Excel是市面上最流行的办公软件之一，也是数据分析师入门最好的学习工具。因为其功能强大、操作简单，可以快速对数据进行清洗，建模，可视化，操作者不需要其他计算机基础也能快速上手。所以选择Excel进行数据分析入门的项目实战工具是比较合适的。

数据来源：

Baby Goods Info Data-数据集-阿里云天池​tianchi.aliyun.com

1）明确问题

在开始分析之前，我们要明确我们要研究的目的，围绕着这个主题展开分析。面对海量数据，可获得的信息太多了，很容易就在数据里面迷失了方向，最后花了很多时间也不一定能找到对我们解决问题有价值的信息。我们需要明确我们要解决问题是什么，针对问题进行分解，通过分析逐步锁定关键因素，高效地解决问题。

以下是在大概熟悉数据后，我们可以研究的方向：

1. 那些时候销售情况比较好，销售量比较高？
2. 畅销的商品类别有哪些？
3. 用户的购买行为与婴儿年龄、婴儿性别是否有关，能否根据购买行为预测孩子年龄、性别；或者根据孩子年龄和性别预测用户购买哪种商品？

2）理解数据

表1购买商品表共29972条数据，包括7个字段，分别是

user_id，用户ID（外键）。表示某交易记录的购买用户，可以在表2中查询到相应用户的婴儿信息，可用于分析婴儿特征。

auction_id，交易记录ID（主键）。与用户ID共同构成此表的主键，唯一标识购买记录。

cat1，商品的一级分类ID。

cat_id，商品的二级分类ID。与一级商品分类ID构成从属关系，也就是二级分类从属于某一商品一级分类。可以统计分析某一类商品的销量，找出销量较好的商品种类及原因。

property，具体商品属性，有144个缺失值。

buy_mount，购买数量，可以分析购买特定商品的每单购买量，从而汇总得到购买频次，有助于预测最佳库存水平。

day，购买时间。通过分析购买时间，可以得到顾客集中购买的时间段，分析集中购买的原因，针对性开展营销活动。

表2婴儿信息表954条数据，包括3个字段，分别是：

user_id，用户ID（主键），唯一标识用户信息。

birthday，婴儿出生日期，代表着婴儿的年龄信息，可以汇总不同年龄段婴儿对商品种类的需求，以便展开精准营销。

gender，婴儿性别。可以研究婴儿性别对不同商品的种类需求，以便展开精准营销。

这两个表的用户ID字段表示的信息是一致的。

3）清洗数据

3.1修改列名

把英文字段名称修改为中文。大部分从数据库取出的数据字段为英文，转化为自己理解的中文，更方便我们操纵数据。

3.2删除重复值：主键（用户ID，交易记录ID），唯一标识购买记录。以用户ID+交易记录ID字段为条件，在excel进行中删除重复值操作，结果为无重复值。表明该数据集较规范不需要过多清洗。

3.3缺失值处理：只有具体商品属性有缺失值，不影响分析结果，不处理。

3.4一致化处理：

有些数据并不是我们想要的格式，通过一致化处理把原始数据转化成便于操作的数据格式。

购买日期数据类型为常规数值型，通过分列转化为日期型。

同样处理表2的婴儿出生日期

4）分析/建模

4.1哪些时候销售情况比较好？销售量比较高？

因为某些年份的统计数据不完全，所以不能按年汇总统计比较销售量，我们可以选择按季度汇总统计，可以看出销售量存在季节性，每年的第一二三四季度销售量逐步攀升，总体呈上升趋势。由于2015年第一季度的数据不完全，导致呈现的销售量数值偏低。证明国内婴儿食品的消费市场快速增长，消费潜力巨大。

把月销量整理到新的工作表区域，用描述统计工具对月销量进行描述统计汇总分析。结果如下，可以看出平均值偏高，标准差较大，证明月销量分布极度不平均，波动程度大，需要某些月份进行监控，防止出现库存严重短缺或严重积压的情况，影响正常运营。

把精度细化到月份，可以看到2014年11月的销售量特别巨大，婴儿食品销售量为13044，是去年同期销量的5倍多。大致原因推测为双十一促销活动的成功导致当月销售量激增。可进一步分析双十一促销效果，制定合理的营销策略，配合相应的库存策略，应对集中的需求。

4.2畅销的商品类别有哪些？

对不同商品种类（一级分类）的销售量进行汇总统计，按销售量从大到小排序，发现销量集中在前三种类别的商品。

接下来分析哪些商品（二级分类）比较畅销

做辅助列，合并成“商品一级分类ID-商品二级分类ID“的形式，命名为商品ID

显示销售量前10商品。由图可以看出一级分类ID为50014815，二级分类ID为50018831的商品销售量特别大，甚至是销量第二的3.5倍。可以说是婴儿食品里面的爆款了，需要进一步分析其销量领先的原因。

为了快速对不同商品分类的销量进行分析，对商品一级分类ID、二级分类ID进行切片。

排名第一，ID为50014815-50018831的每月销量情况如下图：

除了每年11月份销量有所上涨外，其余各月销量基本低于120。2014年十一月份销量突然猛增，是使其成为销量冠军的主要原因，但是后续市场反应也平平，需要关注产品本身的质量问题。

4.3用户的购买行为与婴儿年龄、婴儿性别是否有关，能否根据购买行为预测孩子年龄、性别；或者根据孩子年龄和性别预测用户购买哪种商品？

进行多表连接查询：利用vlookup查询对应用户的婴儿出生日期、婴儿性别记录，把查询得到的结果复制粘贴到新工作表，

婴儿性别为无性别（值为2）的比例很小，删除此部分数据

计算得到婴儿年龄，存在负值统一处理为0。使用Excel加载项-数据分析工具，进行描述统计分析。可见婴儿年龄数据在0-2829周岁之间，范围较广，中位数和平均值相差较多，分布不均匀，标准差也比较大，波动程度较大。

为了方便统计分类，新增一列“阶段”，将年龄向下取整，得到分布情况如下

统计汇总结果反映婴儿年龄结构，可见到6岁以上各项占比很少，归为一类“六周岁以上”。将年龄为0的数据根据实际意义改成“一周岁以下 ”，整理后婴儿年龄分布情况如下。

婴儿性别分布

可见婴儿男女比例较均衡。

对不同一级分类商品购买者婴儿年龄的平均值和标准差进行计算，初步得出不同商品一级分类的目标婴儿群体年龄是不同的，由标准差可看出分布相对较集中的有“38”、“50022520”。如“38”的目标群体在一周岁左右，“50022520“对应目标人群年龄在6个月左右。可以通过购买的商品一级分类推出婴儿的年龄处于哪个阶段。