此次数据分析的数据来源均来自于阿里巴巴天池 https://tianchi.aliyun.com/dataset/dataDetail?dataId=45

一、明确问题

1.2014年销量变化趋势及其可能的影响因素

2.2014年产品复购率

3.婴儿性别占比

4.婴儿年龄分布

5.不同年龄段对品类产品的喜好

二、熟悉数据集

表1（表1购买商品）中共有209797个数据、7个字段：

user_id为用户ID

auction_id为商品编号

cat_id为商品的类目

cat1为商品品类

property为商品属性

buy_mount为购买数量

day为购买日期

表2（表2婴儿信息）中共有2859个数据、3个字段：

user_id为用户 ID

birthday为婴儿生日信息

gender为婴儿性别

三、数据清洗

选择子集

因本次数据分析与商品属性无关，故将表一中的商品属性列隐藏。

列名重命名

为了方便后期操作，将表一表二的列名改为中文。

表1：

→

表2：

→

删除重复值

对表二中的用户ID列进行删除重复值操作，发现不存在重复值。

缺失值处理

将查找与选择中的定位条件设为空值，在表2中并未查找到缺失值；在表1中的商品属性列查找到空值，并用筛选功能查看空值，发现有144个空值。

因商品属性与本次数据分析无关联，故不处理其空值。

一致化处理利用分列与单元格格式设置将表1的购买日期及表2的出生日期进行一致化处理，使其变成yyyy/m/d的时间格式。利用查找与替换功能将表2的性别列中0、1分别替换成女性、男性。数据排序

将表1按照购买时间进行降序排序。

异常值处理

利用筛选功能删除表2中的异常值“2”

四、数据分析及构建模型

1.利用VLOOKUP函数将表2中的出生日期、性别配对填充至表1中。

后续分析都将围绕表1进行。

2.将出生日期的单元格格式设为yyyy/m/d格式。

因为并非全部用户都提供婴儿信息，所以无法将购买产品信息的全部数据与婴儿信息一一对应。未能配对成功信息的性别列与出生日期列显示#N/A，利用筛选功能将成功匹配的行数据复制至一个新的工作表。

3.利用YEAR函数算出婴儿年龄。

4.利用VLOOKUP函数将婴儿年龄进行分组。

5.选中购买数量列，调用数据分析中的描述性统计功能，可知购买数量的平均数、中位数、众数、标准差、方差、第一大/小值、总数。

6.选中表格区域插入数据分析表，进行分析。

7.分析结果

A.2014年销量变化趋势及其可能的影响因素

因2015年只有第一季度的数据，所以抓取2014年一整年的数据进行分析，11月的销量是全年最高，占全年销售量的30.88%，其原因可能是受双十一购物狂欢节影响。可在其他月份也进行不同类型的促销活动，增加销量。

B．2014年产品复购率

筛选2014年数据复制至新工作表中分析，选中用户ID列进行删除重复值。

产品复购率计算公式:重复购买客户数量/客户样本数量

可得2014年的产品复购率为：0.026%，因母婴产品的特殊性，复购率可能较其他类商品低。

C.婴儿性别占比

在受访用户中，婴儿性别为女性占62.58%，男性占37.42%。

D．婴儿年龄分布

因为母婴产品的特殊性，存在婴儿未出生就提前购入相关产品的情况，故将出生日期晚于购买日期两年内的数据也纳入婴儿期进行分析；

经过筛选发现有一条数据的年龄为28岁，应是用户误将本人年龄填入婴儿年龄导致，因数量不大，统一划入青年期，暂不做处理。

经过分析可知婴儿期的购买量占总购买量的77%，其次是幼儿期、儿童期。婴儿期的购买量最大。

E.不同年龄段对品类的喜好

婴儿期对商品品类50014815需求较大，幼儿期、儿童期对于商品品类50008168需求较大。可根据用户的婴儿年龄推送相关商品品类的商品，以促进销量增长。