成员介绍：
- 成员1：网名老刘，现就职某互联网公司，从事数据分析多年，对数据挖掘，数据可视化，数据产品这几块颇有兴趣。
- 成员2：网名Andrew，一直在制造业做质量管理工作， 业余时间学习python,SQL,热爱数据分析，喜欢用数据分析问题
- 成员3：网名Ivan，目前就职于一家茶业零售公司，从事数据分析岗位，希望通过本次大赛提升自己。
- 成员4：网名云中鹤，就职于北京某科技公司，我司是科技研发行业的公司，目前从事编程、ETL与项目实施岗位，个人感兴趣的领域是数据分析与可视化。
团队组成：因对数据可视化的兴趣和零售行业的工作背景而相识、相知，并组成了一个团队，共同学习、共同做项目、共同成长
2、参赛初衷
工作中我们大多是螺丝钉的角色，承担整个项目的一个模块，参赛可以让我们跳出工作的局限性，参与项目的整个流程，提升个人分析思维和可视化工具的操作技能。希望和更多的大神交流学习，一起合作来完成一份好的作品，对自身能力的检验，以项目去验证能力的短板，从而去有针对性的提升。想给自己的经历增加一些亮点，也想得到行业里的专业人员的指点，汲取他人所长。
二、作品介绍
1、业务背景/需求痛点
1）业务背景：经历了十几年的信息化高度发展，企业积攒了大量的宝贵数据。如今，中国零售业所面临的最大挑战就是顾客和市场需求复杂多变，比起人的经验主义来做决策，只有实时的数据分析和反馈才能适应更快的变化。零售的本质离不开人、货、场这三个核心，并围绕这三个核心提升运营的效率，也就是线上线下的成功融合，对数据进行收集、整理、分析，最终实现数据驱动业务决策的目的。
2）需求痛点：某零售企业往年未意识到数据分析的重要性，经常以人的经验主义来做决策，导致目标制定不合理、策略不符合业务实际场景。现在领导希望数据分析师可以给出一份完整的年度分析报告，为领导决策提供数据支撑，以便于更科学合理的制定年度目标和策略。
2、数据来源
3、分析思路
经过团队的内部讨论，基于现有的数据进行思维导图搭建，针对各个分析模块点确认对应的可视化图表；整份报告分为整体复盘、用户分析、产品分析、门店分析、总结及建议5个模块。每个模块的分析思路如下：
1)针对企业2020年的整体情况进行复盘，先从整体的营收、利润去了解20年的业绩，再结合地域去看业务覆盖范围，结合用户生命周期看当前用户的健康状态，通过周度销售、利润趋势分析全年的旺季、淡季，最后列示用户、品牌、供应商、门店top榜，后期向优质用户、品牌等给予更多资源倾斜。
2)用户分析，对用户的性别，年龄进行分析，精准了解客户群体和消费能力。对新客户及客户流失分析，了解客户拉新状况，对公司的后续发展前景做深度评估。
3)产品分析，对产品维度进行分析，对各品牌销售情况和不同产品类别销售利润的分析，了解平台畅销品牌、畅销产品等，结合不同的门店对比优化产品线。对产品关联度分析，优化平台促销，捆绑销售方式。
4)门店分析，针对各门店的产品销售情况进行分析，确认各个门店各个产品的经营状况；建立RFM模型，确认各门店的用户价值分类，根据门店的客户分类情况，做好精准营销；
5)就以上结论和现象进行相关改善建议
整体分析思维导图如下所示：
4、数据处理
数据内容：基础数据表主要为以下9张，其中生命周期表通过Excel PQ/PP对客户表和订单表处理联合处理得来，主要是对每个员工的首单和末单时间计算，购买次数，购买总金额计算。
|
表名
|
|
|
|
| 电商分析数据2_Store |
|
|
|
| 电商分析数据2_region_info |
|
|
|
| 电商分析数据2_product_supplier_info |
|
|
|
| 电商分析数据2_product_brand_info |
|
|
|
| 电商分析数据2_product_info |
|
|
|
| 电商分析数据2_pay_method |
|
|
|
| 电商分析数据2_order |
|
|
|
| 电商分析数据2_date |
|
|
|
| 电商分析数据2_customer_inf |
|
|
|
主要用到自助数据集宽表为：订单核心各维度聚合宽表，RFM模型表
整理过程:
第一步：获取：登录和鲸社区，下载数据集
第二步：清洗，为保证数据的准确性，通过EXCEL配合相应函数完成，对数据进行简单去重、异常数据等清洗，这边不做过多叙述。
第三步：导入传入到帆软BI，并为了方便操作，将每张EXCEL表单独创建一张宽表，作为维度表。(方便单表添加字段或维护)，为后续制作大宽表打下数据基础。
第四步：主要宽表制作
1) 订单核心各维度聚合宽表
a.以电商分析数据2_order为核心表，链接各维度表，创建订单核心各维度聚合宽表。
b.选取订单核心表，通过左右合并依次和各维度表进行合并。
c.新增列计算利润金额
d.新增列对年龄段进行分组
e.订单核心各维度聚合宽表创建完毕
2) RFM模型表
a.首先复制订单核心各维度聚合宽表
b.新增列客户总体消费金额平均值
c.分组汇总得出客户总体消费金额、消费频次、最晚消费时间
d.新增列最近一次消费距离时间
同理新增列可得客户总体消费频次平均值、客户总体最近一次消费距离时间平均值。
a.利用if函数判断可得消费金额向量化、消费频次向量化、最近消费距离时间向量化
b.利用CONCATENATE建立RFM
c.分组汇总，并对RFM进行定义
至此相关数据处理完毕，数据整理告一段落。
5、可视化报告
1）整体框架：依据逻辑思维导图进行整体框架搭建，按背景、复盘分析、用户分析、产品分析、门店分析、总结及建议几个模块进行搭建；
2）图表选择：图表选择可以看这张图，了解下每种图偏向的分析内容。
3）分析思路和对应结论
①整体复盘分析:企业关键指标展示，通过周销售趋势图及环比，还有各省金额分布分析了解平台销售走势和销售分布，企业当前用户的生命状态，了解平台销售状态整体了解及门店、产品品牌、客户、供应商的销售状况。
结论：
a.发现2020年的销售金额和利润金额整体比较平稳，但在45（11月）周之后连续四周，有一个突然上升的过程，趋向平稳。之后趋向正常。
b.了解销售额最多在广东，销售额占24.59%,其次为江苏(11.45%)和重庆(10.48%)。
c.对客户生命状态进行分析，平台老客户占绝大多数，占71.24%,说明客户的忠诚度较高，新客户6.95%，说明客户拉新不足，需要进行改善。
②用户分析：通过对客户性别，年龄结构以及帕累托分析品类销售情况，了解客户的群体划分，有利于了解平台产品的消费人群，更好的精准销售，对新客户流入随时间进行分析，了解平台拉新状况。
结论：
a.发现客户64%为男性，70%客户群体在25-30之间，25-30岁的男性为平台主要消费客户，对以后的拉新目标提供依据。
b.客户支付方式70%以上为支付宝，信用卡和微信。
c.通过对客户年龄矩阵分析，发现25-30岁为主要消费贡献，但其客单价位列最末，仅为11423，有很大的提升空间。而35岁以上只有44人，但利润率最高，说明其消费潜力巨大，可能需要为这类人群提供更适合的产品。
d.新客户增长趋势图，能看出优惠促销活动能很好的促进拉新，销售，对销售额的提升有重大影响，以后需要研究讨论定期开展此类活动。
③产品分析：对产品按品牌，不同种类进行分析，以得到销售额，利润额最好的产品。结合不同门店不同产品的热力图，可知畅销款有哪些。通过产品关联分析，有利于相关产品做捆绑销售，采取更有效的营销手段。
其中【产品类别一销售情况】通过跳转，可定该类别底下，各门店，各用户，各品类的销售情况，可实际了解产品在其他维度的销售情况；
下面是品牌热心图和产品关联支持度图：
结论：
a.从品牌来看，骆驼牌销量最好，但利润率最低；Jack Wolfskin利润率最高，但销量居中；17个品牌中11个品牌的利润率超过12.68%；
b.按产品一级分类看，女士的销售额占比48.9%，而利润率仅有11.61%；户外产品利润率达18.12%，但其销售金额占比仅有19.2%；
c.按产品二级分类看，女士上装、男士上装、女士下装销售居前三；但女士上装和男士上装的利润率均不超过10%；利润率最高的为男士下装和户外装备，达到18.39%；
d.按产品三级分类看，毛衣、风衣、夹克、外套、雪纺衫五类为企业的主要销售产品，但五类商品的利润率均低于10%，可适时减少五类商品的优惠力度；
e.按品牌在各门店的销售热力图看，骆驼、Lee、李宁三个品牌为各门店的主要热销品牌；
f.按产品品关联分析来看，购买风衣的用户加购休闲裤的概率达86.93%；购买衬衫的用户加购休闲裤的概率达85.06%；企业可对产品与产品之间关联度高的做套装进行捆绑销售。
④门店分析：对平台不同门店的销售额、客户数量、客单价，利润额分析，找出绩效最好的店铺；通过表格与图形之间的联动关系，可了解各门店、产品等维度在各个月份的实际销售情况，定位具体问题。
门店销售情况设置了下钻功能，从一个门店可以下钻到产品类别一、从产品类别一可以下钻到产品类别二、从产品类别二可以下钻到产品类别三，并设置了与门店月份销售数据表的联动，详细的可以看视频介绍的演示。
针对门店用户，建立RFM模型，通过筛选框可具体定位各个门店的用户分类情况、门店用户金额和客单，具体客户的用户分类，流失可能及门店各月份新用户变化情况，针对用户的具体类型进行精准营销。
结论：
a.平台门店年度销售额大于1500万有永旺店、岁宝店、天虹店、崇光店，其中永旺店销售额达2042.87万元，客户数2187人，位居榜首。
b.从折扣力度上看，平均折扣在75%~76%之间，但门店折扣几乎相同的情况下，用户数量销售额有很大差异，以麦德龙店和海雅店位居末席，仅为500人，需要做出改善。
c.从利润率来看，各门店利润率差异不大，平均在9000到9600之间，最高的为茂业店。
d.从客单价来看，各门店差异不大，平均在平均在9000到9600之间，而重要价值客户也凭借着自己的高客单，高销量为销售额提供了主要贡献。 最高为沃尔玛。
e.针对各门店的用户分类、用户消费情况、门店每月新客户变化情况，可采购有针对性的销售政策，提升用户留存率、拉新率等。
⑤总结和建议:
a.企业整个年度的销售情况呈稳定增长趋势，其中11月份达到本年度最高销售额，但因促销力度的增加，整体的利润率也仅有9.84%；
b.11月份虽然达到了本年度最高销售额，但是整体的增加新用户数仅有346人，用户增加的效果并不明显；11月份销售额主要的销售收入仍来自于老用户；可结合双十一的复盘报告综合分析，为何新用户数增加的数量没有质的飞跃；
c.企业的销售群体主要针对的是40岁以下的用户群体，尤其是25岁左右的年轻群体，可结合当下流行的时尚趋势，增加一些潮牌产品；
d.男性用户企业占64.65%，但是男装带来的销售额仅占31.91%，可针对当下男装产品进行定位性分析，优化整体男装产品的架构；
e.户外用品为企业的主要盈利点，且其年度平均折扣力度仅有85.36%，但其带来的利润率有18.12%；户外产品数占产品总数37.19%，销售用户男女比例约为2:1，9456人产生了2299.95万元的销售额；
f.各门店可根据客户的采购分类和采购行为采购有策略的销售，例如针对新用户可推送相关优惠券信息，针对高价值用户可推送新产品信息等。
