数据分析报告2:Superstore销售情况分析
一. 提出问题
1.1 将产品进行分类:热销产品,潜力产品,引流产品,滞销产品
1.2 地区销售贡献和消费喜好
1.3 细分客户销售贡献和消费喜好
二.收集数据
2.1 项目数据来源kaggle平台,Superstore Dataset:Superstore Dataset | Kaggle,共99018条数据
2.2 数据名词解释:
Row ID => Unique ID for each row.
Order ID => Unique Order ID for each Customer.
Order Date => Order Date of the product.
Ship Date => Shipping Date of the Product.
Ship Mode=> Shipping Mode specified by the Customer.
Customer ID => Unique ID to identify each Customer.
Customer Name => Name of the Customer.
Segment => The segment where the Customer belongs.
Country => Country of residence of the Customer.
City => City of residence of of the Customer.
State => State of residence of the Customer.
Postal Code => Postal Code of every Customer.
Region => Region where the Customer belong.
Product ID => Unique ID of the Product.
Category => Category of the product ordered.
Sub-Category => Sub-Category of the product ordered.
Product Name => Name of the Product
Sales => Sales of the Product.
Quantity => Quantity of the Product.
Discount => Discount provided.
Profit => Profit/Loss incurred.
三.数据处理
3.1 先对原表进行备份
3.2 处理异常值
3.2.1原表数据错位,产生异常
格式修改后(其他数据同操作)
3.2.2 日期格式:文本格式,月/日/年
处理后:
3.2.3 数据不一致:处理后数据总数9820条
四.数据分析
4.1 将产品进行分类:热销产品,潜力产品,引流产品,滞销产品,负利润产品
字段:Product ID、Quantity
标准:选取2017年在售产品ID,销量,利润率
重点产品:销量>8 且 利润率>25.28%
潜力产品:销量<=8 且 利润率>25.28%
引流产品:销量>8 且 利润率<25.28%
滞销产品:销量<=8 且 利润率<25.28%
负利润产品:利润率<0
分析:
- 重点产品为18.01%,不到全部的20%
- 影响利润的产品(滞销产品,引流产品品,负利润产品)之和约占全部的50%
4.2 地区消费贡献和消费喜好
4.2.1 地区消费贡献
字段:Region、 Order Date、 Sales
分析:
1)地区购买力: West > East > Central > South
2) Central地区年消费呈下降趋势,其他地区呈上升趋势
4.2.2 地区消费喜好
字段:Region、Category、Quantity
分析:各地区消费喜好类似,喜好排名Office Supplies >Furniture>Technology
4.3 细分客户
4.3.1细分客户销售贡献
字段:Segment Order Date Sales
分析:
- Consumer销售额贡献大于Corporate和 Home Office
- Corporate和Home Office销售额贡献占比逐年增长,Consumer下降
4.3.2细分客户喜好
字段:Segment Category Quantity
分析:
各类客户消费喜好大致相同,喜好的商品种类分别是Office Supplies > Furniture >Technology
五.总结与建议
5.1 店铺2017年盈利产品数量占比小
建议:各类产品做好分类运营
1)发展潜力产品成为重要产品(热销产品)
2)淘汰负利润和滞销产品
3)开发市场潜力好的新品
5.2 店铺消费者地区购买力较为均衡,各地区对Office Supplies的需求大于Furniture和Technology
建议:
1)重点关注Central地区消费下降原因
2)调整Furniture和Techonology 的备货需求
3)开发Office Supplies关联性产品
5.3 店铺大部分销售额来源于Consumer客户群体,各类客户消费占比趋于平衡
建议:
重点维护Consumer客户,提高回购率;同时关注Corporate和Home Office,关注需求,做好售前售后,优惠触达
5.4 表格问题:一个ProductID对应多个产品
建议:完善系统录入功能,提升准确性
反思总结:
数据分析报告相关:
1. 本次数据样本ProductID和实际产品存在一对多关系,造成数据分析准确性有偏差。
改进:类似问题,可以通过删除多个产品中影响较少的数据/进行合二为一(统一一个标准)
2. 对于产品分类运营模块的标准不符合实际,年销>8视为销量高,不符合经验
改进:采用ABC法则,二八法则,进一步根据经验细化
数据分析思路流程相关:
进步:取舍优化
- 本次分析结构化更加清晰,对于数据维度选取更准确,每个问题不过分关联,可独立反映代表性问题
- 一个图表反映需要的信息即可,不过分追求反映多个信息,从而造成分析呈现模糊
- 本次做出了商品分层分类运营的模型,并输出了结果(第一次报告没有具体实现)
不足:
- 本次依旧选择的是电子商务数据,思维角度与上一次类似,下次可尝试不同类型数据分析
- 可视化图表展示,且选择的维度类似。多参考案列多思考练习,更好的运用图表
- 本次依旧采用的excel处理,下次尝试用mysql,powerbi处理
数据分析报告2:Superstore销售情况分析相关推荐
- mysql+excel:数据分析----销售情况分析仪表盘
目录 一.介绍 二.业务场景定义 三.目标 四.数据探索 1.将数据导入mysql中 2.数据初步探索 五.数据指标 六.数据处理 1.在mysql中处理 2.在power query中处理(exce ...
- 大数据专栏一-全自动化在线式当当销售情况分析预测系统
(ps:临时想起来补一句,,本项目仅用于学习交流,不用于任何商业用途.还有如果有大数据班的学弟学妹看到这一定记得作业得按时交作业延期交了成绩会和下一个档次的作业一个分数)项目报告和代码以及录屏都保存在 ...
- 2021年中国炭素行业市场销售情况分析:共有8家企业产品销售收入超10亿元[图]
一.概述 根据<GB/T8718-2008炭素材料术语>:炭素材料曾称"碳素材料".以碳元素为主(一般碳氢原子比大于10)的物质和固体材料的总称.炭素材料通常都是以石墨 ...
- 数据分析报告1:某电商店铺印度销售情况分析
一. 提出问题 分析目的:通过分析店铺现状找出存在的问题,对趋势进行预测,提出可行性方案 业绩情况:店铺销售业绩如何?月度,季度,年度有什么变化?该店铺盈利情况如何? 市场趋势:哪个类目最受欢迎? 利 ...
- python药店销售数据分析_药房销售情况分析(python篇)
运用python中的numpy.pandas等包,可以帮助我们很方便的进行数据统计.数据分析.今天,通过朝阳医院2018的销售数据这个案例来简单做一下展示. 数据分析的基本过程一般分为以下几个部分: ...
- python数据分析报告范文_Python数据实战分析之定量和定性数据分析
数据分析中关于数据的部署 数据分析的最后一步--部署,旨在展示结果,也就是给出数据分析的结论.若应用场景为商业,部署过程将分析结果转换为对购买数据分析服务的客户有益的方案.若应用场景为科技领域,则将成 ...
- 数据分析报告——经典统计量的描述性分析:平均数方差、偏度峰度
描述性分析 一.数据报告 二.变量说明表 三.统计量描述 位置的度量 1. 平均数 2. 中位数和分位数 3. 两者的对比 4. 最大值和最小值 变异程度的度量 1. 方差和标准差 2. 极差和四分位 ...
- Python 某电子产品销售数据分析报告及RFM模型(一)
关注微信公共号:小程在线 关注CSDN博客:程志伟的博客 Python 3.7.6 (default, Jan 8 2020, 20:23:39) [MSC v.1916 64 bit (AMD64 ...
- 某电商平台数据分析报告(2)
某电商平台数据分析报告(2) 1.分析背景:某电商平台现有2016全年销售数据. 数据来源:互联网 2.分析思路:整体运营情况(GMV,实际支付总额,客单价,订单数,用户数),销售趋势(销售全年走势, ...
最新文章
- python3对比python2的更新点
- ExecutorService框架
- 编译器不识别stm指令_编译器简介
- linux下如何产生core,调试core
- SharePoint中的富文本编辑器控件
- Typora 开始收费, 不妨试试这个开源免费的MD编辑器
- 什么事计算机事实性知识,《人工智能》复习要点
- Hibernate基本概念 (4)
- 论文浅尝 | 基于局内去噪和迁移学习的关系抽取
- Spring中使用XML方式导入Spring配置文件,Boot中使用全注解导入Spring配置
- 企业文件服务器(samba)配置案例一
- linux文件被覆盖如何恢复_在Linux下误删文件后恢复
- 工作7年开发小哥转行测试:只有努力向前奔跑,才能得到你要的~
- Real-Time Rendering 4th Edition 实时渲染第四版 读书及翻译计划
- C++实现模板方法模式--问卷调查实战
- Axure视频教程2:制作第一个原型
- 钉钉微应用内置浏览器js缓存清理
- 行泊一体方案「换道超车」,TOP10本土供应商领跑新赛道
- 北工大计算机网络95分复习——【第四章 介质访问控制子层】
- 企业营销培训讲座在线观看目录
热门文章
- js简单实现根据身份证号码识别性别年龄生日
- LHG 弹层问题汇总
- java 石头剪刀布_java循环练习:石头剪刀布
- java逆波兰式求值_波兰式、逆波兰式与表达式求值
- 半桥llc 增益 matlab程序,半桥LLC谐振设计多路输出辅助电源
- 【win7】错误2203的解决方法
- mysql 2203_mysql 错误2203 1061 及安装最后出现1067错误的解决办法
- 《Hands-On Machine Learning with Scikit-Learn TensorFlow》读书笔记(三):分类
- 除了青蛙旅行,我们还有哪些大事不是被机器人搞砸的?
- C++ opencv之像素操作之逻辑操作(bitwise_and,bitwise_xor,bitwise_or,bitwise_not)