电商数据处理分析

一.理解业务

原始文件有9个，分成3类：
客户相关：
UserInfo：用户主表
UserAddress：用户地址表
RegionInfo:区域表
商品相关：
GoodsInfo：商品主表
GoodsBrand：商品品牌表
GoodsColor：商品颜色表
GoodsSize：商品尺码表
订单相关：
OrderInfo：订单主表
OrderDetail：订单详情表
以订单相关（购买行为）为主维度，去关联客户相关*（卖给谁）和*商品相关（卖了什么）。
OrderInfo主要关联客户维度表，OrderDetail关联商品维度表，而OrderInfo和OrderDetail之间用OrderID关联在一起。

ER关系图：

二.数据收集

创建数据库和表，并导入CSV文件，以userinfo表为例：

创建数据库ds和表userinfo

导入数据：

检查导入数据的正确性：
1.查看导入的数据

2.查看导入的行数：

3.查看表结构

另外8张表以同样的方式创建、导入、检查正确性。

三.数据处理

以userinfo表为例：

regtime varchar(20) not null default '-',
lastlogin varchar(20) not null default '-',

regtime表示注册日期，lastlogin表示最后登录日期，二者体现用户活跃度。二者应该是日期格式，但导入时设置的是文本格式(varchar)，因此需要修改。

步骤如下：
1.新建一个正确的日期型的字段

alter table userinfo add regtime_ datetime not null;
alter table userinfo add lastlogin_ datetime not null;

2.转换时间戳的值并赋值给新的字段

update userinfo set regtime_ = from_unixtime(regtime);
update userinfo set lastlogin_ = from_unixtime(lastlogin);

3.删除旧字段，只保留新字段

alter table userinfo drop column regtime;
alter table userinfo drop column lastlogin;

另外8个表的字段处理同理。

四.数据分析

1.求出购买产品金额最多的前十名顾客

2.求出购买产品金额最多的前十名顾客的最后登录时间

3.求出购买产品金额最多的前十名顾客的所在城市

4.求出购买力最强的前十个城市

5.求出购买力最强的前十个城市以及他们所在的省份

6.求出最畅销的十个品牌

7.求出最畅销的十种颜色、以及最不畅销的十种颜色

8.求出最畅销的十个品牌中各个不同尺码的销售额