粗略查看了本文的数据集，确认为随机生成，不具有现实意义。本文重点展示思路和可操作性。我曾服务于小县城众多通讯设备店店主，本文差不多就是平日工作缩影。
数据来自Kesci。中国移动终端销售数据集
数据说明
本数据集包括了4万多条移动终端销售订单数据，包括具体的手机型号、地区和用户信息等。
数据完整，字段有：订单日期 年 月 地区名字 省份名字 城市名字 品牌 型号 运行内存 机身内存 数量 用户姓名 年龄 性别
观察这份数据。不太像针对普通消费者的销售记录，因为销售数量每个订单都是>2，普通消费者应该不会一次买那么多手机吧。更像是针对经销商代理商的数据。
项目目的
那么兴趣就来了，基于这份数据，如果我是经销商，向这家公司采购手机，我会选择在哪个省开店。因为资金有限，开店只能是个小店，而且不能品牌太杂，分散资金利用，开个专卖店吧。更因为资金有限，我只能选择某些型号，专挑生命周期长，卖的比较多的，别人卖什么，我也卖什么，踩着石头过河总不会错。
专省 专品牌 个别型号。
项目思路
在哪开？
先来看一下全国销量的同比、环比情况。（tableau绘图）
手机市场从19年年初开始销量就大幅度的提升，针对经销商嘛，过年物流之前肯定要囤货，二月继续囤直到物流停止。三月迎来新品手机发布潮，开始进新货。上学季有短暂的淡季，减少进货。六七月迎来学生购机潮，使劲销售和进货。9月又迎来新品发布潮，又一波新机需要采购大麦。10-12月稳定销售。2020年疫情，不能外出，减少了手机的终端消费，也使得经销商减少了采购。很符合实际情况的曲线。
全国情况可以看做整体的大环境，能跑赢全国的一定很值得投资。
对全国和各个省份环比的标准差进行排序，标准差越大的，环比振幅越大，可以间接反映市场也越不稳定，淡季和旺季的销量相差很多。作为一个没多少资金的小店主，能想到的就是快速回本，让资金流起来，决不能让因为淡季产品卖不出去，进多了货而占用资金。全国上下，也就北京和上海比全国的标准差更小了，相对稳定，淡季旺季不是特别明显。
对全国和各个省份的同比按照中位数进行了排序。同比中位数高的，不考虑其他现实意义的因素的话，市场爆发力一定高，同时标准差也小于全国的话，就是相当稳定的爆发力。作为小店主，希望顾客都是有钱人，买手机和买菜一样。
但观其数据， 北京和上海的中位数较全国低很多，也就是说，这两个城市的18年和19年差不多，更偏向于稳定。最终选定，还是北京吧。
让我看看图表吧
选定城市之后，我就要选定品牌。
选哪个品牌？
先来看看全国的品牌占比。
从上两个图看，vivo是手机品牌力的主力军，小米其次。
同时，vivo品牌的销量稳定性却不高。作为一个小店主，首先考虑的就是资金的周转率，一是要销量大，二是要销量稳定，能预计得到接下去动用的资金，能预计的到大概多久能将货卖完，不占库存。
经过对北京市场各个品牌同比和环比的描述统计，满足销量大而且销量稳定的要求的品牌，只有小米了。
选哪些型号？
接下去就是选择型号。
在手机采购和操盘上面没有经验，最简答的方法就是看别人卖什么，那就采购什么。结合这些型号的生命周期看，哪些型号复购率高，哪些型号回购率高，那就证明这个型号很有市场，消费者比较喜欢。
如果数据真实的话，所呈现的效果应该是，在一款手机上市之前，全部是白色，为0。新款上市之后，特别的红，随着时间的推移，颜色慢慢淡下来，数量慢慢减少直到为0。也有可能就是产品不受消费者欢迎，店主很少采购，一开始就不多不红，突然之间就变0了，之后再无。
虽然数据源真实性不高，但是我要做的事仍可以继续。
展示复购率，发现全部都为0；难道是因为客户每个月只进一次货。所有的货都固定一天内采购。对于一些大企业来说，这个是有可能的。
回购率。仅仅只有个别产品在个别月份有客户回购。
回望数据集，看样子虽然有4万多条，但几乎没有重复。框架是针对普通消费者的，填充的数据却是像针对经销商的。
根据以上复购率和回购率情况，最终选定红米NOTE8和红米NOTE8 pro来卖。（别吐槽，数据决定的，我太难了）
总结
基于这份数据，我最终决定在北京开一个小米店，由于资金少，我选择生命周期长且其他客户近期回购相对较高的红米NOTE8和红米NOTE8 pro来卖。
数据分析能够基于过往数据，针对指定的目标提供相对正确的选择。在我以往的工作中，更多的店主基于自己的经验甚至是个人喜好，采购了并不一定深受消费者欢迎的产品，占用了很多时间和资金。或者，有些店主想要转型，丰富产品，但不知道未知领域的产品该如何配比。数据分析都能够给出相对正确的选择。
在完成上面步骤之后，要确定销售目标的，也就是每个月的采购量，分析其他客户单一型号每个月采购量的均值、中位数等，可以相对应的调整（比如他们是一个月进一次，我分成两次三次），然后进行采购。但由于数据源的问题，没有办法做这一步。实在可惜。
