商业数据分析入门笔记——以双十一优惠券案例为例

商业数据分析应用场景

商业数据分析在各行各业都有非常广的应用范围，包括互联网、泛金融、快消、广告咨询等。

大数据的职业蓝图

话说大数据这几年非常火爆、既有营销体系的商业数据分析职位，也有研发体系的大数据开发工程师，像产品经理一样，只要你有心，都可以有自己的发展道路。

然后我默默地看了下自己的水平，目前阶段比较匹配的也只有“业务分析方向”啦，能让自己的日常工作变得哪怕高大上一丢丢，就足够我偷笑了嘿嘿

根据自己的底子，选择更适合自己的方向，当然薪资方面商业数据分析，以及技术数据科学的天花板会更高些

数据分析流程

步骤一：界定问题

业务关键指标：用户和收入，其中有一个出现了下滑，数据分析师就要出山了

三个常见的业务问题类型：

What：界定问题工作的重点

Why+How：将原本简单What背后的Why和How挖出来

步骤二：收集数据

确定所需的内外部数据源——将数据汇总成分析数据集——进行初步数据质量评估

步骤三：清洗数据

检查数据中可能存在的问题，对有错误或者问题的数据进行清洗

将数据整理成命名规范，取值格式统一的形式【工具SQL Python】

步骤四：数据可视化

可视化软件Tableau

步骤五：数据建模

变量信息输入到分析模型中，通过Python进行模型的训练与优化，最终给出能部署到业务中的数据分析结果

【 下面附上知识树一份供大家参考 】

数据分析五步骤

---

【理论讲完了，下面进入实操阶段】

拼多多双11优惠券例子：

拼多多搞活动，需要弄清楚哪些人会使用优惠券，他们具有怎样的特点，背后的影响因素有哪些，总结一句话就是：用户使用优惠券最核心的影响因素是什么？

首先，我们来认识下所获得的数据维度，可以将原有的数据分为用户信息、消费行为与预测结果3个类别。

用户信息：包含了用户年龄、职业与婚姻状态 3个关键信息。

消费行为：包含了信用卡是否违约、是否有过退货行为、是否使用信用卡、过去6个月使用优惠券数量以及过去1个月使用优惠券数量

预测结果：用户在双11是否使用了优惠券

这里我们要用机器能懂的语言，对数据做说明，所以我们引入“字典”的概念

数据维度与字典

实操：

#一键基础操作——数据导入和清洗比较复杂，所以这里暂不展开讲述，直接使用现成的

#基础操作 导包 导数据

import pandas as pd

import seaborn as sns

import matplotlib.pyplot as plt

%matplotlib inline

coupon = pd.read_csv('week3.tmall.csv')

#数据清洗

coupon = pd.get_dummies(coupon)#将类别型变量转换为数字型变量

coupon.drop(['job_unknown','default_no','returned_no','loan_no','ID'],axis=1,inplace=True) #去除无意义与重复变量

coupon=coupon.rename(columns={'coupon_ind':'flag'})#变量重命名

coupon.head()

【运行后出现下方表格】

其中绿色边框的数据是类别型变量，也就是说：当数据是0时，代表否当数据是1时，代表是举例：flag列的前5行数据都是0，说明这5个用户都没有在活动中使用优惠券

这里显示的是前5行数据，包括了：

用户信息：用户年龄、职业与婚姻状态 3个关键信息。

消费行为：信用卡是否违约、是否有过退货行为、是否使用信用卡、过去6个月使用优惠券数量以及过去1个月使用优惠券数量

预测结果：用户在双11是否使用了优惠券

#通过均值，观察哪些变量对用户使用优惠券影响较大

summary = coupon.groupby('flag')

summary.mean()

数据解释：以coupon_used_in_last6_month为例，在0的分组中，均值是0.26，在1的分组中，均值是0.54。说明：如果在上个月客户使用优惠券越多，那么在该次活动中使用优惠券的概率就越高

接下来，我们对表中数据进一步解释（左图数据仅用于演示，数字与运行结果不一致）。仍以coupon_used_in_last6_month为例，在0分组中，均值是2.60，在1分组中，均值是2.5。这代表：活动没有使用优惠券的人中，过去6个月平均使用2.60个优惠券活动使用优惠券的人中，过去6个月平均使用2.57个优惠券

#使用折线图，呈现coupon_used_in_last6_month与flag的关系

plt.figure(figsize=(200,200))

sns.relplot(x="coupon_used_in_last6_month", y="flag",kind='line',data=coupon)

使用折线图，呈现coupon_used_in_last6_month与flag的关系：前6个月使用优惠券越多，这次活动使用概率越低

#使用折线图，呈现coupon_used_in_last_month与flag的关系

plt.figure(figsize=(200,200))

sns.relplot(x="coupon_used_in_last_month", y="flag",kind='line',data=coupon)

使用折线图，呈现coupon_used_in_last_month与flag的关系：最近1个月使用优惠券初期会有上升趋势，优惠券使用越多，本次活动使用概率会越高；最近一个月使用优惠券超过2个时，双十一活动使用优惠券概率会下降

#使用柱状图，呈现loan_yes与flag的关系

sns.countplot(y='loan_yes',hue='flag',data=coupon)

使用柱状图，呈现loan_yes与flag的关系：没有使用花呗结账，在本次活动中使用优惠券概率会更高

#数据可视化——相关性分析

我们会发现，有非常多的因素会影响消费者是否使用优惠券，但是用户使用优惠券最核心的影响因素是什么？我们需要探寻各个影响因素之间的相关关系

#计算相关系数

coupon.corr()[['flag']].sort_values('flag',ascending=False)

可以看到， 与flag相关度最高的5个变量为：上个月的优惠券使用数量 coupon_used_in_last_month，职业是退休 job_retired，职业是学生 job_student，婚姻状况单身 marital_single，职业是管理层 job_management

#散点图

sns.scatterplot(x='coupon_used_in_last_month',y='flag',data=coupon)

使用散点图，呈现 coupon_used_in_last_month与flag相关性，由于flag只有0/1两个数值，可视化效果不明显

#热力图

q1=['flag','coupon_used_in_last_month','job_retired','marital_single']

sns.heatmap(coupon[q1].corr())

使用热力图，呈现多个变量与flag相关性：选择查看 coupon_used_in_last_month，job_retired，marital_single与flag的关系。我们发现和flag相关度最高的是coupon_used_in_last_month，其次是job_retired，最后是marital_single

【说在结尾】

这里只举了非常小的一个例子，非常感谢你看到了这里，选择和我一起从小白进入数据分析的新世界，文中如果有需要调整的地方，欢迎大佬们随时指出，也欢迎大家一起学习，共勉！

学习数据分析需要具备的一些能力总结：

1、数据思维

能够以数据分析的角度拆解业务问题，提取关键数据维度的能力。

掌握该能力，你能够洞察数据背后的关键信息，做出正确的商业决策。

2、数据处理能力

快速进行数据查询、收集和整理的能力。这里需要使用的工具是MySQL。

掌握该能力，你可以使用一行代码从上千条数据中找到想要的数据。

3、数据可视化能力

将数据的结果呈现为直观、高效、可视化报表的能力，这里需要使用的工具是Tableau。

掌握该能力，你可以把庞杂的大数据直观的展现到决策的面前。

4、数据挖掘能力

建立数据分析模型，以此来评估与预测未来的业务趋势的能力，这里核心使用的工具是Python。

掌握该能力，你可以通过数据预测未来的业务趋势，做出商业决策。