可以在华东地区的浙江江苏，中南地区的广东地区多进行促销活动，因为消费群体庞大，且消费者消费能力强，可以促进销量
- 可以针对支付宝用户进行促销优惠活动，刺激低端消费人群进行消费
- 通过下单活跃时间分析，可以合理的安排员工值班，削减不必要的成本