数据分析电商案例
时间：2023-03-15 22:16:01 | 来源：电子商务
时间：2023-03-15 22:16:01 来源：电子商务
数据分析5个步骤：
1. 提出问题根据业务需求提出想从数据中得出结论
2. 理解数据熟悉数据各个字段，理解业务
3. 清洗数据常用数据抽取函数：分裂，替换，查找，left，right，mid，
常用数据计算函数：average，sum，max，min，if，count(选定范围内包含数字单元格的个数)，&，countif（选定范围内包含所给条件单元格的个数），date（可与MID搭配从身份证号码中提取年月日），datedif(开始时间，结束时间，返回d,m,y)，or（两个逻辑判断，符合其中一个返回true，否则false）
- 1. 选择子集
- 2. 字段重命名
- 3. 删除重复值（删除重复项）
- 4. 缺失值处理
- 5. 一致化处理 （格式一致化，例如时间格式）
- 6. 数据排序
- 7. 异常值处理
4. 构建模型：数据透视表，vlookup跨表查询，vlookup分组，分析工具库（描述统计分析）5. 数据可视化实操：1. 提出问题- l 全年销售数量的波动情况，即离散程度，
- l 最多购买类目
- l 最多购买月份
- l 年龄与购买商品数量的相关性
2. 理解数据l User id：用户的唯一身份id号
l Action id:用于标记户行为的id号
l Cat id:一级类目
l Cat 1:二级类目，子类目
l Property ：属性，描述特性，可以是一些标签
l Buy amount：购买的数量
l Day：购买日期
l Birthday：生日，可了解婴儿的年龄
l Gender：0男，1女
3. 清洗数据A． 新建文件，命名：购买商品 数据清洗； 婴儿信息 数据清洗
B． 修改字段名auciton id 为 action id；隐藏暂时无关字段 property
C． 删除重复值: 无需；
D． 缺失值处理：根据计数对比各字段，无缺失
E． 一致化处理：时间年月日格式；利用分裂功能，输出月日年；检查分裂后数据无异常
F． 按时间降序排序
G． 异常值处理：性别中存在“2”，无意义，不列入计算
最后清洗出 表1 与 表2 结果：
4. 构建模型
5. 数据可视化
各年龄购买数量占总购买量的百分比
男性女性购买数量占总量百分比
2013-2015每月销售量波动情况
在线咨询
