編輯導(dǎo)語(yǔ)：我們?cè)诿鎸?duì)海量數(shù)據(jù)時(shí)，需要先明確方向，心里有所規(guī)劃后再去進(jìn)行分析。本文從明確問(wèn)題、理解數(shù)據(jù)、數(shù)據(jù)清洗和數(shù)據(jù)分析四個(gè)步驟講述如何利用Excel進(jìn)行實(shí)操，推薦給對(duì)數(shù)據(jù)分析感興趣的童鞋閱讀。

　　如果說(shuō)在數(shù)據(jù)海洋里我是一艘乘風(fēng)破浪的艦艇，那么明確的職業(yè)目標(biāo)就是航行的方向，統(tǒng)計(jì)學(xué)業(yè)務(wù)思維等知識(shí)則是船體嚴(yán)密的構(gòu)造，而Excel和Python等工具的使用就是航行的動(dòng)力。不同于前面2篇文章，今天會(huì)結(jié)合統(tǒng)計(jì)學(xué)的內(nèi)容，重點(diǎn)講述如何使用Excel進(jìn)行實(shí)操，在實(shí)操的過(guò)程中會(huì)伴隨著思路的校正與發(fā)散統(tǒng)一。

　　首先，我們需要明確數(shù)據(jù)分析的步驟，沒(méi)有條理的秩序，很容易在海量數(shù)據(jù)中陷入一團(tuán)亂麻中。

　　其次，請(qǐng)讓我根據(jù)以上步驟來(lái)描述我是如何用Excel進(jìn)行探索性分析的？本期以前4個(gè)步驟為主（明確問(wèn)題、理解數(shù)據(jù)、數(shù)據(jù)清洗和數(shù)據(jù)分析，其余請(qǐng)關(guān)注后續(xù)推送）。

　　本期實(shí)操報(bào)表：淘寶和天貓上購(gòu)買嬰兒用戶的交易明細(xì)表、用戶信息表；

　　數(shù)據(jù)來(lái)源于：

　　http://tianchi.aliyun.com/dataset/dataDetail?dataId=45

　　一、明確問(wèn)題

　　在手頭拿到數(shù)據(jù)后，不要著急做清洗和分析，而是先根據(jù)掌握的信息進(jìn)行腦暴，通過(guò)這份數(shù)據(jù)我/我們能大體確定些什么問(wèn)題，可以通過(guò)腦圖（比如Xmind）在羅列的諸多猜想后，根據(jù)重要性進(jìn)行排序。

　　為什么要怎么做？古話云：磨刀不誤砍柴工，先把問(wèn)題了解清楚，有利于后期的分析，而不是貿(mào)貿(mào)然上手，花費(fèi)了諸多功夫，到頭來(lái)悲涼地發(fā)現(xiàn)得出的結(jié)論與要分析的方向南轅北轍。

　　根據(jù)已有信息，可假設(shè)如下需驗(yàn)證的問(wèn)題：

　　二、理解數(shù)據(jù)

　　猴子聊數(shù)據(jù)分析里的短視頻小姐姐的一個(gè)說(shuō)法讓我印象深刻，她將”理解數(shù)據(jù)”比作炒菜前準(zhǔn)備的“蔥蒜姜末”等佐料，對(duì)于數(shù)據(jù)分析這道大餐，表格中的不同字段，其背后的含義要能理解清楚，否則就是菜不對(duì)味兒。

　　三、數(shù)據(jù)清洗

　　切記：數(shù)據(jù)清洗不要在原始表格上直接處理，可以復(fù)制表格再生成一份，防止原始數(shù)據(jù)被破壞，影響工作效率。

　　選擇子集：可以遵循二八原則，面對(duì)眾多字段要有取舍，選擇核心的字段

　　以產(chǎn)品信息表為例：7個(gè)字段中，商品屬性初步來(lái)看分析價(jià)值不大，可隱藏，后面可視具體情況如有用再取消隱藏

　　列名重命名：一般從數(shù)據(jù)庫(kù)導(dǎo)出的數(shù)據(jù)字段名可能是英文的，那么可以切換到中文，方便自己和他人了解

　　轉(zhuǎn)化為：

　　缺失值處理：容易忘記的一個(gè)環(huán)節(jié)，尤其是遇到大量級(jí)的數(shù)據(jù)，一定要檢查一下，可以使用countblank函數(shù)，補(bǔ)全的4個(gè)方法：缺失值較少可手動(dòng)補(bǔ)齊、刪除、數(shù)值的話采用平均值代替和通過(guò)統(tǒng)計(jì)模型算出的值進(jìn)行替代。

　　本文使用的2張報(bào)表中的產(chǎn)品信息表的【產(chǎn)品屬性】有缺，但此列已隱藏，故不作補(bǔ)充。

　　一致化處理：將表格中不規(guī)范數(shù)據(jù)進(jìn)行批量處理，2張表中的日期數(shù)據(jù)需要處理成正確可計(jì)算的日期型數(shù)據(jù)，可以先用len+left/mid/right+find函數(shù)進(jìn)行組合，本例中的數(shù)據(jù)比較齊整，也可以采用分列來(lái)拆分，具體使用以實(shí)際情況為準(zhǔn)。

　　異常值處理：與缺失值一樣，不可遺漏，對(duì)于輸入性的數(shù)據(jù)值尤其是要檢查，消費(fèi)者信息表中【性別】和【出生日期】作為重點(diǎn)排查對(duì)象，使用vlookup將2張表格進(jìn)行互聯(lián)，通過(guò)【購(gòu)買日期】和【出生日期】相減除以365取整得到年齡，再對(duì)【年齡】進(jìn)行排序會(huì)發(fā)現(xiàn)有”28”這個(gè)異常值，通過(guò)與其他值對(duì)比，可以推測(cè)原因是出生日期填寫(xiě)的是父母，排查出的異常值可剔除。

　　四、數(shù)據(jù)分析

　　在分析版塊中，我重點(diǎn)采用了Excel的【數(shù)據(jù)透視表】、【數(shù)據(jù)分析】中的【描述統(tǒng)計(jì)】和Vlookup函數(shù)，具體詳見(jiàn)如下：

　　產(chǎn)品信息表的分析思路：在對(duì)一級(jí)類目進(jìn)行基礎(chǔ)匯總統(tǒng)計(jì)時(shí)發(fā)現(xiàn)不同類目之間的銷量差異明顯，對(duì)該表的銷量進(jìn)行描述統(tǒng)計(jì)發(fā)現(xiàn)極值差懸殊，在此基礎(chǔ)上針對(duì)銷量這一列進(jìn)行分組產(chǎn)生新的字段【訂單類型】，由此結(jié)合一級(jí)類目、訂單類型和購(gòu)買日期3個(gè)維度組合分析（注：購(gòu)買數(shù)量默認(rèn)統(tǒng)一為當(dāng)天單筆訂單）。

　　提取整體銷量和6個(gè)一級(jí)大類的分別對(duì)應(yīng)銷量，使用【數(shù)據(jù)分析】中的【描述統(tǒng)計(jì)】，返回結(jié)果如下（共3列，后2列選取標(biāo)準(zhǔn)差最低和最高的2個(gè)一級(jí)大類）：

　　由上可得，不同類目間的銷量存在波動(dòng)，可以初步推斷類目之間的差異與各大類之間的銷量波動(dòng)密切相關(guān)。

　　使用Vlookup模糊匹配進(jìn)行分組，根據(jù)電商業(yè)務(wù)場(chǎng)景，存在批發(fā)訂單的可能，5個(gè)以內(nèi)為個(gè)人常規(guī)訂單范疇，6個(gè)及以上都算作批發(fā)訂單，再根據(jù)實(shí)際購(gòu)買數(shù)量分成：小、中及大批量，具體見(jiàn)如下截圖：

　　通過(guò)對(duì)訂單分類進(jìn)行透視統(tǒng)計(jì)，數(shù)據(jù)及發(fā)現(xiàn)如下：

　　再看訂單類型與一級(jí)大類的關(guān)系：

　　根據(jù)上表是否可以推測(cè)目前平臺(tái)的發(fā)展側(cè)重點(diǎn)在于大批量訂單的引導(dǎo)？

　　初步論證如下：

　　如果剔除10000這個(gè)值會(huì)發(fā)現(xiàn)，常規(guī)訂單在14年還處于上升狀態(tài)，占比達(dá)到52%；

　　結(jié)合一級(jí)類目和13/14自然年組合分析：可發(fā)現(xiàn)在14年，“5004815”一級(jí)類目趕超13年排名第一的“28”成為14年Top1，且對(duì)比兩年的發(fā)展速度，“5004815”增長(zhǎng)達(dá)到300%，“5008168”增長(zhǎng)近200%。

　　根據(jù)上圖，進(jìn)一步深挖，可發(fā)現(xiàn)：“5004815”還是與那10000的訂單相關(guān)，排除10000這個(gè)值來(lái)看，14年的各大類整體銷售依然達(dá)到141%的增速，Top3中“28”增速較緩。

　　用戶信息表的分析思路：相對(duì)于產(chǎn)品信息表，用戶的數(shù)據(jù)量較少，算是產(chǎn)品的一個(gè)小樣本，在使用Vlookup進(jìn)行多表關(guān)聯(lián)后，在拼接字段后，根據(jù)用戶ID的唯一性可以分為2張表：其一不含交易信息（字段包括：用戶ID、購(gòu)買日期、性別、出生日期、年齡和年齡分類）不具有重復(fù)值，另一張則包含交易信息（在Vlookup產(chǎn)品信息表時(shí)會(huì)發(fā)現(xiàn)復(fù)購(gòu)的交易記錄），根據(jù)年齡新增字段“年齡分類”，通過(guò)年齡分類、性別、用戶ID及購(gòu)買數(shù)量進(jìn)行多維分析。

　　因考慮文章篇幅較長(zhǎng)，這部分分析簡(jiǎn)略呈現(xiàn)，具體可看后續(xù)推送：

　　結(jié)合下面2圖，可得寶寶年齡集中在0-6歲，占比達(dá)到90%，女性寶寶占比略高于男性寶寶。

/

　　下圖是添加了”購(gòu)買數(shù)量”這一字段，可以發(fā)現(xiàn)在男女寶寶人數(shù)占比相近的前提下，女寶寶的銷量將近是男寶寶的2倍，可見(jiàn)女寶寶的消費(fèi)需求更強(qiáng)勁。

　　根據(jù)上圖，再進(jìn)一步分析男女寶寶在各一級(jí)大類的選擇上呈現(xiàn)出什么樣的特征，由下圖可知，Top1的“50014815”說(shuō)明女寶寶是消費(fèi)者主力貢獻(xiàn)者，可推測(cè)該大類主打女寶寶的產(chǎn)品，緊隨其后的第二和第三，男女寶寶的產(chǎn)品受歡迎程度差距沒(méi)有Top1那么明顯，但相較而言女寶寶占比更高。

　　最后，對(duì)前4步進(jìn)行小結(jié)，縱觀以上的圖表更多是對(duì)數(shù)據(jù)的解讀和推測(cè)，并未根據(jù)數(shù)據(jù)提供下一步的落地建議，且在分析上思維相對(duì)狹隘，后期會(huì)更進(jìn)一步調(diào)整優(yōu)化。面對(duì)數(shù)據(jù)需保持好奇心，能夠由挖到的一點(diǎn)再進(jìn)一步的下鉆，達(dá)到剝絲抽繭的程度。

　　作者：杭州@阿坤，母嬰電商行業(yè)數(shù)據(jù)分析師兼數(shù)據(jù)產(chǎn)品經(jīng)理，致力于研究電商行業(yè)的數(shù)據(jù)驅(qū)動(dòng)增長(zhǎng)以及數(shù)據(jù)產(chǎn)品從0到1的搭建；“數(shù)據(jù)人創(chuàng)作者聯(lián)盟”成員。

　　本文由@一個(gè)數(shù)據(jù)人的自留地 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理，未經(jīng)許可，禁止轉(zhuǎn)載。

　　題圖來(lái)自Unsplash，基于CC0協(xié)議。

  今天的分享就到這里了，想了解更多關(guān)于武漢淘寶托管、淘寶代運(yùn)營(yíng)機(jī)構(gòu)等內(nèi)容，敬請(qǐng)關(guān)注火蝠電商官網(wǎng)。