1. 描述数据常用的4个指标

（1）平均值

数据的总和除以数据的个数，即 μ= Σx/n\Sigma x/n 。

缺点：对异常数据不敏感。eg：一组工资数据{5k,6k,8k,10k,300k}，被平均的工资。

（2）四分位数

先按升序排列数据(最小值为下界，最大值为上界)，将数据分成四等份。四分位数是处于每个分割位置的数值。

中位数Q2：位于中央的数值。假设有n个数，如果n是奇数，中位数是位于中间数值；如果n是偶数，中位数就是中间两个数的平均值。

下四分位数Q1：最小分割数值。求下四分位数的位置，先计算n÷4，如果为整数，则位于n÷4这个位置和下一个位置的中间，取这两个位置上的数值的平均值；如果n÷4不是整数，则向上取整的结果为下四分位数的位置。

上四分位数Q3：最大分割数值。求上四分位数的位置，先计算3n÷4，如果为整数，则位于3n÷4这个位置和下一个位置的中间，取这两个位置上的数值的平均值；如果3n÷4不是整数，则向上取整的结果为上四分位数的位置。

应用：

箱线图，比较不同数据集的整体情况。识别出可能的异常值。Tukeys test ，即最小估计值：Q1-K(Q3-Q1)；最大估计值：Q3+K(Q3-Q1)；K=1.5 中度异常；K=3 极度异常。

（3）标准差

衡量数据的波动大小，即离散程度。标准差越大，数据波动越大，反之则越小。

标准差的单位与相应计算数据的单位相同。

衡量标准差大小的好坏，取决于我们用标准差做什么事情。如选球员会优先考虑标准差小的，因为发挥稳定。

缺点：如果两个数据差别比较大，无法比较。eg：店铺A 销售额1000万，店铺B 销售额100万，两个店铺的标准差都是20万，若说两个店铺的波动幅度相同，这是不对的。

变异系数：标准差除以平均值得到的值。它可以消除数据大小的差异，所以通常用变异系数来比较不同数据集的波动大小。

（4）标准分

距离平均值多少个标准差。如果标准分等于0，表示等于平均值；小于0，表示小于平均值；大于0，表示大于平均值。

2. 数据集

2.1 数据字段含义

(1) 购买商品表

user_id：用户ID，一个用户一个ID

item_id：商品编号，识别对应的商品

cat1：商品种类ID，一级分类

cat_id：商品种类ID，二级分类

说明：商品一级分类和商品二级分类有联动关系，比如童鞋和拖鞋，童装和裤子的关系。

property：商品属性，属性值可以是大小、颜色、尺码等一切可以描述商品特征的。

buy_mount：购买数量

day：购买时间

(2) 婴儿信息表

user_id：用户ID，可以与表1关联的字段

birthday：出生日期，结合表1的购买时间计算得出年龄

gender：性别，0 女性，1 男性，3 未知性别

2.2 业务分析

(1)产品角度

根据时间、购买量、商品一二级类别，得出销量前10的商品类别根据购买量、商品一二级类别、商品编号，分析产品与商品类别的销量情况(可以带上时间)

(2)用户角度

从不同性别分析产品的购买量从不同年龄阶段分析产品购买情况