电商数据探索分析
时间：2023-03-15 20:54:01 | 来源：电子商务
时间：2023-03-15 20:54:01 来源：电子商务
电商数据探索分析
现在根据数据集母婴产品的表一和表二进行探索性分析，主要分析目的是产品的销量与哪些因素有关，哪些因素影响较大，哪些因素影响较少，以及根据这些因素制定可能提高销量的办法！分析的步骤主要有明确分析问题、理解数据、数据清洗和数据分析等过程，下面就将对各个步骤进行具体阐述！一、明确分析问题数据分析的第一步就是要明确分析问题，知道我们要分析什么，才好做后面的工作！明确分析问题可以从两个方面着手，第一可以从我们实际工作中遇到的问题下手，以问题为导向来进行分析，解决实际工作困难，提高工作效率为方向！第二个可以从数据集方面着手，数据集里面有哪些数据，各个数据里面相互有什么关系，从这些关系中可以分析哪些问题！我们这次拿到的数据是电商平台母婴产品客户下单的相关数据，做电商最重要的目的就是提高产品的销量，而且数据表里面也有销量的相关数据。因此我们可以分析产品的销量与哪些因素有关，哪些因素影响较大，哪些因素影响较少等问题，以销量问题作为主要方向来进行分析！二、理解数据理解数据是做好数据分析的基础工作，就像读书时看一篇文章一样，只有先理解这篇文章的关键字和词的意思，才能够把握文章的中心思想和作者观点！那么我们进行数据分析，前提就是要理解好数据表格里面各个列名的含义，知道它们在数据集的意义和作用！先把数据集里面的各个列名截取出来，再各个分析！数据表格里面红色圈住的就是各个数据的列名，想要更好的理解首先最好是把它翻译成中文。user_id:用户idauction_id:物品编号（item_id）cat_id: 商品种类ID（商品二级分类，表示商品属于哪个类别）cat1: 商品种类ID（商品一级分类，表示商品属于哪个类别）buy_mount:购买数量day:购买时间（是个时间戳格式，可以通过excel将时间戳显示未日期格式）user_id:用户idbirthday:出生日期gender:性别（0女性；1男性；2未知的性别）当我们把各个数据的英文列名翻译成中文之后，也就非常清楚各个列的数据含义，没有什么难懂深奥的词语，现在就可以进行下面一步！三、数据清洗数据清洗环节，是我们从获得杂乱无章的原始数据时，按照一定的规则和方法对数据进行一系列整理工作，以方便我们后面对它进行正确的分析！数据清洗是数据分析的重要工作，也是分析过程中消耗时间最长的环节！它有很多的具体操作步骤，下面就对数据清洗的各个步骤进行详细讲解！1.选择子集选择子集主要是因为数据过于多且，为了不影响我们对数据正常的观看，把不要的数据暂时隐藏起来，等需要的时候再把它展现出来！在数据集里面有两个列名都是商品种类，可以现在隐藏其中一个！我选择将D列进行隐藏，隐藏后如下图所示。2.列名重命名由于现在数据表里面的列名都是英文名称，不习惯用英文来进行数据的各项操作，现在把各个列名换成中文名，如下图所示！3.删除重复值在现有的数据集里面，有很多的数据可能是已经重复出现。对于这些重复出现的数据对我们数据分析没有什么价值，只会干扰我们做出任何判断，于是我们要把它找出来并删除掉。在这些字段中物品编号是每个产品唯一标识，也就是说每个产品都只有唯一的物品编号。我们可以以物品编号作为重复的标准，删除物品编号相同的数据，如下图所示！4.缺失值处理这一步就是要统计一下数据表里面有没有缺失值的情况，并对缺失值进行处理。查看有没有缺失值方法也很简单，就是分别单击各个数据字段，选中整列数据，在数据表的最下面有一个计数，如果没有缺失值的话，各个列的计数是相同的，如果有缺失值，那么就有个边列的计数会少于其他列，说明有缺失值。通过具体操作发现商品属性这一列的计数是28279，而其他列的计数是28423，也就是少了144个数据。然后通过对整列进行空值定位，找到缺失值后再进行删除！现在所有的列计数都是28279，就没有出现缺失值了！5.一致化处理根据数据表的现有的数据，发现购买时间这一列还是数字格式，没有换成时间格式，还有性别这一项是用0和1表示，没有换成我们熟悉的男女文字。现在通过对数据的分列和单元格格式设置以及函数来操作调整，效果如下图所示！6.数据排序下面这一步，就是针对已经整理的数据，对数据集按一定的规则进行排序规则。一般情况下，大家最关心哪个数据就对哪个数据排序，在这个数据集里面，大家一般都对产品的销量比较关心，就以销量作为标准从大到小进行排序，排序后效果如图所示：7.异常值处理数据清洗的最后一步就是对原始数据进行异常值的处理，要想处理异常时，首先要发现异常在哪里，我们才好对它进行处理。发现异常值最好的办法就是建立数据透视表进行观察，原始数据太过庞大，一时很难发现异常。而在数据透视表里面可以对数据进行不同维度的观察和了解，达到总揽全局的效果！下面就是针对表二建立数据透视表如图所示：从上面的数据透视表里面可以看出，第一个异常的地方就是时间问题，1984年估计互联网还没有出来吧，阿里巴巴也才1999年才成立，怎么可能有人在1984年通过电商平台购物呢，所以这个肯定是异常值。第二个问题就是有一部分数据是未知性别，这一点不符合常理，也属于异常值！根据生活常识70年代的人，医学就能够在母亲胎中鉴别男女了，这也是为什么导致现在男多女少比例失衡的原因。而数据中13-15年出生的婴儿竟然不知道性别，除了数据异常我实在想不出其他的原因！既然是异常值，找到之后就把它做删除处理，删除后效图所示：四、数据分析通过上面对数据集的明确分析问题、理解数据意义和数据进行一系列的清洗等步骤，现在终于到了最关键最重要的一步，数据分析工作！1.婴儿年龄与销量有什么关系根据上图年龄与销量的透视表可以看出，随着年龄越大，产品销量就会越低，产品的销量主要集中在0-3岁之间婴幼儿之间，这段时间的婴幼儿身体变化最快，产品需要量巨大！2.性别与销量的关系根据上图性别与销量的透视表中可以看出，整体趋势是女性产品销量要远大于男性销量，虽然还有少部分性别是未知的销量，但是不影响整体的判断，还且在电商平台购买女性产品的时间也要比男性要早两年！3.时间与销量的关系根据上图时间与销量的透视表中可以看出，整体趋势是从02年到15年这段时间里面，产品的销量随着时间逐年提升，除了15年的数据记录的不是很完整，可以暂时不计！从11年到14年这段时间，产品销量逐步稳定在300多左右。从季节角度分析，第四季度销量最好，这段时间大部分处于冬季，而第二季销量比较平淡，这段时间大部分处于夏季，第一、三季度产品销量比较平稳，大部分处于春秋季节！
在线咨询
