用Python分析自行车业务

《2019年11月自行车业务》分析报告

1 背景

2019年12月业务组组长需要向领导汇报2019年11月自行车销售情况，为精细化运营提供数据支持，能精准的定位目标客户群体。

2 目的

1、如何制定销售策略，调整产品结构，才能保持高速增长，获取更多的收益，占领更多市场份额，是公司最关心的问题。

2、报告通过对整个公司的自行车销量持续监测和分析，掌握公司自行车销售状况、走势的变化，为客户制订、调整和检查销售策略，完善产品结构提供依据。

• 用Python连接Mysql数据库对数据进行分析与处理

• 探索数据库并罗列分析指标

• Powerbi可视化

• 制作PPT

PPT成果如下（Gif图）：

3 数据处理

3.1 数据来源

基础表存于Mysql数据库, 数据库名：adventure_ods

dw_customer_order 产品销售信息事实表

ods_customer 每天新增客户信息表

dim_date_df 日期表

ods_sales_orders 订单明细表

3.2 数据理解

3.3 数据导入与处理

3.3.0 导入模块

一、从整体的角度分析

1.1 从数据库读取源数据：dw_customer_order

1.2 查看数据

1.3 新建一列create_year_month，取create_date的年月按月度分析

1.4 筛选类别为自行车的数据进行分析

1.5 分析2019.1—2019.11自行车整体销售表现（销量、销售额、销量环比、销售额环比）

1.5.1 以月为时间维度分组查询销量、销售金额

1.5.2 新增列order_num_diff、sum_amount_diff求销量与销售金额的环比

1.5.3 字段注释

create_year_month：时间（按月分类） order_num：本月累计销售数量

sum_amount：本月累计销售金额 order_num_diff：本月销售数量环比

sum_amount_diff：本月销售金额环比 dw_customer_order:用户订单表

1.5.4 将数据存入Mysql数据库（2019.1—2019.11自行车整体销售表现）

二、从地域的角度分析

2.1、分析11月每个区域销售量表现

2.1.1 求10、11月销量的表现

2.1.2 新增销售额、销量的环比

第一种方法：

为了在Powerbi中制表方面对比，将10月份的环比赋值为0

第二种方法：

2.1.3 再筛选出11月份的数据

2.1.4 将数据存入数据库（11月每个区域销售量表现）

2.3 求11月TOP10城市销售量表现

2.3.1 以城市和月份分组，求自行车的销售额和销量

2.3.2 筛选11月份数据

2.3.3 以销量进行逆序排序求出Top10城市销量

2.3.4 求Top10城市的环比

（要先求出10、11月份的环比再从中筛选出11月份的数据）

再将10月份的环比赋值为0

2.3.5 将数据存入数据库（11月TOP10城市销售量表现）

三、从产品的角度分析

3.1 分析类别产品销售量表现（从占比分析）

3.1.1 先求产品的总销量

3.1.2 合并自行车销售信息表+自行车每月总销量

3.1.3 新增占比列 order_proportion

3.1.4 字段注释

create_date:时间 product_name：产品名 cpzl_zw：产品类别

cplb_zw：产品大类 order_num_x：产品当天销售数量 customer_num：当天用户购买人数,

sum_amount：产品当天销售金额 chinese_province:省份 chinese_city：城市 chinese_territory：区域

create_year_month：月份 sum_month_order：本月累计销量 order_proportion：产品销量占比

3.1.5 数据存入数据库（类别产品销售量表现）

3.2 细分产品销售量表现

3.2.1 公路自行车细分市场销量表现

1、筛选细分品类为公路自行车的数据

2、求公路自行车不同型号产品销售数量

3、求每个月公路自行车的总销售数量

4、合并公路自行车gather_customer_order_road_month与每月累计销售数量

（用于计算不同型号产品的占比）

3.2.2 山地自行车细分市场销量表现

1、筛选细分品类为山地自行车的数据

2、求山地自行车不同型号产品销售数量

3、求每个月山地自行车的总销售数量并与山地自行车gather_customer_order_mountain_month表合并

3.2.3 旅游自行车细分市场销量表现

1、筛选细分品类为旅游自行车的数据

2、求旅游自行车不同型号产品销售数量

3、求每个月旅游自行车的总销售数量并与旅游自行车gather_customer_order_tour_month表合并

3.2.4 将山地自行车、旅游自行车、公路自行车每月销量信息合并

3.2.5 新增一列求各类自行车、销售量占每月自行车总销售量比率

3.2.6 字段注释：

create_year_month：时间，product_name：产品名，order_month_product：本月产品累计销量，sum_order_month：当月自行车总销量，

order_num_proportion：本月产品销量占比

3.2.7 将数据存入数据库（细分产品销售量表现）

四、从用户的角度分析

4.1 分析11月用户年龄分布及每个年龄段产品购买喜好

4.1.0 读取订单明细表：ods_sales_orders，用户表：ods_customer

4.1.1 合并销售订单表和客户信息表

4.1.2 过滤birth_date列为空值的数据并计算用户年龄区分年龄段

1、birth_date为字符串类型，要将字符串类型转化为时间类型

2、过滤缺失值

3、添加birth_year列，方便按年查询

4、修改出生年为int数据类型

5、计算用户年龄

6、新增'age_level'分层区间列（年龄段）

4.1.3 筛选销售订单为自行车的订单信息

4.1.4 计算年龄比率

4.1.5 将年龄分为3个层次

4.1.6 求每个年龄段人数以及占比

将年龄段总数与自行车销售订单表合并

求年龄段占比

4.2 11月男女用户比例及产品购买喜好

4.2.1 求男女比例

4.3 将数据存入数据库（性别年龄表现）

五、从热销产品的角度分析

5.1 11月TOP10产品销量榜（销售额、销量及环比）

5.1.1 筛选11月份数据

5.1.2 对自行车种进行分组计算销售额、销量并按销量进行倒序排序求Top10

5.1.3 计算Top10环比