先回顾一下数据分析步骤：

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

1、2已经在上篇文章有写到：

淘宝商品数据集分析思路2 赞同 · 0 评论文章

本篇主要针对3、4。

一、数据清洗

分为7个步骤：

1、选择子集，这个已经选好了

2、列名重命名，没有需要重命名的；隐藏了不需要用到的列（商品属性和商品编号）

3、删除重复值，没有发现重复值

4、缺失值处理，用“查找-定位-空值”查看后，没有发现空值

5、一致化处理，将日期格式通过分列调整为YMD格式

6、数据排序，将在下面的描述分析中呈现

7、异常值，无异常值

二、描述分析

1、产品数据

（1）总销量、最高销量

通过数据透视表对购买数量进行统计，得知店铺总销量为76260个，一级分类为28的商品销量最高，依次排序如下：

将二级分类也拉到“行”，排序，可得出各个一级分类下，各个二级分类的最高销量、最低销量。其中，28下的50011993销量最高，为3609。

手动统计每个一级分类下有多少个二级分类（此处是否有更便捷的方式？）

由下表分析可得出，一级分类50008168下各二级分类的平均购买数量最高，为251；一级分类28虽然总购买数量领先，但各二级分类下的平均购买数量仅为105。后续可优化28下的二级分类，提高平均购买数量。

（2）不同时间段的总销量、最高销量

通过数据透视表，组合，汇总，得出不同年、季度、月的销售情况，还可以进一步通过条件格式中的数据条填充，直观看出销量最高的月份。

进一步绘制动态折线图。由下图可以直观看出销售变化趋势——2013、2014年第四季度销量明显比平日大幅增加。

猜测：销量暴增是否因为双11促销呢？进一步查看数据可以发现，2013、2014年双11期间，销量明显比平日大幅增加。

2014年2013年

从折线图的坡度可以看出，2014年11月较2013年11月对比该年月度总平均销量的增幅更大，因此，2014年双11的促销策略更为有效。

（3）购买数量描述统计

平均单次购买数量为2.5，单次购买数量众数为1，单次购买最大数量为10000等。

2、用户数据

（1）年龄段

以2015年为基准计算年龄，利用数据透视表、2015-年份公式、组合汇总，可得出：该店用户以1-5岁为主，占比超过77%。

（2）性别

由于性别不清楚编号的含义，但可通过统计百分比推测，男女用户占比差异不大，均接近50%。

3、产品数据及用户数据交叉分析

利用vlookup将表2婴儿信息填充至表1

有用户年龄、性别画像信息的占比96.8%，说明店铺在用户运营方面做得是不足的，大部分用户的特征无法识别。

（1）重点用户分析

将能识别用户信息的957条数据复制到一个新表格

通过数据透视表，排序，可识别出有用户画像信息的用户中最具购买力的用户，以及不同一级分类的最具购买力的用户，如下：

将购买数量10以上的用户标记为“重点用户”，vlookup至婴儿信息表中进行分析，查看他们的特征、以及他们买了什么

重点用户中，69%为性别0的用户，38%为年龄4岁的用户。

进一步vlookup至购买商品表，分析重点用户的购买行为。

重点用户中，性别为0的用户购买了重点用户总购买数量中的87%。

重点用户中，年龄为5岁的用户购买了重点用户总购买数量中的51%，他们的购买力较强。

重点用户最青睐的商品，是一级分类为50014815的商品，其中又以其二级分类中的50018831最受欢迎，

（2）用户复购率

对购买时间进行计数，仅有3位用户复购，且都是复购1次，复购率几乎可忽略不计。接下来店铺应加强用户运营，提升复购率。

（3）有用户画像的用户的购买数量描述统计

平均单次购买数量为1.6，单次购买数量众数为1，单次购买最大数量为160等。