编纂欧易交易所导语：咱们在面临海量数据时，须要先明白偏向，内心有所计划后再去停止剖析。本文从明白成绩、懂得数据、数据荡涤跟数据剖析四个步调报告怎样应用Excel停止实操，推举给对数据剖析感兴致的童鞋浏览。

假如说在数据大陆里我是一艘披荆斩棘的舰艇，那么明白的职业目的就是飞行的偏向，统计较学营业头脑等常识则是船体周密的结构，而Excel跟Python等东西的应用就是飞行的能源。差别于后面2篇文章，明天会联合统计较学的内容，重点报告怎样应用Excel停止实操，在实操的进程中会随同着思绪的校订与发散同一。

起首，咱们须要明白数据剖析的步调，不层次的次序，很轻易在海量数据中堕入一团乱麻中。

其次，请让我依据以上步调来描写我是怎样用Excel停止探欧易交易所索性剖析的？本期从前4个步调为主（明白成绩、懂得数据、数据荡涤跟数据剖析，其他请存眷后续推送）。

本期实操报表：淘宝跟天猫上购置婴儿用户的交易明细表、用户信息表；

数据起源于：https://tianchi.aliyun.com/dataset/dataDetail?dataId=45

一、明白成绩

在手头拿到欧易交易所数据后，不要焦急做荡涤跟剖析，而是先依据控制的信息停止脑暴，经由过程这份数据我/咱们能大要断定些什么成绩，能够经由过程脑图（比方Xmind）在列举的诸多料想后，依据主要性停止排序。

为什么要怎样做？古话云：磨刀不误砍柴工，先把成绩懂得明白，有利于前期的剖析，而不是贸贸然上手，破费了诸多工夫，到头来凄凉地发明得出的论断与要剖析的偏向背道而驰。

依据已有信息，可假定如下需考证的成绩：

二、懂得数据

山公聊数据剖析里的短视频蜜斯姐的一个说法让我印象深入，她将”懂得数据”比作炒菜前筹备的“葱蒜姜末”等佐料，对数据剖析这道年夜餐，表格中的差别字段，其背地的含意要能懂得明白，不然就欧易交易所是菜错误味儿。

三、数据荡涤

牢记：数据荡涤不要在原始表格上直接处置，能够复制表格再天生一份，避免原始数据被损坏，影响任务效力。

抉择子集：能够遵守二八准则，面临浩繁字段要有弃取，抉择中心的字段

以产物信息表为例：7个字段中，商品属性开端来看剖析代价不年夜，可暗藏，前面可视详细情形若有用再撤消暗藏

列名重定名：个别从数据库导出的数据字段名可能是英文的，那么能够切换到中文，便利本人跟别人懂得

转化为：

缺掉值处置：轻易忘却的一个环节，特别是碰到大批级的数据，必定要检讨一下，能够应用countblank函数，补全的4个方式：缺掉值较少可手动补齐、删除、数值的话采取均匀值取代跟经由过程统计较模子算出的值停止替换。

本文应用的2张报表中的产物信息表的【产物属性】出缺，但此列已暗藏，故不作补弥补。

分歧化处置：将表格中不标准数据停止批量处置，2张表中的日期数据须要处置成准确可盘算的日期型数据，能够先用len+left/mid/right+find函数停止组合，本例中的数据比拟划一，也能够采取排列来拆分，详细应用以现实情形为准。

异样值处置：与缺掉值一样，弗成漏掉，对输入性的数据值特别是要检讨，花费者信息表中【性别】跟【诞生日期】作为重点排核对象，应用vlookup将2张表格停止互联，经由过程【购置日期】跟【诞生日期】相减除以365取整失掉年纪，再对【年纪】停止排序会发明有”28”这个异样值，经由过程与其余值对照，能够揣测起因是诞生日期填写的是怙恃，排查出的异样值可剔除。

四、数据剖析

在剖析版块中，我重点采取了Excel的【数据透视表】、【数据剖析】中的【描写统计较】跟Vlookup函数，详细详见如下：

产物信息表的剖析思绪：在对一级类目停止基本汇总统计较时发明差别类目之间的销量差别显明，对该表的销量停止描写统计较发明极值差迥异，在此基本上针对销量这一列停止分组发生新的字段【订单范例】，由此联合一级类目、订单范例跟购置日期3个维度组合剖析（注：购置数目默许同一为当天单笔订单）。

提取团体销量跟6个一级年夜类的分辨对应销量，应用【数据剖析】中的【描写统计较】，前往成果如下（共3列，后2列拔取尺度差最低跟最高的2个一级年夜类）：

由上可得，差别类目间的销量存在稳定，能够开端揣摸类目之间的差别与各年夜类之间的销量稳定亲密相干。

应用Vlookup含混婚配停止分组，依据电贸易务场景，存在零售订单的可能，5个以内为团体惯例订单范围欧易交易所，6个及以上都算作零售订单，再依据现实购置数目分红：小、中及大量量，详细见如下截图：

经由过程对订单分类停止透视统计较，数据及发明如下：

再看订单范例与一级年夜类的关联：

依据上表能否能够揣测现在平台的开展着重点在于大量量订单的领导？

开端论证如下：

假如剔除10000这个值会发明，惯例订单在14年还处于回升状况，占比到达52%；

联合一级类目跟13/14天然年组合剖析：可发明在14年，“5004815”一级类目赶超13年排名第一的“28”成为14年Top1，且对照两年的开展速率，“5004815”增加到达300%，“5008168”增加近200%。

依据上图，进一步深挖，可发明：“5004815”仍是与那10000的订单相干，消除10000这个值来看，14年的各年夜类团体贩卖仍然到达141%的增速，Top3中“28”增速较缓。

用户信息表的剖析思绪：绝对于产物信息表，用户的数据量较少，算是产物的一个小样本，在应用Vlookup停止多表关系后，在拼接字段后，依据用户ID的独一性能够分为2张表：其一不含交易信息（字段包含：用户ID、购置日期、性别、诞生日期、年纪跟年纪分类）不存在反复值，另一张则包括交易信息（在Vlookup产物信息表时会发明复购的交易记载），依据年纪新增字段“年纪分类”，经由过程年纪分类、性别、用户ID及购置数目停止多维剖析。

因斟酌文章篇幅较长，这局部剖析简单浮现，详细可看后续推送：

联合上面2图，可得宝宝年纪会合在0-6岁，占比到达90%，女性宝宝占比略高于男性宝宝。

下图是增加了”购置数目”这一字段，能够发明在男女宝宝人数占比邻近的条件下，女宝宝的销量快要是男宝宝的2倍，可见女宝宝的花费需要更微弱。

依据上图，再进一步剖析男女宝宝在各一级年夜类的抉择上浮现出什么样的特点，由下图可知，Top1的“50014815”阐明女宝宝是花费者主力奉献者，可揣测该年夜类主打女宝宝的产物，紧随厥后的第二跟第三，男女宝宝的产物受欢送水平差距不Top1那么显明，但相较而言女宝宝占比更高。

最后，对前4步停止小结，纵不雅以上的图表更多是对数据的解读跟揣测，并未依据数据供给下一步的落地倡议，且在剖析上头脑绝对狭窄，前期会更进一步伐整优化。面临数据需坚持猎奇心，可能由挖到的一点再进一步的下钻，到达剥丝抽茧的水平。

作者：杭州@阿坤，母婴电商行业数据剖析师兼数据产物司理，努力于研讨电商行业的数据驱动增加以及数据产物从0到1的搭建；“数据人创作者同盟”成员。

本文由@一个数据人的自留地 首创宣布于大家都是产物司理，未欧易交易所经允许，制止转载。

题图来自Unsplash，基于CC0协定。