如何进行月度销售数据分析？——九数云

月度销售数据分析的过程主要由四个部分组成，按照先后顺序依次为：明确问题，理解数据，数据清洗（也叫数据预处理），数据分析或者构建模型。

一、明确问题

从四个角度明确七个问题：

篇幅原因只对前两个问题进行解答。

二、理解数据

进行月度销售数据分析前，要理解分析中使用到的数据。表1所含7个字段分别为：用户ID，商品编号，商品一级分类，商品二级分类，商品属性，购买数量，购买时间。

用户ID： 用来识别不同的用户，类似于身份证号的属性。

商品编号： 用来识别商品，相同商品的商品编号是一样的。

商品一级分类： 商品的种类有哪些。

商品二级分类： 是商品一级分类的细分类别。

商品属性： 描述商品的特征。

购买数量： 一个用户购买同一件商品时的购买数量。

购买时间： 用户下单并且支付后的时间。

表2所含3个字段字段有：用户ID，出生日期，性别。

用户ID： 用来识别不同的用户，类似于身份证号。

出生日期： 婴儿的出生日期。

性别： 婴儿的性别。0代表女，1代表男， 2表示未知

三、数据清洗

数据清洗也叫数据预处理，是对数据进行重新审查和校验的过程，目的在于删除重复信息、纠正存在的错误，并提供数据一致性。从以下七个步骤对数据进行清洗：选择子集，重命名列名，删除重复项，缺失值处理，一致化处理，数据排序，异常值处理，从而保证进行月度销售数据分析的数据是正确的。

四、数据分析

进行月度销售数据分析需要用到数据透视表，全选数据后插入数据透视表。

问题一：哪个商品的用户需求量最大，其中最大的二级分类是哪个？

数据透视表可以看出商品一级分类为28的用户需求量最大，销量为为23245，其中商品二级分类需求最大的为50003700，需求量为2145。

问题二：不同时期的用户销量是怎样的？

从年度销量，季度销量两个方面来进行数据分析

年度销量

通过数据透视表可以看出，表1缺失2012年第一第二季度，2015年第二第三第四季度的销售数据，因此在比较每年的销售数据时，因为2012年和2015年的数据缺失，不应该作为比较对象。根据现有数据只能比较2013年和2014年的数据，发现2014年的销量是2013的1.55倍；2014年销量相较于2013增长率为55%。

季度销量

从季度的角度看销量，发现每年的第四季度销量最多，然后是第三季度；每年季度的销售趋势呈现逐季递增的趋势。

上一篇: 如何应用可视化信息图表？——九数云
下一篇: 超全！多种数据分析法讲解——九数云