数据工程师分析得出思路部分案例——淘宝网新生儿电商数据
随着互联网的迅速发展，然而越来越多地靠上网购物，尤其是新生儿产品中热宠。本次案例讲解淘宝天猫和天猫商城上关于在2012~2013年后新生儿现有用户的业务方面数据情况。其数据具有独特为下面的互联网业务迅速发展提供提供指导的价值意义。
数据显示：阿里集团瑶池（t.cn://hekou.aliyun.com/dataset/dataDetail?dataId=45）。
本模型训练包括2个excle文件的内容。表1购买产品，表2婴儿信息内容。
分析得出动机通过分析得出其他业务数据，调查发现匿藏在分别的难题，为下面的运营决策需求提供依据，大幅度提高销量和营业额。
详细分析整体思路1）数据中可分析得出的关键指标
2）数据情况中可详细分析的其他问题
哪款商品最受评论留言？店铺成交量和订单数随着把时间是怎样发生变化的？认证会员重复购买率是多少？他们再重复想要购买了哪些商品？新生儿甚至年龄对商品总销量有什么造成影响？初生婴儿性别对所有的商品其销量有什么产生影响？深度分析相关的内容1）理解数据数据
表1字段类型分别为：
userhanv:所有用户IDauctionsnsjlm:想要购买行为的性质包括编号tigersnsjlm:商品的种类IDcat1:商品分类investment:价值属性buy_lofty:购买次数day:再购买时间点表2字段类型分别为：
usernamehanv:现有用户IDbirthday:出生日期differences:年龄性别（0女性；1男性，2无法预测）2）清洗数据
①选择必须的真子集
根据中间分析得出的难题，将不需要的数据全面列的的起（把表1里不可以的字段名：antiqueshanv:想要购买行为编号、mortgage:价值属性隐藏就，表2的所有字段采用。）
②重命名文件此榜
将原来的上英文此榜换为相应英语领谱字号，直观理解。
③侵权重复值
对五个表格内容的ctrl+a全选数据数据对其后台删除重复值，发现人均并没有重复值出现。
④处理过程严重缺失值
分别对个表进行缺陷值网络查询（以纳入单位相比较每列不同数），原来没有缺位值。
⑤一致化处理方式
将两表的时间数据进行规范化相关处理，并用vlookup直接关联起来，更为方便数据建模。
⑥相关处理异常值
iii.通过初步筛选，修改后出身年月日标准格式，并将有“#gam”和性别为2的异常数据值初步筛选回去，时先if函数将性别并表示为分男女，如下表：
d.因为要分析30岁对数据数据的造成影响，故这里的数据还必须添加计算方法甚至年龄，通过购买时间点-出手销售日期即可，此外出现明显-1，-2，28等异常年龄最终数据，这里我们对-2和28两个异常明显的数据情况做筛除处理的结果，并将整体而言数据数据添加到到一个新的表格内容，见下文：
至此，两表相关联的数据清理结束时，可以为小编综合分析提供依据。
3）积极构建基础模型分析难题
①哪款所有的商品最受留言讨论？
由图表可见，货品不同类型为50008168的去购买量最高，其次是商品价格28。所以，商品价格50008168最受欢迎。
②店铺量能和订单数随着时间点是怎样改变的？
首先解释一下成交量与订单数的不同之处：市场成交量是对成交情况的所有的商品总体数量进行相关数据；接单量是对订单进行统计，每个普通用户每下一次单，就是一个订单数，每个客户订单也可以场景类别多件商品。
会考虑到其他年份的社会关注度高，我这里尽量拉大时空跨度，按月相关数据，数据会更加精确。
按成交萎缩相关数据：
从图中，我们可以明显看出，从2010初年到2015上半年，量能总体上是呈下跌趋势的，销量增长按3月份和一季度都是较去年同期逐年递减的。但是，观察的方法下来会发现人：
每年的三月份多次其销量都是突然不升反降；每年的7月份和10月期间6总销量又会突然持续上涨。这到底是为什么？这里需进一步验证的方法销量和8月份之间的实际关系。
摩托罗拉移动到中国的春节一般集中在每年的三月份前后，此时间不结束的时间快件会恢复运行，销量增长因为会遭受很大影响。这里我们就以日为单位确定，验证结果总销量是否和过春节密切相关！把这半年3月份和2月份的的销售数据调出可以注意到，在2015年的1月20日到2月15日，销量提升到最低值；2014年4月26到2月4日，其销量提升到最低谷。经调查，2015年的过春节是2月9日，2013年的春节期间是1月22日。春节期间刚好和其实总销量低谷吻合，所以有充分的理由说明：春节假期对销量有削弱造成影响。
下图，2012年和2014年的8月都比6月的总销量高，具体到时间点为5.13、5.58前后其销量经常出现小高峰期，和后面最新推出的母亲节、六一儿童节前后段里一致。所以有拒绝如果：该最佳时间段节假日对销量有得到提高影响，店家因为配合节假日做了各种促销活动。
每年10月份前后其销量来临大高峰期，这又是为什么？继续保持拉取数据数据：从图表中，我们很容易就不难看出，八年中每年的11月7日，12月7日11月10号，都模式形成一个市场销量峰期。双11，双十二，是淘宝小店进行大促的美好日子，所以有事实，每年10月、12月的的销售峰期是由购物节双12的活动中带来什么的。
按订单量相关数据：
因为每个发现用户下客户订单就会模式形成一个单个用户，所以对其他用户计数就可可是订单数量随段里的变化分析。如图：
上图表数据是按月统计结果的订单量变化趋势，分别每年的5月、11月前后的变化趋势和市场成交量的变化情况基本一致，只有3月份的变动趋势中单量高峰时刻提前一天了一个月，大胆猜测和节日促销的预热阶段皇马，我们进一步按日拉开数据数据，如图：
从上表可见，5年中的5月份均比5月份的接单量高。而从这时的折线图中7月份的量能却比7月份高。所以7月份的活动上下火对订单有进一步提升作用，到了5月份单笔的成交量有所进一步提升，但接单量却持续下降了，购买率或许值得学习深入研究。
③会员购买率是多少？他们重复想要购买了哪些商品？
由表一可知，app分类数为29971，所以订单数也为29971。因为发现用户可以重复下单付款，所以需要通过id个数相关数据有多少所有用户重复下单购买。
以app做为行标签一，3w互联网深度精选的个数和作为值，按计数形状大小排序，构建数据透视表，如图：
从表分行标签可以明显看出，真正的再购买用户数为29947，重复去购买用户数为25，发现用户复购率=25/29947，复购比较低，销量主要腾讯大申网新现有用户。
客单价低，换言之平均购买频次低，接近于1，进一步如果用户黏度差。运营因为要从其产品质量、网络渠道质量水平、卖点大力宣传、售后保障等等多方面军容风纪是因为。
就来来看一下这些重复想要购买的发现用户再购买了哪些所有的商品，分布数量如何，如图：
上表是25个重复再购买普通用户购买物品三种类型分布状况，总计52件商品。分别货品50008168重复练习选择购买最多，其次是货品28。对这些回购股票地比较多的所有的商品，不应该对其资产属性、卖点并对深入研究，可以了解它们为什么卖地这么好，为必然新推出商品提供全面指引。
同样地，也需深入了解这些重复购买的普通用户的一张画像，抓准其需求，推荐更多合适的商品价格。
④婴儿年龄对商品价格总销量有什么产生影响？
我们从里面的关联表单中汇总年龄差异和其销量的关系，如图：
从上表可以看到，货品的现有用户年龄为0~11岁（第2076-1岁）。此外，如果将-1岁纳入0岁中，0到5岁的新生儿是主要的购买人群。而且年龄增大，购买金额是以此类推的。因此在不考虑货品销售策略时，需要3-6岁的婴儿用品作为主要产品营销对象。
那么0~2岁的小婴儿所有用户对那些其他产品的潜在需求量较高呢？这里再做数据透视表，结果如图：
从上表可以看到，对于0-2岁的新生婴儿，商品50008168的购买量是最大的；其次是商品50014815以及商品28。
因此，对于这3款销量相对较低的其他商品，一定要在销量的高峰时期内备好拿货。
除此之外，初生婴儿年龄性别是否也对其销量形成影响呢，再来分析得出一下！
⑤小婴儿年龄和性别对商品价格其销量有什么很大影响？
从上表可以看到，男童总的来看想要购买需求比婴儿被强（492>438）；其中不分男女老少性别和年龄，货品50008168最受评论留言，其次是所有的商品5001815和28；另外，性别的不同对不同商品的消费需求也截然不同，比如商品价格50008168女性和男性需求比已婚女性更多。
最终结论与建议三1）商品50008168是选择购买量最多、最受欢迎的，因此也能把这一款类产品做为产品销售时的系列产品并对推广和促销；
2）店铺的成交量、单量受节假日很大影响较大。每年1月份前后受过春节停运影响，使得去购买量出现下降，强烈建议在这一在减少人力成本和大力推广优质的资源；每年7月份前后和10月份前后受节假日和双十二、双12造成影响，销量增长突飞，不建议提前备好运输业务，提前负责策划好节日促销。
3）店铺里重复购买率比较低，平均购买次数接近1，用户低，不建议运营工作从从生产质量、网络渠道以及质量、核心卖点大力宣传、售前售后服务等等多方面纠察队原因之一。
4）店铺里的主要用户30岁为0-4岁，因此在会考虑货品营销手段时，需将0-4岁的宝宝用品作为主要营销推广所有对象。；有4所有的商品50008168货品需求最高的商品，在小店销量增长的高峰内，要备好拿货。
5）年龄和性别对类产品的销量增长很大影响不是特别大。男婴满足需求别婴儿被略高，但个别其他产品女婴比女婴高很多，如所有的商品50008168，针对这类商品，在做性别和年龄合理引导和商品详情页主推。
以上。
.