分析思路：
1.了解数据
（1）对数据源的数据进行整理
(2) 数据导入到python
（3）查看数据
- 数据有15列，327047行，没有空值
- MonthID,itemID,LocationID 需要修改数据类型，新添加列Month，方便按月进行统计
2、数据处理
(1)数据类型转换
- 把列ItemID，Location 改成字符串类型
- 把MonthID修改成日期型，添加一列Month类型是整型
(2).描述性统计
- 销售价格和数量中都有负数，估计应该是退货，可以统计一些退货的情况
- 销售价格中位数7，平均值是19,数据右偏，最大值是3357，可以统计一下大客户的情况在总体中的情况
（3）图形化客户消费情况
- 销售价格大部分在1000以内，深入局部
- 取1000以内的数据分布好像都在400以内了
- 退单的金额大都在-100以内
- 大单的分布在2000-3500之前，3500 之后又极值
- 查看一下极值，根据实际情况分析一下
3、人货场 —（用户和员工）
思路：- 分析大客户2/8原则找出最有生产力的客户
- 分析员工，看那些员工最有战斗力
- 分析用户的类别，看那些类别客户产出多。
（1）用户消费情况
- 客户数怎么这么少啊，如果按照销量，重点服务客户应该放在前25销量的客户
（2）用户类别分析
- 类别中金额卖的最多的是020-Mens，050-shoes，040-Juniors，030-kids， 跟 类别销售数量最多的不一样，找找原因，重点推荐金额占比高的
- 折扣在010womens中上升了6个百分点,打折对这类商品很有用。
（3）DM(管理者)排名统计
3.人货场—商品
（1）看一下商品销售额与数量的关系
- 处理一下极值
- 价格和销售数量规律性增长
（2）商品退货率
- 退货销售额在销售额，打折销售销售额占比不足1%
3、人货场 ——区域分析
（1）城市
（2）大区
- 商店尺寸的大小和销量关系不明显。
（3）区域质量
- 一共有10个区域，有5个区域加起来的的销售额占了总销售额的80%。
（4）新老店情况
总结：（1）客户购买分布呈现2:8分布，可以重点服务大客户
（2）新店的份额较低，是不是可以做些推广活动
（3）重点分析一下落后区域的市场原因。
