淘宝婴儿产品销售的数据分析

数据来源：https://tianchi.aliyun.com/home/
数据分析的步骤：提出问题，理解数据，数据清洗，模型构建，数据可视化

一、提出问题
用户分析：
1、哪个月份用户最活跃？
2、最活跃月份中的具体活跃情况如何？
3、用户婴儿性别比例情况？
4、男、女婴儿分别购买的产品，排名前3的产品是啥？
5、婴儿年龄与购买量之间的联系？
6、不同年龄段婴儿的热销产品情况？

产品分析：
1、哪种商品种类销量最多？
2、2013与2014年双11销量对比。

二、理解数据
数据来源：阿里巴巴天池 https://tianchi.aliyun.com/dataset/dataDetail?dataId=45

表1 为婴儿信息
（包含用户id，婴儿的生日，婴儿的性别，0代表男，1代表女，2代表不知道）
表2 为购买的婴儿产品信息
（包含用户id，商品id，产品id，品类id，属性，购买数量，购买日期）

三、数据清洗
选择子集，列名重命名，删除重复项，缺失值处理，一致化处理，数据排序，异常值处理

1、选择子集

表1用户婴儿信息数据

表2购买的婴儿产品信息数据

使用VLOOKUP多表联查，把表1中的【birthday生日】和【gender性别】两个字段复制到表2中。

生日

性别

因为有部分生日和性别相关的数据并不存在此表中，所以会出现N/A。这边提前把N/A 设为空值。

2、列表重命名
上面已经提前把英文的列名都重命名为中文了。

3、删除重复项
【用户id】是唯一标识，删除表1中的【用户id】重复值。发现并没有重复值

4、缺失值处理
通过筛选功能，查看到有【商品属性】【生日】和【性别】存在缺失值。属性由于是指如产品的产地，保质期等代号信息，不容易进行补充，所以设置为空值；【生日】和【性别】的缺失值在前面已被设置为空值了，由于缺失值太多，不便填补。

5、一致化处理
通过“分列”或者“函数：left 和 find” 处理【购买时间】的时间格式。
这边用“分列”进行操作。
由于分列后的结果会覆盖右边的数据，所以要提前把【购买时间】这一列的数据复制到最右边。
选择固定宽度


6、数据排序
用“筛选”对时间进行排序。

7、异常值处理
本次数据没有发现异常值。

四、构建模型以及数据可视化










建议：
1.可在2月份时减少库存量，但确保11月份的库存量充足以应付激增的销量。
2.11月11-12日两天应该增加员工数量和库存量去满足用户需求。
3.由于没有分析出5月份用户活跃度在上半年最高的原因，故应多维度去分析一下6月份数量下降的原因。
4.应该分析更多维度会导致销量增长的原因，然后可继续使用此促进增长方法。
5.选择更多适合2岁婴儿的产品进行销售。
6.可以恰当增加品类【28】的库存量，减少【122650008】的。
7.采集销量最高的产品和其他类似的产品的相关数据（如：价格，上架时间，加入购物车量，产品描述，促销活动情况），从而分析该产品销量远高于同类产品的原因。

上文如有错的地方，欢迎大家来指点。谢谢观看。