【2021夏季挑战赛】天猫电商数据分析

我是随便神
一、选手简介

    1、团队选手版

团队名称:路人成名团

团队组成:
  • 路人:团长,多次参加计算机学院组织的编程大赛,19年获得“沐风杯”Python数据分析结业证书,有可视化及个人数据分析案例经验,负责编写项目研究方案,制定项目研究计划,组织课题研讨活动。
  • 路人甲:脑力担当,财务出身,熟悉业务。python语言,逻辑清晰,有不少财务类分析案例,此次分析的核心成员。
  • 周树人:技术担当,黄成明老师的铁粉,业务熟练,现任运营分析岗位,此次分析提供了不少分析意见。
  • 勇敢牛牛:颜值担当,数据库、ETL的主力军,数据源的整理和脱敏均由他一人完成。

      2、参赛初衷

团在团队赛中我们可以更大限度的发挥个人的能力,每个人看法的不同可以让我们更全面的看待事物,可以让我们认识到自己忽视了什么,或者在哪些方面仍有缺失
我们希望通过本次参赛开阔我们的视野,培养合作精神,理解并熟悉BI工具的操作和使用技巧。并且本次参赛我们可以和来自不同地区的小组学习和pk。

二、作品介绍

 

        1、业务背景
2021年是从疫情中逐渐恢复的一年,各大实体经济及行业都重新繁荣起来,网络电商同样如此。不久前,“618”电商狂欢节刚刚落下了帷幕。我们小组对疫情前后的电商行业的销售情况产生了兴趣,并对2019年的天猫美妆类商品的销售和购买情况进行了分析。之所以选择美妆类产品,首先,它不属于生活必需品,拥有极大的销售弹性,更加能反映经济波动对购买力的影响。其次,通过对疫情前美妆产品的分析,有利于指导疫情后美妆电商的恢复。

 

        2、数据来源
        数据来自于和鲸社区-电商数据集:(https://www.heywhale.com/mw/dataset/5ffac64f3441fd001538228b/file)

 

        3、分析思路


        

        4、数据处理
最初的数据包含三个表格文件:“tmall_order-report.csv”、“日化.xlsx”、“双11淘宝美妆数据.csv”,其中“日化.xlsx”中包含:“销售订单表”,“商品信息表”和“数据结构”

 

        但是由于“双11淘宝美妆数据.csv”中的数据仅包含时间和金额,不符合数据分析的要求。而“tmall_order-report.csv”的数据在去除无效订单后,数据大多集中在2020年,也不符合要求,最后选择“日化.xlsx”作为数据源。

 

        “日化.xlsx”中,销售订单表“,“商品信息表”是有效数据表,表“数据结构”中声明了前两张表中的数据字段和类型。两张表通过关键字“商品编号”连接。


        5、可视化报告

        (1)数据含义表达和图表排版布局:

 

        •    销售总金额组件:获得选定的地图或区域内销售总金额,组件样式为文本,颜色和文本都为销售总金额

 

        •    中国各地区购买数占比组件:用饼图效果得到各地区购买数占比,组件样式为饼图,颜色为金额求和,半径是订购数量求和,角度和标签都为所在区域

 

        •    各省份销售情况图:在地图中获取歌声销售情况,组件样式为填充地图,颜色为总行数,横轴为所在省份精读,纵轴为所在省份纬度

 

        •    城市销售情况词云:用于可视化城市销售情况,根据颜色和大小区分,组件样式是词云,颜色和大小是记录数总行数,文本是所在城市

 

        •    各类产品订单数总览:按照商品大类和商品小类来对各产品进行总览,组件样式为柱形图,颜色和大小为记录数总行数,横轴为记录数,纵轴为商品大类和商品小类

 

        •    各月份订单数汇总:获得各月份订单数,组件样式为柱形图,颜色是记录总行数,大小为订单单价求平均,横轴为订单日期的月份分组,纵轴是金额汇总

 

        •    各类产品随单价高低,销售订单数的变化:用于得到各类产品随单价变化,销售订单数的变化情况,组件样式为热力点,热力色为商品小类,大小为订购数量求和,标签为订购数量求和,横轴为销售单价求和-降序排名,纵轴为订购数量求和

 

        •    江苏销售情况可视化:对江苏销售情况单独分析,组件样式为填充地图,颜色为订购数量求和,标签和提示为所在城市,横轴为所在城市经度,纵轴是所在城市纬度

 

        •    江苏各城市销售情况对比:有折线柱状图的形式,得出江苏各城市销售情况分析,组件样式为柱状折线图,全部的颜色为金额求和,横轴为所在地市,纵轴为订购数量求和,金额求中位数

 

        •    广东销售情况可视化:对广东销售情况单独分析,组件样式为填充地图,颜色为订购数量求和,标签和提示为所在城市,横轴为所在城市经度,纵轴是所在城市纬度

 

        •    广东各城市销售情况对比:有折线柱状图的形式,得出广东各城市销售情况分析,组件样式为柱状折线图,全部的颜色为金额求和,横轴为所在地市,纵轴为订购数量求和,金额求中位数

 

        •    排版布局:按照标题四模块,分总的形式,进行布局,除组件外还配有多组解释语句,用于分析处理

 

        •    颜色设置:整体颜色暗色,字体白字,组件背景不统一,主要为弱亮色调

 

        (2)通过分析得出的结论:

 

        现象:

 

        •    通过观察中国各地区购买力占比可看出,中国2019年天猫美妆类商品在在东区和南区购买力遥遥领先。通过个省份销售情况图不难看出,江苏省、广东省和上海市的销售情况最好。

 

        •    从订单数各月份汇总不难看出,我国2019年天猫在5-8月销售量最大,并列查看商品大类和商品小类则可发现面膜面霜爽肤水购买人数较多,从中可分析出内在原因。

 

        •    从各类产品随单价高低,销售订单数的变换也可判断出,人们更愿意购买商品单价较小,质量及性价比更高的产品,而非高档产品。

 

        •    江苏省一直是全国经济大省,在美妆产品方面也不例外,总体销售总量和销售金额在全国排名第一。

 

        •    在省内,可从江苏销售情况可视化表中发现,苏南相比苏北,有着更大的购买力和销售,连云港市基本没有销售记录,在各城市销售量情况对比中会明显发现苏州订购数和金额高出其他城市两到三倍。

 

        •    广东省是中物流及外来人口最大的聚集地,结合了来自五湖四海的人,总体销售总量和销售金额在全国排名第二。还以为南邻香港澳门,可以得到丰富的美妆方面研发技术来源,本省又有极其丰富且廉价的劳动力,可使商品性价比提高,提高广东省美妆商品核心竞争力。

 

        •    广东省内部广州和深圳作为经济强市,城市销售情况也是特别好的。改革开放以来,广州和深圳相继开发起来,有着得天独厚的经济基础和制度优势,也使得美妆行业迅速发展。

 

        价值总结:

 

        •    天猫美妆商品可加强对我国东南沿海地区,及高发达城市的宣传力度。

 

        •    中国属于热带亚热带季风气候区,夏天炎热潮湿,紫外线辐射大,人们在夏季更注重自己对皮肤的保养。

 

        •    江苏人有积极的购买力和良好的经济基础。

 

        •    苏州市作为美妆销售研发大市,自主研发了许多新式化妆品并销往各地。

 

        •    广东省有着良好的技术来源和优质廉价的劳动力,因此商品性价比高,核心竞争力强。

 

        提升效率:

 

        •    随着消费习惯与化妆意识的普及,化妆品已成为居民生活必不可少的日用消费品。通过对美妆的销售及购买信息的分析,可以了解到中国各省市对日用产品的销售情况,从中可帮助商家预测未来销售前景,帮助买家购买到性价比高,质量更好的商品。

 

        影响决策:

 

        •    以下是我组对未来美妆产品行业的预测:

  • 美妆品类的电商需求大,且规模持续增加。
  • 居民可支配收入提升,化妆品消费理念逐步成型,购买力还会提高。
  • 多家电商布局直播平台,美妆类直播成为重要参与者且市场直播带货火热,超强交互体验吸引粉丝。

 

        (3)最终结果呈现的页面布局

 

        



三、参赛总结

 

1、FineBI工具
  • 我觉得FineBI是当今非常新颖非常好用的可视化工具
  • 比如连接数据集和对数据进行处理非常人性化,简单好学
  • 数据分析真的可以让人们在更高维度的下观察分析数据,得到有用的结论

2、参赛总结
  • 克服的困难:虽然刚开始有很多问题,不懂怎么操作,但小组成员一起学习报表制作,以及组件的设计,最终克服了困难
  • 认知新感悟:勇于尝试,肯钻研,肯坚持

小伙伴们都是第一次做团队的可视化分析,所以要总结的东西挺多的,整个过程,能感觉到大家都还是蛮开心的。

天猫商品购买分析.pdf (1.16 M)

发表于 2022-1-18 00:00:05
您好呀,请问数据链接可以重新发一下嘛?好像打不开了,谢谢!
发表于 2022-1-18 00:00:55
或者告知一下数据集的标题可是可以的,感谢!
您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

2回帖数 2关注人数 10128浏览人数
最后回复于:2022-1-18 00:00

返回顶部 返回列表