英国在线零售商数据分析

前言：

数据分析的一般流程，首先确定问题，再带着问题进行下面的分析步骤

分析流程.png

0、分析问题

一份数据可以分析很多维度，为了分析的效率，首先需要明确此次分析的目的（问题）及深度，避免陷入盲目无尽的分析

订单维度：笔单价和连带率是多少？订单金额与订单内商品件数的关系如何？
客户维度：客单价是多少？客户消费金额与消费件数的关系如何？

1.理解数据

理解业务指标

我们的问题中有许多业务指标，首先需要理解这些指标的含义

订单维度：
- 笔单价
  
  指每笔交易记录（一张水单）对应的平均交易金额，一般以消费金额除以消费笔数来计量
  
  商品总额/总笔数
- 连带率
  
  指顾客每次购物购买了几件商品
  
  商品总数量/总笔数
- 订单金额
  
  订单单价*订单内商品件数
- 订单内商品数
  
  同一笔订单的所有商品件数
客户维度：
- 客单价
  
  销售额/客户数
- 客户消费金额
  
  按客户分组的总金额
- 消费件数
  
  按客户分组统计的总件数

再理解原始数据，数据共541,909条记录，8个字段

原始数据.png

这些字段的含义分别是发票编号、产品货号、描述、件数、发票时间、单价、订单来源国家

数据探索

查看数据集的情况，可以看到 Description约有1.5k个值缺失，CustomerID字段有13.7w个值缺失

数据集情况

# 增加一个总金额字段
data['sumPrice'] = data['Quantity'].astype(float) * data['UnitPrice'].astype(float)

看一下数值数据的概况

数值数据

可以看到商品数量和单价居然有负值，查看一下这些异常值

异常数据

可以看到发票号是C开头的，得知这是cancel取消的意思，也就是说这些订单被取消了

最大被取消的一单有8万件商品，共有10624条这样的数量为负的记录，后续需要将这些数据做数据清洗

2.数据清洗

空值
异常值

前面数据探索发现Description字段和CustomerID字段有部分数据缺失，无法填充值，所以做删除处理

#删除用户ID字段有缺失的记录
data = data[-data['CustomerID'].isnull()]

异常数据包括数量字段为负值以及单价为负的情况，由于缺失的数据相对于总的记录来说较小，所以这里直接丢弃这部分记录。

# 清洗掉数量为负或者单价<=0的记录
df_success = data[data['sumPrice']>0]</pre>

清洗完的数据有397,884条记录。

3. 数据建模

订单维度

笔单价

笔单价=商品总额/总笔数，每条记录为一笔交易

# 商品总额/总笔数
    price_per_order = sum(df_success['sumPrice'])/df_success.shape[0]</pre>

得到**笔单价22.40元每单**

连带率

指顾客每次购物购买了几件商品，所以连带率=销售件数/交易次数

APR = df_success.shape[0]/(df_success['InvoiceNo'].nunique())

连带率约为21.47，连带率非常好！顾客平均每次购买21样商品，这应该是个超市批发数据

订单金额

每一个InvoiceNo对应一个订单，平均每张订单金额为：

price_per_order = sum(df_success['sumPrice'])/(df_success['InvoiceNo'].nunique())

平均每张订单金额为480.87元

订单内商品数

同一笔订单的所有商品件数

n = sum(df_success['Quantity'])/(df_success['InvoiceNo'].nunique())</pre>

平均每个订单278.86件商品。

客户维度：

客单价

销售额/客户数

price_per_cust = sum(df_success['sumPrice'])/(df_success['CustomerID'].nunique())</pre>

平均每位顾客消费2054.27元

客户消费金额

按客户分组的总金额
消费件数

按客户分组统计的总件数

对于客户消费金额和消费件数，使用数据透视表计算每位顾客的消费金额和件数

# 使用数据透视表计算每位顾客金额和件数
    cust_pivot=pd.pivot_table(df_success,index = 'CustomerID', values = ['sumPrice', 'Quantity'],aggfunc=np.sum)</pre>

按客户分组透视

可以看到排名第一的大客户14646订购数量高达19万件

商品维度

按商品货号分组，计算每种商品的售出数量和销售金额

4.数据可视化

绘制客户的总购买数量及总购买金额（按总购买金额排序，这里仅展示前20名）

顾客.png

可以看到花钱最多的14646顾客，购买数量及购买金额都是最多的，而购买金额排2、3、位的顾客，购买金额和购买数量比值较大，购买的是一些高价值商品

绘制商品的总售出量和总售出金额

商品.png

可以看出货号为23843的商品卖的钱最多，而23166的销量与23843几乎持平，销售总金额仅有一半，说明它的单价较低，但客户需求量较高，要保证库存

5. 进一步分析

客户贡献度
商品贡献度
商品关联销售
商品销售趋势

......