今天为大家分享的项目作品来自参与用户凤城，其主题是基于人、货、市场的电子商务。

平台

数据分析

，分析的思路非常清晰，可视化报告的部分做的也不错，对数据分析新手来说非常具有学习价值。场景介绍

业务背景:小峰是一名新的BI工程师。试用期结束，导师给了小峰一份电商数据，让他给出一个合理的分析结果。

目的:小峰通过分析两年来电商平台的销售和发展情况，找出平台发展的相应结论，并给出相应的改进建议。

分析工具:FineBI

分析思维

首先我们明确本次分析的目的是分析电商平台的相关数据，找出问题并给出相关建议，决定从传统的人、货、市场的角度进行分析。

领域维度我们分析平台销售的健康度和分布。可以得出平台销售额的分布特征和增长趋势。

然后通过对商品的分析，了解平台、品类销售、产品价格所处的位置，从而优化ABC分类，了解平台产品的定位。同时我们也知道产品体验需要通过评分来优化，尝试定位产品评价低的原因。

然后通过对会员的分析，了解会员的增长趋势和会员的分布情况，发现大量会员也分布在巴西沿海。同时也通过AARRR模型和RFM模型了解会员的转化率和消费属性，确定重要价值客户的占比和地域分布位置，有利于精准营销。

同时，通过对会员订单的分析，了解会员的消费时间、消费方式、平均支付时间。同时，通过会员的评分，了解会员的潜在诉求。

其他分析——物流分析，最后分析了平台的物流情况，发现物流不准时的比例高，物流时间长，但同时物流成本占订单成本的比例高，人的消费与接受的服务不成比例。同时，通过低评价的不准时比例和物流时间验证了猜测，确定了低评价现象与物流服务有关。

最后，针对上述结论和现象提出了一些改进建议。

整体分析脑图如下:

数据整理

有九个基本数据表，如下图所示。AAARR模型表，巴西各州辅助表，表关系和区域经纬度表是我通过其他途径获得的辅助数据表。

主要的自助数据集宽度表有:订单核心维度聚合宽度表和RFM模型表。

数据整理过程:

第一步:获取:登录kaggle下载公共数据集，需要翻墙并拥有kaggle账号。(想去Kaggle参加比赛的朋友可以找我要翻墙的工具)

第二步:清洗:为了保证源数据的准确性，对上述9个EXCEL基础数据进行重复和异常值处理(如数据查重、前后时间值、金额加减等。)，由EXCEL配合相应函数完成。因为比较简单，这里不做过多描述。

第三步:导入传递到FineBI，为每个EXCEL表创建一个张宽表作为维度表，方便操作。(方便添加字段或维护单个表格)，为后续制作大而宽的表格奠定了数据基础。

第四步:制作主宽表(1)聚合订单核心各维度的宽表。

a、以Olist_order_dataset为核心表，链接维度表，创建订单核心各维度的聚合宽度表。各表之间的血缘关系如下。

b、选择订单核心表，通过左右合并依次与各个维度表合并。

c增加过滤，过滤掉2017年到2018年的数据。

d、新增栏目是否按时通过物流预计到达时间与实际到达时间的对比。

E.添加新老成员。

F.订单核心的每个维度的聚合宽度表已经创建，其雪花模型如下所示。

步骤4 (2):制作主宽度表(2) RFM模型表

A.首先，获取订单核心的每个维度的聚合宽度表的对应字段。

b，添加一个新列，从现在起的消费时间天数，然后计算平均消费时间天数，并以此来判断R值。

同样，会员消费频率计算出的是平均会员频率，这个比值计算出的是F值。通过会员消费金额计算平均会员消费金额，并以此计算M值。

c、合并R、F、M，拼接R、F、M。

用IF函数定义中文的RFM

至此，相关数据处理完毕，数据整理告一段落。

完成分析报告

A.整体框架:根据故事的叙述做整体排版，具体为以下几个板块，任务背景，明确目的-->“场”分析-->“货”分析-->“人”分析-->其他分析-->总结建议。

B.图表选择:您可以查看此图表进行图表选择:

c、分析思路及相应结论

实地分析:通过季度销售趋势图和环比，以及各状态的金额分布分析，了解平台的销售趋势和分布情况，了解平台销售是否健康，销售的重点领域。

1）发现相较2017年，2018年的销售金额和销售量呈环比上升趋势，最近两季度略微下降，趋向平稳。平台客单价在175Reals/单浮动。说明平台整体的态势还是向上发展的。 2）了解到订单来源主要来自巴西沿海各州，其中圣保罗州，里约热内卢州，米纳斯吉拉斯州为订单量产出州TOP3，而反观巴西内地产出偏低，小风猜测这也许巴西经济中心集中在沿海各州有关。

商品分析:品类销售帕累托分析，散点图探究品类宽度和销售关系，然后价格带分析了解平台产品定位。通过评估比例了解产品满意度，通过分析产品完整性验证猜测。

1）发现health_beauty,watches_gifts,bed_bath_table这三个品类为该平台热卖品类，且18年销售均大于17年，呈上升趋势 2）通过散点图分析，确认了宽度越宽的品类往往销售额也越高 3）列出TOP10销售的产品，得到平台价格带定位在0-100 ，主要面向低端客户群体 4）1-2分的低评占了评价的18%，平台服务有很大提升空间，探索其低分原因不是由产品本身不完整性导致的

人:分析平台会员趋势了解平台会员健康状况，通过地图分布了解会员分布，通过AARRR模型了解会员转化率，通过环比图了解新老会员销售情况。使用RFM模型对成员进行分层，确定重要价值客户的分布。利用会员行为分析，了解会员下单的时间、付款方式、平均付款时间，还可以了解会员的低分和评论时间趋势。

1）发现2017年至2018年会员总体呈上升趋势，但2018年第三季度呈现下滑状态。 2）通过会员各州分布和城市分布发现，会员主要集中在圣保罗州，里约热内卢州，主要分布城市为sao paulo riode janeiro 3）一般电商模型为AARRR模型，发现平台转化率在98%左右。 4）发现重要价值客户占会员体系的17%，而重要价值客户也凭借着自己的高客单，高销量为销售额提供了主要贡献。 5）会员下单主要集中在11点，16点，20点，喜欢用credit_card作为支付手段，平均付款时间在6.46小时。 6）发现会员评分4-5分约占78%，总体好评居多，但1-2分也占据着13%,存在一定风险，可以适当优化，会员评论时间集中在11-12,21-23时间段。

其他分析:通过分析物流准时率、物流时间占订单时间的比例、平均物流天数、物流运费金额占总金额的比例来评估客户物流服务的投入产出比，通过低评级不准时率和物流时间来验证猜测。

1）顾客对物流服务的投入产出比低下，造成较大不满 2）低评确实是由物流因素引起

相应建议:

d、整体色彩布局偏暗，浅色的布局已经很难处理了。后来再试一次，统一调整字体和字号，让画面看起来更整洁美观，在结论处对应指标做颜色标记，比如红色表示指标好，绿色表示指标差。整个优化采用局部美化，完成时整体优化的方式。

配色网站推荐:材质调色板:,平板UI颜色:

E.作品展(有些比较模糊，原图太大放不下，只能压缩，我们就随便看看，有兴趣的可以下载PDF看)

摘要

经验分享:带着目的去分析，一步一步按照分析框架去做，享受分析过程。

本文地址：[https://chuanchengzhongyi.com/kepu/7aed78e92e3ec119.html]