通过猴子老师的课程，让我知道数据分析的基本步骤，或者说基本思考逻辑顺序大概分为5步

• 提出问题（明确要分析的问题）
• 理解数据集（采集数据集、数据信息、描述统计、字段理解）
• 数据清洗(数据预处理：选定要分析数据子集->列名标题统一->删除重复值->缺失值处理->一致化处理->数据排序->异常值处理
• 数据分析和构建模型（描述统计,数据透视表，数据分组，函数应用，组合结果）
• 数据可视化（可视化工具或者excel 图表）

使用excel做数据分析实操案例

接下来，用学到的数据分析步骤去进行探索性分析，观察分析结论并总结

一.明确问题

通过数据来源的2个excel文件，表1购买婴儿商品和表2婴儿信息的内容，我们可以提出以下业务问题：

1、想知道每年每季度每月的销售额，以及各个种类的数量。

2、不同的年龄以及性别对不同种类商品的需求关系

二.理解数据

观察数据表(表1_购买商品, 表2_婴儿信息), 理解每列数据的含义, 并对列名加备注, 如下图.

三.数据清洗

选定表1购买商品和表2婴儿信息-数据清洗

在对数据清洗之前，选做一个文件副本并重命名，以免在之后的操作过程中，没有备份破坏原始数据。

1）隐藏目前不需要的数据：auction_id、property

2) 删除重复值:对于表2, 利用唯一标识"user_id " , 检查有无重复出现的用户ID，删除27个重复值

3) 缺失值处理: 表1 & 表2 无缺失值.

4）一致化处理 统一日期数据格式为 (年/月/日): 表1G列 (day 购买时间) & 表2B 列 (birthday 出生日期).

5) 异常值处理:

• 出生日期: 其中一位婴儿(用户ID 89520261)出生日期落在1984年, 视其为异常值, 删除异常值
• 婴儿性别: 其中有26个值为 "2", 无法界定是0女或1男; 视它们为异常值, 删除异常值

四.数据分析

1）分组汇总: 商品大类的销量

• 按cat1_商品大类别, 汇总其年销售量和月销售量, 如下图 (图1销量, 图2销量占比).

• 发现问题.

商品销量数据: 2013年和2014年包含全年12个月的数据 , 其余年份只包含部分月数据。

整体销量逐年爆炸性增长:2014全年比2013全年几乎翻番, 2015年仅前两月销量就达4270.

88%的销量集中在3个商品大类: 28 (37.44%), 50014815 (25.93%), 50008168 (24.63%).

2) 分组汇总: 热销产品(子类别)的销量

• 热销产品(子类别)排名.

发现问题

- 销量前三名的商品是—50018831, 50011993, 50012788

- 总体来看, 前25位产品销量基本上连年波动递增

- 同时也有个别特殊数据, 如下图蓝色标出: 50018831, 2014/11月销量11028; 50012788, 2013/12月销量2853; 50007016, 2014/9月销量2749. 对于这几个产品的销量暴增, 有可能是季节促销团购(例如 双十一), 也有可能是异常数据。

3) 分组汇总: 销量按婴儿年龄和性别

分组汇总：男婴女婴百分比

婴儿年龄百分比

发现问题：

男婴女婴的比例基本是1:1，婴儿年龄大部分是在6-9岁

分组汇总：按婴儿性别分析销量

婴儿数据只有953条，而购买商品数据有29972条，先用Vlookup去除了没有性别匹配的项，得出955条购买记录

发现问题：

六大类产品，女婴家长的购买力（销量52.85%）高于男婴家长（销量47.15%)

4)描述统计分析应用

• 选取2014年一整年的销量数据作为被分析数据子集

对六个大类的产品进行描述统计分析

发现问题

月销量平均值：月平均值最高1041.167（商品:50008168)，月平均值最低100.25（商品：38）

月销量中位数：除了商品50008168、28、50014815月销量中位数差距特别大以外，其他商品的中位数、平均值相对比较接近

最大/最小值：商品商品50008168的最大值是1661，直接拉升了此商品的月销量平均值