数据：表1-trade history，表2-baby info（数据来源于阿里云天池，分析教程根据知乎@Dima）
一、分析背景：
时间：2012.7.2-2015.2.5
客户规模：29944人（表1.user_id的非重复项个数）
总销量：sum（购买量）=48097（数据清洗后求和）
业绩取得不错增长，但用户复购率低，新用户增长缓慢。
二、分析目的
通过分析各类商品销售情况，为提高用户黏性，提高销量提供参考依据。
三、分析思路及内容
数据缺乏商品价格等其他相关信息，故将购买量作为销量的主要衡量标准，仅从产品和用户角度方向分析。
1.提出问题
产品：①在售商品的基本结构与销量情况（总销量前三的产品类别及占比）
②销售量时间分布规律
③订单量的时间分布规律
补充④不同类别商品的销量是否会受时间因素的影响？
用户：①婴儿性别对销售量的影响
②婴儿年龄对销售量的影响
③用户指标：会员占比、复购率
2.理解数据
表1-trade history基本描述：29971行×7列
user_id：用户ID
auction_id：行为ID
cat_id：商品种类ID
cat1：商品类别
buy_mount：购买量
day：购买时间
表2-baby info 基本描述：953行×3列
user_id：用户ID
birthday：出生日期
gender：性别
3.数据清洗
3.1 数据检查：选择需要的数据子集
复制一份原始数据，删除操作数据中不需要的列（删除第五列property）。
3.2 列名重命名
3.3数据类型转化
日期数据处理：①分列，列数格式选（日期-YMD），得到格式如2014/9/19；
②将单元格格式设置为日期，如2014-09-19。
3.4数据清洗
删除重复项：由于同一用户可多次购买，故此处不去重。
3.5 缺失值处理
定位缺失值：查找空值，未发现空值。（若数据量较多，删除缺失值字段不影响分析；若数据量较少，则根据业务需求补充缺失字段。）
3.6 数据规则化
统一大小写，替换空格等，此例中数据规整。
3.7 数据排序
根据购买量列降序排列
3.8异常值处理
表2：婴儿出生日期排序后发现有19840616，删除；婴儿性别除了0/1外有26个值为2，当前婴儿性别比例为438：489，故等比例替换，即12个1和14个0。
表1：购买数量大于100的42有42个订单，购买数量替换为1。（另一种更好的方法：平均购买量2.54，标准差64，将超过平均值3倍标准差的数据剔除，即购买量大于185.54的数据共计31行删除。）
4.构建模型
4.1 vlookup
将表1和表2关联，采用fasle精确匹配，有一些行为NA
用if函数将性别0替换为男，1替换为女。
婴儿年龄用datedif函数计算，发现有#NUM!，在婴儿出生前就够买了，将负值替换为0。
4.2描述统计分析
使用数据分析中的描述统计分析购买量
4.3数据透视表 & 5数据可视化
（一）商品分析
1.在售商品总体结构与销量
A. 婴儿商品共有6大类，每个大类还分为数个小类，小类共计662类。
B. 总销量TOP3的商品大类别为28，50008168和50014815，总占比达到82%。最高销量28类商品是最低销量122650008类商品销售量的6.8倍。
C. 小类最多的商品也是28类商品，其小类数量为小类最少商品122650008类商品的15.7倍。
D. 总销量TOP3的小类是50013636，50018831和211122。
2.销售量和订单量的时间分布规律
（1）销售量的时间分布
A. 年度销售量：数据从2012年7月2日至2015年2月5日，2012和2015年度数据不完整，故年度总销量不具备横线可比性。由图可见2013-2014年度销售量呈上升趋势。
B. 季度、月度销售量：2012-2014销售量整体呈上升趋势。2015年第一季度数据不完整，故暂不分析2015年数据。从数据完整的2013和2014年看来，每年的第四季度销售量最高，且全年中11月销量最高。
① 每年第四季度到次年第一季度销售量会出现下滑。推测原因为春节期间快递停运引起。2013年春节为2.9，2014年春节为1.31，成交量于春节前后一周出现明显下滑，验证了假设春节假期对成交量产生影响是成立的。
② 每年的5月和11、12月出现销售量高峰。5月出现销售小高峰，推测五月存在节日促销活动，如母亲节，儿童节。五月整体销量好于6月。11、12月销售高峰推测为双十一双十二促销带来，由图可见11.11和12.12当天均出现成交高峰。
（2）订单的时间分布规律
订单的时间分布规律与销售量的时间分布规律基本一致。
