一、分析目的：
英国某家在线教育机构Open University，在2013-2014年四个学期期间，开设的七门课程的数据集。
1、分析用户属性特征，得出主要用户群体画像；
2、分析每门课程销售情况,注册与退课情况，学习使用与考核情况，以识别高价值课程并调整课程安排
数据来源 kaggle：https://www.kaggle.com/tedogogoladze/open-university-analytics-datasets-unzipped
该数据集包含7个结构化表格
7个表格的主键和结构关系如下图：
由于分析目的需要销售额数据，这里为每个学期的每门课程构造一个价格数据
假设课程价格符合市场供求规律，课程越贵，选课人数越少：
假设BBB是最简单的课程，课程难度随着CCC,BBB,FFF,DDD,EEE,GGG,AAA递增，价格会越来越贵
假设课程价格的基准是10*时间长度，同时价格根据难度增加,CCC为11乘时间长度，BBB为12，以此类推
# 读取数据
courses = pd.read_csv('./courses.csv')
presentation = sorted(courses['code_presentation'].unique().tolist())
print(presentation)
# presentation 为['2013B', '2013J', '2014B', '2014J']
module = pd.Series(['BBB','FFF','DDD','CCC','EEE','GGG','AAA'])
print(module)
# module 为 ['BBB','FFF','DDD','CCC','EEE','GGG','AAA']
# 基准价格x = 10
module_price={}
for i in range(len(module)):
m = module[i]
module_price[m]= x + i
print(module_price)
# 增加价格列，并用每门课基准价格乘时间长度courses['price']=courses['code_module'].map(module_price)courses['price']=courses['module_presentation_length']*courses['price']
print(courses)
courses.to_csv('cour.csv')
二、数据分析
（一）用户群体画像
性别：男女比例差异不大，男性略高于女性
年龄段：用户集中在35岁以下（70.4%）
最高学历：Lower Than A Level（高中以下）和A Level or Equivalent（高中）分别占比41.1%和43.5%，说明该平台用户主要是低学历者；
年龄段：0-35；35-55;>=55（原始数据分类）
多重剥夺指数范围(衡量学生所在区的城市贫富等情况)：用户分布较为分散，各区所占比例差别不大
学生居住区：13个地区中，所占比例高于10%的包括East Anglian Region、Scotland、London Region，South Region和North Western Region的比例高于9%。
（二）分析课程销售情况：
统计2013B，2013J，2014B，2014J四个学期的总体销售情况发现，平台销售总额和选课总用户数都在同比(同学期对比）大幅度上升，但是总体退课率高达30%，而且退课率有上升的趋势。
（1）统计每门课程的销售额（哪门课程的GMV高？）
总体来看，CCC是2014年新开高价值课程，两个学期的销售额都排名第一；
销售额贡献较高的老牌高销量课程依次为FFF，BBB，DDD；
AAA和GGG的销售额排名落户，而且没有明显提升，需要结合运营成本评估课程利润，结合课程满意度评估品牌价值，以判断是否继续开课。
（2）统计每门课程选课人数（哪门课程热门课程？）
总体来看，CCC平均选课人数最多，为新增热门课程，其次是BBB，FFF；
从学期维度看，观察每个学期（B/J）都开设的课程，J学期（10月）选课人数高于B学期（2月），用户下半年购课意愿更高；
GGG课程的选课人数明显下滑，需要分析下滑原因及应对策略，可以结合课程销售页预览量，试听量，付费人数以及各环节转化率分析具体原因；
（3）统计每门课程的注册与退课情况，并计算注册率与退课率（哪门课程退课率高？）
折线图：退课率（退课人数/注册人数）
首先，每门课程注册率都高于99%，所以未在图表展示，这里重点分析退课率（流失率）：
退课率最高的课程是CCC，作为新开课程，吸引了大量用户购课，但是课程内容有待优化迭代以留住用户（可以分析用户学习行为和考核结果，用户反馈，教师评价等数据探究原因），第二学期退课率有降低向好的趋势（说明迭代产品有一定效果）；
选课人数较多的明星课程 BBB，FFF退课率逐渐上升，需要注意保持老牌课程品质口碑，防止损失主要客户；
选课人数较少的课程AAA和GGG的退课率相对较低，说明这两门课已经比较成熟且优质，需要重点探究用户增长方案，如何吸引新的用户。
整体来看用户退课率变化呈上升趋势，将会影响用户留存与复购，不利于产品口碑建设。
（4)统计每门课程的未退课用户的通过情况（哪门课程教学效果好？）
总体来看，七门课程的通过率都较高（60%以上），其中A课程通过率最高，因选课人数少，猜测A课程可能为小班教学，教学效果最好；
课程通过率整体呈上升趋势，同样呈现J学期（10月份）比B学期（2月份）通过率较高的情况，说明J学期用户的购课和学习效果都更高。
（5）统计每门课程的学习使用情况 （哪门课程的用户粘性更高？）
维度：code_module, code_presentation
度量：平均学习天数=COUNT([Date])/COUNTD([Id Student (Stu Vle)])；平均点击次数=SUM([Sum Click])/COUNTD([Id Student (Stu Vle)])
总体来看，AAA课程的人均学习天数最高，FFF课程的人均点击次数最高（且人均学习天数也很高），属于学习使用频率较高的课程；
BBB，GGG课程的学习使用频率偏低，可以查看课程的学习行为方式设置是否有问题，如何设置才能提高学习积极性，提升用户粘性。
（6）统计每种行为类型（线上学习方式）的使用情况（哪种方式更能吸引用户使用？）
标靶图：观察每一个id_site(学习行为表中的行为ID，在某学期某课程中设置的id_site)的人均使用天数
设置数量=COUNT([Id Site (Vl)])
使用人数 ={FIXED [Id Site (Stu Vle1)]:COUNTD([Id Student (Stu Vle1)])}
使用天数={FIXED [Id Site (Stu Vle1)]:COUNT([Date (Stu Vle1)])}
使用次数 ={FIXED [Id Site (Stu Vle1)]:SUM([Sum Click (Stu Vle1)])}
人均使用天数=[使用天数]/[使用人数]
人均点击次数 = [使用次数]/[使用人数]
从上图可以看出resource设置的数量最多，但是每一个id_site的人均使用天数都很少；subpage、url、oucontent 设置的数量较多，但是大部分id_site的人均使用天数较少，仅有少数异常值；
而homepage设置的数量最少，但是每一个id_site的人均使用天数都偏高，不过数据较为分散，不同课程的id_site的人均使用天数差异比较大；forumng的设置数量较少，人均使用天数整体较多，同样呈现不同课程的id_site差异较大的特点；
其他线上学习方式的人均使用天数整体偏低而且较为集中。
三、总结
J学期开设课程多于B学期，而且平均选课人数和课程通过率都偏高，可以重点运营和推广J学期的课程；
FFF、BBB课程是该机构的老牌高销量高通过率课程，但是两门课程的退课率逐渐增加，其中BBB的使用频率偏低，需要注意保持课程品质口碑，防止损失主要客户；
CCC 是新增高价值课程，目前的退课率高（大于40%），但是课程内容有待优化迭代以留住用户（可以分析用户学习行为和考核结果，用户反馈，教师评价等数据探究原因）
AAA 、GGG课程选课人数少，但退课率低，通过率低，两门课已经比较成熟且优质，需要重点探究用户增长方案，如何吸引新的用户（GGG使用频率不高）；
大部分课程都存在退课率上升的现象，需要重点关注并改进课程内容设置，教师与助教团队建设，课程日产运营维护。