今天為大家分享的項目作品是來自於參賽用戶楓城的作品，主題是基於人、貨、場的電商平台數據分析，分析的思路非常清晰，可視化報告的部分做的也不錯，對數據分析新手來說非常具有學習價值。

場景介紹

業務背景介紹：小風是一名剛入職的BI工程師，在試用期結束期間，導師拿着一份電商數據給到小風，要求其給出合理分析結果

分析目的：小風通過分析電商平台兩年內的銷售情況和發展情況，找出平台發展對應結論，並給出相應改善建議。

分析工具：FineBI

分析思路

首先我們明確這次分析的目的對於電商平台相關數據，分析發現問題並給出相關建議，決定從傳統的人，貨，場角度進行分析。

場的維度我們分析平台銷售的健康情況和銷售分布情況。可以得到平台銷售的分布特點和增長趨勢。

接着我們通過貨品分析，了解到該平台，品類銷售情況和產品的價格帶在哪個位置，以此可以進行ABC分類的優化和了解平台產品定位，同時我們通過評分還了解到產品體驗還有待優化，並嘗試定位產品低評的原因

接着會員分析，我們了解到會員的增長趨勢和會員的分布情況，發現會員也大量分布在巴西沿海，同時我們還通過AARRR模型和RFM模型了解到會員轉化率情況及消費屬性，並確定了重要價值客戶的佔比和地理分布位置，客戶分層，有利於精準營銷。

同時通過分析會員訂單了解會員消費時間點和消費方式及平均付款時間。同時也通過會員的評分，了解到會員的潛在訴求。

其他分析-物流分析，最終分析了該平台的物流情況，發現物流不準時佔比偏高，物流時間也偏長，但同時物流費用佔比訂單費用偏高，人們的消費和收到的服務不成正比，同時通過低評的不準時佔比和物流時間驗證該猜測，確定低評現象和物流服務有關。

最後，就以上結論和現象進行相關改善建議

整體分析腦圖如下所示：

基礎數據表主要為以下9張，如下圖所示，AAARR模型表，巴西各州輔助表，表關係，地區經緯度表是我通過其他途徑獲得的輔助數據表。

主要用到自助數據集寬表為：訂單核心各維度聚合寬表，RFM模型表

數據整理過程:

第一步：獲取：登錄kaggle，下載公共數據集，需要翻牆和擁有kaggle賬號。（想去Kaggle參加競賽的朋友可以找我要翻牆工具）

第二步：清洗：為了保證源數據準確性，將上述9張EXCEL基礎數據做去重及異常值處理（如數據查重，時間值前後，金額正負等常規判斷），通過EXCEL配合相應函數完成，因比較簡單，這邊不做過多敘述。

第三步：導入傳入到FineBI，並為了方便操作，將每張EXCEL表單獨創建一張寬表，作為維度表。(方便單表添加字段或維護)，為後續製作大寬表打下數據基礎。

第四步：主要寬表製作（1）訂單核心各維度聚合寬表。

a、以Olist_order_dataset為核心表，鏈接各維度表，創建訂單核心各維度聚合寬表。其表間血緣關係如下所示。

b、選取訂單核心表，通過左右合併依次和各維度表進行合併

c增加過濾，過濾出2017年至2018年的數據

d、新增列是否準時通過預期物流到貨時間和實際到貨時間比較

e、新增列新老會員

f、訂單核心各維度聚合寬表創建完畢，其雪花模型如下所示。

第四步（2）：主要寬表製作（2） RFM模型表

a、首先取訂單核心各維度聚合寬表對應字段。

b、新增列，距今消費時間天數，後續可計算平均消費時間天數，並以此判斷R值

同理，通過會員消費頻次，計算平均會員頻次，比以此進行F值計算；通過會員消費金額，計算平均會員消費金額，並以此進行M值計算。

c、合併RFM，對R,F,M進行拼接

d、通過IF函數對RFM進行中文定義

至此相關數據處理完畢，數據整理告一段落。

a、整體框架：整體排版按照故事的敘事來進行排版，具體為如下板塊，任務背景，明確目的->“場”分析->“貨”分析->”人”分析->其他分析->總結建議。

b、圖表選擇：圖表選擇可以看這張圖：

c、分析思路和對應結論

場分析:通過季銷售趨勢圖及環比，還有各州金額分布分析了解平台銷售走勢和銷售分布，了解平台銷售是否健康及銷售重點區域。

1）發現相較2017年，2018年的銷售金額和銷售量呈環比上升趨勢，最近兩季度略微下降，趨向平穩。平台客單價在175Reals/單浮動。說明平台整體的態勢還是向上發展的。
2）了解到訂單來源主要來自巴西沿海各州，其中聖保羅州，里約熱內盧州，米納斯吉拉斯州為訂單量產出州TOP3，而反觀巴西內地產出偏低，小風猜測這也許巴西經濟中心集中在沿海各州有關。

貨分析：通過帕累托分析品類銷售情況，散點圖探究品類寬度和銷售關係，再通過價格帶分析，了解平台產品定位。通過評價佔比了解產品滿意情況，通過產品完整性分析驗證猜測。