Excel数据分析项目——电商数据分析实战

一、明确目的——以业务为核心目的

案例背景：有一份“淘宝母婴用品店的销售数据”需要帮助商家实现盈利最大化
目标：确定产品销量和哪些因素有关。产品种类、时间、用户年龄段、客户性别。以及它们之间的变化趋势，找出可以改善的点

二、理解数据

①商品购买记录数据

有表格如下

近3w条数据，7个字段，分别代表如下意义

字段英文名	字段中文名	注释
user_id	用户id	具有唯一识别性，可作为分析主键 分析某一个用户的行为时，作为识别键
auction_id	购买行为ID	购买行为的唯一标识编号 可以用来细化用户的购买行为数据
cat1	商品大类	用户购买的商品类别 可通过该数据分析用户喜欢的商品类型
cat_id	商品小类	用户购买商品的细分小类 可进一步分析用户喜欢的类型
property	商品属性	简单理解分析数据集，发现商品属性字段分析意义不大 所以后面将会在表中隐藏
buy_mount	购买数量	用户购买商品数量的真实情况 进一步可通过多用户购买数量判断该商品是否热销
day	购买时间	用户购买行为发生的时间 可推测商品销售趋势，也是比较重要的字段

P.S:ctrl+tab键可以快速切换到另一个表

购买用户信息表

有表格如下

900+数据，3个字段，分别代表如下意义

字段英文名	字段中文名	注释
user_id	用户id	用户账户名称，我们将会通过这个字段来连接两张表
birthday	出生日期	可了解用户的年龄段，是比较重要的字段
gender	性别	0 男性，1 女性。可分析购买商品的男女婴儿比例 是这次分析中的重要字段

三、提出问题

再次明晰分析目标，并根据目标提出问题
目标：确定产品销量和哪些因素有关。产品种类、时间、用户年龄段、客户性别。以及它们之间的变化趋势，找出可以改善的点，实现盈利最大化

• 哪些类别（细分）的商品比较特效，总销量前五的产品是哪些类别？各自占比是多少？——确定哪些商品应该多供应
• 不同种类商品的销售趋势是怎么样？增长还是下降？——选出畅销类商品
• 商品对应的哪个年龄段而言较为畅销？——若有规律，可以尝试将该年龄段的其他商品尝试增加
• 用户中的性别分布是怎么样的？商品购买数量和用户性别分布是否有关系？
• 哪些客户更具有购买力，更具有付费意愿？

四、数据清洗

一般包括以下8个部分
选择子集、列名重命名、数据类型转化、数据去重、缺失值处理、关联数据表、异常值处理、数据整理八个步骤
在清洗之前，要对原始数据做好备份

①选择子集

对不需要的字段直接进行删除，本次分析中property字段与整个分析无关，所以选择对此字段进行删除

②列名重命名

将英文字段转换为中文字段，方便理解分析，改完后的表格如下

③数据类型转换

1> 购买数量中的单位不统一，无法进行分析计算，需要进行数据类型转换，可以使用left函数进行字符串提取，会使用到以下几个函数

• left：字符串从左到右进行切片
• len = 数字个数+字符个数
• lenb = 数字个数+字符个数×2

使用方法如下：
因为都是数字+【件】的字符串都是从左到右排列的，数字个数就是位置数，根据以上公式，那么len*2-lenb即为数字个数=位置数

只保留数字的购买数量公式即为（假设原购买数量单元格为E8）
=LEFT(E8,LEN(E8)*2-LENB(E8)*1 后面 *1可以快速转化为数字

以上步骤完成数据类型转换以后即可对原购买数量字段进行删除，选择新字段复制-粘贴值即可全部转化为数值而非公式

2> 购买时间为常规字符串，不是时间型，选中购买时间整个字段 - 数据 - 分列 - 下一步 - 继续选择下一步，选中【日期】，默认为YMD，点击完成 - 最后即可转化为含斜杠的日期格式，同理出生日期同样需要修改

④数据去重

把数据中所有字段完全一致的信息删除
两个表都需要做后面的操作：单击任意一个单元格 - 数据 - 删除重复值

⑤缺失值处理

有两种处理方法：
填充数据：数据量较少，删除会影响分析结果
删除数据：适用于数据量很多，删除数据不会影响到分析结果时

通过对比发现，商品大类和商品小类两个字段是有缺失的，但是缺失数据相对于整体数据量占比很少，所以直接删除即可

单击数据区域任何一个单元格，快捷键Ctrl+g进行定位，定位条件选择控制，然后在开始界面的【删除】中选择【删除工作行】即可对有空值的行进行删除

⑥异常值处理

使用筛选功能查看异常值

选择数据区域任意单元格，Ctrl+shift+L快速调出筛选，发现购买记录表中的购买数量的最大值是1w，偏离了正常值，所以需要对此行进行删除
用户信息表中出生日期有一个1984年，也偏离了正常值，需要对此行进行删除；性别列也有一个2无意义，进行删除

⑦关联数据表

两个数据表在不同的表格文件中，需要对数据进行合并，使用vlookup函数
举例查找出生日期，函数为（有些匹配不到），然后用筛选将null值删除

=VLOOKUP(A3,[2购买用户信息表.xlsx]购买用户信息表! $ A: $ B,2,0)

用同样的方法求出性别，隐藏null值

⑧数据整理

使用到year函数计算用户年龄，用购买时间-出生日期的年份即可得到用户年龄，然后隐藏负值

使用IF函数来将性别变为【男女】=IF(H3=0,“男”,“女”)

五、描述性统计

需要用到Excel描述统计分析库，需要进行设置添加

文件 - 选项 - 加载项 - 转到 - 勾选【分析工具库】
转到数据菜单点击【数据分析】，双击【描述统计】


【输入区域】即为需要分析的区域，勾选【标志位于第一行】【汇总统计】【平均数置信度（95%）】，可以生成下面的图表

中位数和众数都是1，代表大多数客户购买力较低

六、数据可视化

解决刚开始提出的5个问题

• 哪些类别（细分）的商品比较特效，总销量前五的产品是哪些类别？各自占比是多少？——确定哪些商品应该多供应
• 不同种类商品的销售趋势是怎么样？增长还是下降？——选出畅销类商品
• 商品对应的哪个年龄段而言较为畅销？——若有规律，可以尝试将该年龄段的其他商品尝试增加
• 用户中的性别分布是怎么样的？商品购买数量和用户性别分布是否有关系？
• 哪些客户更具有购买力，更具有付费意愿？

首先创建数据透视表，区域为所有数据，在新的sheet中创建，然后就可以分析上面的5个问题了

①哪些类别（细分）的商品比较特效，总销量前五的产品是哪些类别？各自占比是多少？——确定哪些商品应该多供应

使用数据透视表，【行】设置为商品大类，【值】设置为购买数量，得到下面的数据透视表

选中购买数量列，按降序排列，为了求比例，需要在【值】处再拖入一个购买数量，然后点击此“行”任意一个单元格，右键选择值显示方式 - 总计百分比，就可以显示每个大类的百分比，最终效果图如下

p.s:先选中行再用Ctrl+shift+L可以快速选中下面的所有行

②不同种类商品的销售趋势是怎么样？增长还是下降？——选出畅销类商品

【购买时间】拖到行，【商品大类】拖到列，【购买数量】拖到值
此时因为只有2013和2014有比较完整的数据，所以对数据进行筛选，只保留2013和2014年的数据，展开可以看到各个季度的具体数据

对数据进行趋势图绘制，选择需要绘制的数据集，点击【插入】选择折线图，得到图表如下，即可直观看出各类商品的销量趋势

③商品对应的哪个年龄段而言较为畅销？——若有规律，可以尝试将该年龄段的其他商品尝试增加

将【年龄】字段拖到行，【购买数量】字段拖到值，可以得到不同年龄的购买数量情况透视表，再拖一个【购买数量】到值并选择显示百分比，可以更直观地看出各年龄购买量占总销量的百分比

此时采用柱状图进行可视化展示，如下，可以看出0~3岁的销量是最好的

④用户中的性别分布是怎么样的？商品购买数量和用户性别分布是否有关系？

将【性别】分别拖到行和值里，可以计算出两个性别的人数，插入饼图可以看出两个性别占比，得到结果如下，可以发现女性用户的数量和购买量都是要高于男性的

⑤哪些客户更具有购买力，更具有付费意愿？

新建透视表，用户ID设置为【行】，购买数量设置为【列】
点击行标签筛选 - 值筛选，选择显示前五项，即可得到购买数量前五的用户，选中数据进行排序，选择降序排列，即可获得购买力为前五的用户ID，对于购买力最强的用户可以进一步分析其用户行为，并采取针对性的维护措施，数据透视表如下

七、总结分析

通过明确问题、理解数据、数据清洗、分析、数据可视化等步骤，可以得出以下三个结论

1. 婴幼儿阶段的商品卖得比较好，7岁以上年龄段产品的传化率不高
2. 14年的销量相较13年有明显升高，其中5008168编号的产品的增量最为明显
3. 女性产品的销量明显比男性的高，其中有一些商品的销量比较突出，如50084815卖得最好
4. 通过分析得到了一个高价值用户信息表，对表中的用户应当给予维护，防止流失
5. 但由于商品信息表和用户信息表的数量差较大，所以分析结果可能会有一定的偏差，如果有更多的用户信息，分析结果会更准确一些