一 数据来源

选用阿里巴巴天池数据，进行数据分析。电商数据集都会有用户，商品，以及时间字段。不同的字段进行组合可以带来其他有用信息的呈现。

二 理解数据

数据集是关于婴儿商品，包含有以下的数据字段：

商品表格字段：

1）表1购买商品字段

user_id:用户id

auction_id:物品编号（item_id）

cat_id: 商品种类ID（商品二级分类，表示商品属于哪个类别）

cat1: 商品种类ID（商品一级分类，表示商品属于哪个类别）

property:商品属性

buy_mount:购买数量

day:购买时间

2）表2

user_id:用户id

birthday:出生日期

gender:性别（0女性；1男性；2未知的性别）

三 明确问题想从该数据集中得到到哪些信息？

商品销售总数量；单月销售数量，周一至周天平均销售数量；月销售量的波动性。

四 想从该数据集中分析什么业务问题？

1，分析商品销量的走势，预测下年销量

2，商品购买用户的年龄分布，找出商品受众最普遍年龄

五 数据清洗

本次提取的数据较为规范，没有需要重命名或补齐缺失值的部分，对8位数字的时间列进行分列后的时间格式的转换，变成可被系统识别的时间格式。

数字格式 时间格式

生成新的统计列：通过宝宝的出生时间计算出新的统计列--年龄

跨表查询：对有用户信息的购买者，在商品销售表格中查找，并筛选。

通过vlookup函数，对比ID，查找出年龄，使用相对定位。

六 数据分析结果

按年销售的统计数据

从每年的销售业绩看，销量呈增长趋势，因此可以推测，2015年销量会高于2014年

用户年龄分布：

购买群体的年龄分布

商品销售量和用户年龄以及时间的分布

商品销量与性别的分布

经过对数据的分析，发现商品销量是一个按月增长的过程，市场前景不错，商品针对用户群体是0-3岁的小朋友。女婴儿用户高于男婴儿用户。

七 总结知识点

通过一个简单的数据集分析，主要目的是熟悉数据清洗的流程：

1 选择子集

2 列的重命名

3 删除重复值

4 缺失值处理

5 一致化处理

6 数据排序

7 异常值处理

熟悉常用函数：if len find mid left vlookup

建立透视表，生成内置的可视化数据图，生成统计信息。