一. 分析背景与目的
销售额=客单价×销售量，通过分析该数据集的销售量来分析其销售情况。
1. 商品维度：哪些品类商品更受欢迎，对于后续的运营有何指导？
2. 用户维度：不同年龄阶段，不同性别之间的用户购买喜好如何？哪些用户的价值更高？
二. 数据来源与分析工具
数据来源阿里云天池: https://tianchi.aliyun.com/dataset/dataDetail?dataId=45
分析工具：MySQL, Excel, PPT
三. 数据预处理
3.1数据探索：
各列数据意义：
TableColumnDiscription
table baby(94*3)
user_id: User ID (Bigint).
birthday: Children’s birthday (e.g. 20130423).
gender: Children’s gender (“0” denotes female, “1” denotes male, “2” denotes unknown).
table babyh(1000*7)
user_id: User ID (Bigint).
item_id: Item ID (Bigint).
cat_id: Category ID (Bigint).
cat1: Root category ID (Bigint).
property: Property of the corresponding item (String).
buy_mount: Purchase quantity (Bigint).
day: Timestamp.
3.2 数据处理：
a) 缺失值处理
缺失值确认：
select sum(case when user_id is null then 1 else 0 end) as a,
sum(case when birthday is null then 1 else 0 end) as b,
sum(case when gender is null then 1 else 0 end) as c from baby;
select sum(case when user_id is null then 1 else 0 end) as d,
sum(case when auction_id is null then 1 else 0 end) as e,
sum(case when cat_id is null then 1 else 0 end) as f,
sum(case when cat1 is null then 1 else 0 end) as g,
sum(case when property is null then 1 else 0 end) as h,
sum(case when buy_mount is null then 1 else 0 end) as i,
sum(case when day is null then 1 else 0 end) as g from babyh;
通过select sum(case when ** is null then 1 else 0 end) from table;未发现各列存在缺失值，但是从判断0值中发现property列存在140rows的缺失值；
select count(property) from babyh where property=0;
缺失值处理：缺失值一般有四种处理方法：人工手动补全，删除缺失数据，用平均值/中位数/众数代替，用统计模型计算出的值代替；此次对缺失数据直接进行删除。
删除缺失值
delete from babyh where property=0;
b) 异常值处理
出生日期：发现baby表中出生日期有1984年的异常值，删除。
性别：分组汇总得男孩总计433名，女孩总计485名，26条记录不明性别（删除）；
select gender, count(gender) from baby group by gender;
c) 增加年份、月份和孩童年龄列；
alter table babyh add column yearh int not null;
update babyh set yearh = left(day,4);
alter table babyh add column monthh int not null;
update babyh set monthh = mid(day,5,2);
alter table babyh add column age int not null;
update babyh set age = 2015-yearh;
四. 数据分析正文
导出数据，进行可视化。
4.1整体趋势角度
从时间上看，2012~2014年的销量均为稳步提升，且2014年增幅更大，较2013年增长了60%，尤其是2014年9月份，销量占全年销量的16.3%（上图数据为删除极大异常值：一用户在12月产生10000销量数据，此数据需要再确认，如非数据错误，则此客户需要特殊对待）。
从2013和2014年全年销售情况看，Q1为销售淡季，Q3为销售旺季。
4.2从用户维度
上图为购买量前30的用户，联系实际的正常用户每年的儿童物品购买量，这些用户应该为批发用户。
利用RFM模型区分用户价值：R指的是最近一次消费 (Recency)，F指的是消费频率 (Frequency)，M指的是消费金额 (Monetary)。如前所述，用户id均是唯一值，数据集仅有用户一次购买的数据，因此无法做消费频率（F）的分析；因为仅有销售数量而没有消费金额（M）记录，所以用每笔订单的消费件数来代替消费金额进行等级划分。
R值和M值的五档区间范围是：
根据RFM模型计算结果，1.4%的用户为高质量客户，这些用户购买量大，且近期活跃，需要重点维护；43.2%的用户为发展客户，这些用户的单次购买量不是很大，但是近期活跃于，可以通过推荐新品等措施来挖掘客户价值；1.6%的用户为挽留客户，这些用户的购买量高于均值，但是已经有一段时间没有购买，需要采取诸如优惠券等措施挽回；53.9%的用户为一般客户，此类用户的购买量不大，且也已有一段时间未消费，正常维持即可。
4.3从商品维 度
1. 上图为总销量排名前20的商品销售情况，商品50003700和250822在Q1销量较好；商品50018831,50013636,50003700,50010558,50019308和50024439在Q2销量较好；商品50007016，50002524和50006602在Q3季度销售情况较好；商品50018831,50013636, 50011993, 50016006和50005953在第四季度销量较好；相对来说，商品50018831, 50013636, 211122在四个季度的销量相对较均匀，都居于前列，日常可多备货。
2. 男女宝宝人口占比相差不大(47% vs53%)，但是销售量差别较大(38% vs 62%)。
1~4岁儿童占比较大，相应地，销量主要也是分布在此年龄段，可选择性地多上架此年龄阶段的商品；且3~8岁儿童中，女生销量明显高于男生，故而相对可多上架此年龄段女宝宝的相关商品；
五. 结论
1. 近几年总体趋势呈利好状态。从2012~2014年的数据来看，销售数量呈现逐年递增的趋势，2015年1~2月总体销量较2014年对应月份高。
2. 对高价值用户进行专门维护。运用RFM模型寻找不同价值用户，采取不同措施进行维护。如1.4%的用户为高质量客户，这些用户购买量大，且近期活跃，需要重点维护；43.2%的用户为发展客户，这些用户的单次购买量不是很大，但是近期活跃于，可以通过推荐新品等措施来挖掘客户价值；1.6%的用户为挽留客户，这些用户的购买量高于均值，但是已经有一段时间没有购买，需要采取诸如优惠券等措施挽回；53.9%的用户为一般客户，此类用户的购买量不大，且也已有一段时间未消费，正常维持即可。
3. 热门商品重点把控。从2012~2014年销售数据来看，销售旺季主要在5月份和9月份。商品50003700和250822在Q1销量较好；商品50018831, 50013636, 50003700, 50010558,
50019308和50024439在Q2销量较好；商品50007016，50002524和50006602在Q3季度销售情况较好；商品50018831, 50013636, 50011993,
50016006和50005953在第四季度销量较好；商品50018831, 50013636, 211122在四个季度的销量相对较均匀，都居于前列，可以着重关注，做好库存。
4. 增大1~4岁宝宝用品数量，尤其是女宝宝的商品数量。从数据来看，1~4岁儿童占比较大，相应地，销量主要也是分布在此年龄段，可选择性地多上架此年龄阶段的商品；且3~8岁儿童中，女生销量明显高于男生，故而相对可多上架此年龄段女宝宝的相关商品。