数据分析快速上手（Excel）——淘宝天猫婴儿产品销售情况 ...

潘武

一般来说，数据分析包括如下5个步骤：
1. 明确问题 ——2. 理解数据——3. 数据清洗——4. 数据分析或构建模型 ——5. 数据可视化
在第二关，前两步已完成，现在继续完成后面数据清洗和构建模型两个步骤，实现初步的数据分析。仍用以下数据集做练习：

数据名称：淘宝和天猫婴儿用品。数据来源：Baby Goods Info Data-数据集-阿里云天池

一、数据清洗

包括7步：
选择子集；列名重命名；删除重复值；缺失值处理；一致化处理；数据排序；异常值处理
1. 选择子集

隐藏用不到的字段（注意不是删除）
2. 列名重命名

原英文缩写列名，最好改为便于自己和读报告的人容易理解的名字


（由于B列-购买行为编号、E列-商品属性，在这里缺少明确解释，不好做进一步分析，暂且隐藏掉）
3. 删除重复值

表1购买商品信息和表2婴儿信息，通过数据-数据工具-删除重复值检验，并未发现完全重复的行
4. 缺失值处理

ctrl+G定位空值/确认每列非空单元格总数（右下角状态栏），并无缺失值
5. 一致化处理

对购买日期、出生日期通过分列方法实现日期格式的一致化处理



日期格式一致化

6. 数据排序

7. 异常值处理

个人认为3-7步在数据清洗时是在循环进行的。
通过对购买量一列数据筛选，发现有部分单笔订单量异常大的，后面准备就这部分异常值根据现有情况分析后，做删除处理。



结合数据透视表分析决定异常值去留：



去掉购买量大于10的

二、数据加工

主要有4大数据加工技巧：数据抽取；数据计算；数据分组；数据转换 这次主要用到前3个
1. 数据抽取

数据抽取有这样几种：字段分列；字段合并；字段匹配； 这里通过vlookup函数实现跨表的字段匹配，将表1的购买信息和表2婴儿信息通过[用户id]这一桥梁，搭建起联系（复习：数据库中通过SQL查询语句union指令实现多表关联合并）



摘自：谁说菜鸟不会数据分析[入门篇]

2. 数据计算

包括简单计算、函数计算（数值类的描述统计量、日期类） 年龄可以用：=iferror(IFNA(DATEDIF(H2,G2,"Y")，"未知"),"未出生") 涉及的函数：

• DATEDIF(start_date,end_date,unit)——计算年龄
  
• IFERROR——处理#NUM!计算异常值（如日期相减为负的时候）
  
• IFNA——处理#N/A空值，上述是将单元格替换为“未知”
  

年龄计算，分组

3. 数据分组

针对年龄字段，先输入如下分组对应表，然后通过vlookup的近似匹配进行数据分组（上图最右列）



分组用到的对应表

三、数据分析或构建模型

解决某一类问题的方法都可以叫模型

数据透视表、分析工具库，后者用于对数值项做描述统计量的分析， 针对上一关提出的问题
这里主要用到透视表
1）你想从该数据集中分析哪些业务问题？
1、宝宝性别/年龄对于同一产品的需求比例对比；



男宝购买量略高于女宝





2、不同产品的销售量差异；


3、不同季节销售量走势；（再去找原因）



由于2015年2月只有5天数据，数据量太少，未避免干扰，这里不做考虑

——如果想提高过年期间销量，可能要再关注下线下销售推广渠道

4、同类产品不同属性销售量对比（属性含义不明，不做分析了）
2）你想从该数据集中得到哪些描述统计信息？ 不同季节销量均值，不同产品的总销量均值；男女宝宝对应销量均值； （这些上述都已提及）
<hr/>

• 过程中遇到的问题及解决办法：
  

1、[已解决]excel2010分析工具库无法运行“ FUNCRES.NLAM! Showatpdialog"”宏
2、[解决方案]Minitab免安装版要求系统具有可临写的文件目录
3、【已解决】excel实现只替换某一列/行的内容

• 待解决的以及关于后续学习的想法：
  

1、对于数据透视表的操作熟悉程度、异常值的处理方式思考[增加理论、业务学习]
2、excel VBA的学习应用到清洗数据中会事半功倍
3、python在结合数据库、可视化工具的应用（案例参考：小呆学数据分析——异常值判定与处理（一））