电商销售数据分析(2021／07／27) - 物流园资讯移动站

电商销售数据分析(2021／07／27)

2024-11-10 22:15

如题，本次案例分析某电商平台的销售数据。本次案例的特点是，数据量比较大，原始数据存在比较多的问题，所以数据处理的过程比较典型。

电商销售数据分析(2021／07／27)

还是按照原先的数据分析流程，概览数据-->数据处理-->数据分析

概览数据重点关注，数据的标识问题，了解数据字段，大概观察下数据的问题。

1.数据的标识有订单标识和row_id, 订单标识有重复的问题，业务原因是一个订单买了三件商品，数据就给展开了。其中row_id是数据的唯一标识。

2.数据字段主要描述国际贸易的电商交易，其字段含义。。。

3.postalcode存在大量空值，需要处理

我们知道数据按照数据来源不同可以分为，一方数据，二方数据，三方数据。通常情况下，一方数据和二方数据脏数据会相对偏少，使用起来也比较方便。

我们之前提到过脏数据可以分为三类，异常值，缺失值，重复值。分类不同处理方式不同。

脏数据类型优先处理方式次级处理方式异常值修正删除缺失值补充删除重复值删除

下面这个图也可以更清晰的理解：总之就是重要的数据不要自己补，会影响数据真实性，不重要的数据缺失就缺吧。

数据处理流程可以细分为：读取数据-->提取业务数据-->数据清洗-->数据规整，其中提取业务数据和数据清洗是结合着一起做的。以下是实例。

读取数据51101 rows × 24 columns

整个数据清洗的流程一般情况下是

先处理重复值（标识），同步处理异常值，空值，处理完成后再次处理重复值

这么做的原因是，在处理异常值和空值的时候可能会涉及到用整列数据计算填补，重复值的存在导致无法填补。

处理重复值--->找出唯一标识--->去重

根据业务判断我们需要通过发货时间shipdata 减去下单时间orderdata 提取物流时间interval。且这两个数据存在脏数据，有的发货时间比订单时间还要早。

先将两列数据都转换成日期格式

两者相减计算成秒数，提取脏数据

处理脏数据

将相减结果作为新的数据项