淘宝数据可视化分析
一、思维导图
1、数据集内容思维导图
首先，拿到数据集包，分为两个数据集，分别为购买商品表和婴儿信息表。我们分别列出两个数据集各自的所有信息，然后在子元素中列出每个信息所代表的涵义，以及提炼出可以解决什么问题。
2、当我们梳理出所有的数据集直接信息后，可以概括出一条标准数据集所应该具备的信息
3、当我们有了数据，下一步就是确定本次要分析什么，准备解决什么问题，当然分析内容一定是有数据来支持的，或可以直接出结论，或者间接得到结论，因此思维导图要尽力体现出多角度的完备性。
另外，不同信息内容还可以互相组合得出新的信息。
二、提出问题
三、解决并分析问题
1、热门商品是什么：首先热门商品指的是具体哪个产品卖得好，但我们发现数据中没有产品单价，只有数量，结合ID汇总，我们就有了两个维度：即商品购买的成交量和购买频次，其中任何一个数据突出都可以称之为热门，因此我们需要对两个维度分别统计，最后交叉综合分析出排名第一的商品，具体算法为“购买强度=购买次数/总购买次数*购买数量/总购买数量”，这一统计方法将贯穿全分析报告。
1）统计出购买数量排名前10名
2)统计购买次最多的10个商品
3）分别统计出销量和频次的排名过后，将透视表中的数据复制到新表中做下一步处理,观察数据可以发现，有的商品一次就出现上千件购买，但次数只出现1次，因此需要均衡频次和数量的方式，找到最大值。得出最终前5的排名。
2、热门品类排名是什么：
热门品类按与商品相同的思路处理
一共六个品类中热度排名前三的品类远超后三类，且销量之和占到总销量的88%，购买次数之和占到了总购买次数的81%，都是绝对的强势品类。
3、用户购买时间偏好：
这个问题是通过对用户购买行为时间进行分析，掌握用户购买行为的规律，可以更好的有针对性的优化促销、广告投放等行为。因此可以有以下两个角度来分析：
同比：1）各年购买情况；
2）各月购买情况：
环比：3）各年同月份汇总购买情况；
4）各年单日销量最多排名前十是那些天，有什么特点。
1）各年购买情况：
在图中我们可以看到除了15年只有第一个月以及12年只有多半年的数据外，12、13、14年整体销量是在逐步增加的，且增幅巨大。
2）各月购买情况
可以清晰看到连续四年同月销量情况。可以看到各月都是逐年递增的，尤其是14年11月销量突然暴涨，以及该年12月份销量出现下滑。虽然15年只有不足两个月数据，但1月数据是完整的，明显看出比前两年同月销量多了一倍多。
3）各年同月份汇总购买情况：
由于数据集时间范围是2012/7/2-2015/2/5，所以两端的数据都是非整月数据，相对客观的统计方法为将历年各月销售量加总并算出各月日平均销量进行比较。
加总完成后我们可以看到最高的是11月，最低是6月，但11月异常高，其他月份却相对平坦。
4）各年单日销量最多排名前十是那些天，有什么特点？
通过观察我们发现每年销量最大单日都发生在年底和年初即11、12、1月附近，虽然2015年数据只到2月初，但明显看到情人节这天远超同年其他单日，另外每年双11附近日期销量都能排在前列。
4、商品大类有什么时间规律
计算各月各品种平均数值后可以直观看出三点：
第一是各品种不同月份的热度，28的热销期是7、10、11、12月；38是8、11、12月；50008168是5、9、11月；50014815是11月；50022520是5、9、10月；122650008是3-5、9-12月。
第二可以看到，不同品种间的热度对比。9月和11月的50008168和50014815都呈现出极度热卖状态。
三是可以看从所有商品热度趋势，平台火爆期从6月开始稳步上升，直到10-11月进入爆发期，12月开始衰退，直到第二年2月左右到达低点，继续相对平淡期。5月附近出现一个小高峰。
5、用户消费水平：
消费者平均购买次数以及平均购买件数：通过数据透视表我们可以算出人均购买次数为1.000901683次，人均购买件数为2.546419984件。
将所有用户的购买次数和购买件数统计后排除极少数巨量数据后绘制散点图，可以发现除了少数几个用户出现了单次巨量购买意外，基本大部分用户都是购买了1次，购买数量集中在1-200件之间。
6、婴儿生日分布如何，生日和性别对购买行为有何影响？
1）婴儿生日分布如何：
经筛选后具有生日信息的id数为956条。
可以看到生日最多的月份依次是8、3、11月。
再来看各日期男女生日分布情况，由于由于男女性别数值为0/1，而数据集中出现了26个“2”值，且在总数中出现次数极少，可以判定“2”为未填写性别信息的用户，因此再做性别分布前先将“2”值数据过滤。
可以看到男女生日高峰分别是3、10、11月，8、1、3月。
再来看下生日和偏好品类的关系。
可以明显看到最突出的关联是：11月出生的人对于50008168偏好很高，8月生日对50014815偏好很高，1月9月对28偏好。
2）性别对购买行为有何影响？
接下来我们分析男女购买人次占比
可以看到在所有购买行为中男性购买人次略多于女性，50008168男性购买次数明显多于女性，50022520女性购买人次明显多于男性。
最后看男女购买商品件数的对比
总销量上，男性依然大于女性，且较购买次数差距进一步加大，尤其是50014815，女性只购买了一小部分，而50022520主要是女性购买为主。其他商品比较均衡。
四、提出建议：
到目前为止我们分别分析了商品、商品品类、用户购买习惯，商品品类的时间周期，婴儿年龄、性别的购买行为等几个方面，获得了相对明确的数据支持，因此可以给出清晰的改进建议：
1、单项商品上来看50018831、50013636、50011993是最热销产品。其中50018831是成交量最大的产品、50013636是购买人数最多的产品，但这两个产品的短板也比较明显。也就是成交量最大的产品50018831，购买人数表现较差，虽然在购买人数也是在前10之内，但排名有待进步的空间，而50013636正好与之相反。饼图中超常的成交量占比的说明18831可能更多是偏集中性采购，单用户的购买量大，可能对应公司集采，未来应加大针对一般用户的宣传促销投放。而13636最高的购买人次说明具备非常好的品牌认可度，未来应加大机构渠道的推广，提高公司渠道的关注度。
2、产品品类的板块周期效应
首先要提的是从历年总销量数据中心，明确体现了电商逐年递增的态势是很明确的，成交量和交易频次的方法，对品类周期会起到非常好的推波助澜的机会，首先50008168、28、50014815是全平台的拳头板块，销售占比巨大，是平台的支柱板块，在品类周期观察中要重点关注。
首先28没有明显的爆发期，全年除了2、3、4低潮外相对比较平均，说明大概率是快消，消耗型品种，应保持价格优势，多做幅度小而持续的优惠。38更加平均，低潮相对28更少，思路同上。
50008168爆发期在9月，季节性较强，应在爆发期加大力度宣传，促销。
50014815全年微量，双11前后爆出巨量，有可能单价较贵，受双11优惠有很大影响，可在双11加大活动力度，或增加平时活动次数。
50022520全年较平坦，9-10稍微放大，应加大9-10月活动。
122650008，周期性也较强，购买量受双11影响，应同样关注购物节活动。
3、用户购买习惯，通过研究用户购买时间等因素，普遍用户也存在周期现象，主要在年末年初有较强的购买意愿，推测为应收款到手/发年终奖等因素，手中有较多现金，同时也可能受双11/12氛围影响，总之还是要加大年末活动力度的重视程度。
4、生日/性别对购买影响方面：
1）3月9月是生日大月，可以适当集中性的做一些生日相关的活动；
2）针对各月生日月份的品类支持，如500008168明显是消费大类，但1、2、7、12月生日购买量明显很少，可以采取手段提升这4个月生日客户的购买意愿，增加销量。
3）全平台客户，女性偏少，应当加大女童的产品类别，保持男女比的平衡，做大整体销量。同时50022520是女性购买量比例最大的类别，有一定针对性，可以围绕这个类别作为突破口。
