一、数据来源
和鲸社区>数据集>https://www.kesci.com/home/project/5eaa217e366f4d002d736e4e/dataset
二、数据说明
2010-2011年的英国零售商的交易记录 （salesdata和data是一样的表）
三、数据导入
1.将数据导入MySQL中，更改数据类型。
2.查看表结构：字段类型，主键，是否为空等属性。
四、数据解读
1.查看共有多少条记录，每列是否有缺失值
其中产品描述和客户编号有缺失，缺失率分别是：0.27%左右和25%左右。
2.产品价格<=0的订单数及客户数
价格=0 的有114668条记录，考虑可能是畅销品。
价格<0 的有两条记录，且unit price = -11062，数据较大，考虑可能是系统疏漏或操作错误导致的异常数据。
3.查看共有多少条退货记录，即产品数量<0
五、数据清洗
1.用户名缺失删除
共删除135080条记录。
2.退货及异常数据处理
删除数量 <= 0 和 价格 <0 的记录
3.删除重复值
My SQL 删除重复值分4步：
1）将查询的重复数据插入一个新表中；
2）删除原来的表的数据；
3）将新表的数据再插入原表中；
4）删除新表。
4.查看清洗后的数据
5.新增一列销售额：销售额 = 数量 * 价格
六、客户消费行为分析
MySQL+Tableau结合
主要从消费次数，消费金额，客户购买产品数量三个维度进行分析。
1）客户平均消费次数和平均消费金额
客户平均消费4-5次，客户平均消费金额1468英镑左右。
2）每月的销售额趋势
Tableau 可视化：
从销售额趋势来看，2010年12月到2011年2月，订单量发生了很明显的变化，考虑可能是零售商为了迎接新年加大库存，避免因库存不足而导致销售不好的情况。
3）每月订单数量趋势
4）客户购买产品 SKU 数
5）大客户分析：二八定律
公司目前经营较接近“二八定律”，20%多点的的客户能带来80%的销售额。
6）各SKU销售数量情况
由于SKU数较多，所以只展示了销售数量>5000的产品描述
