一、項目介紹:
1.1、公司業(yè)務(wù)簡介：
Adventure Works Cycle主要生產(chǎn)和銷售金屬和復(fù)合材料自行車，并在國內(nèi)各個市場銷售。公司前期通過分銷商模式達成收入目標。在2019年為進一步擴大市場和銷售額，實行利用公司網(wǎng)站進行銷售的新模式。
1.2、分析背景與目的：
2019年12月需向領(lǐng)導(dǎo)匯報2019年11月自行車銷售情況。通過撰寫數(shù)據(jù)分析報告從整體上，掌握整個公司的自行車銷售狀況、銷售走勢的變化；從細節(jié)上，通過多維度分析，為日常運營提供數(shù)據(jù)支持，并制定相應(yīng)銷售策略，調(diào)整產(chǎn)品結(jié)構(gòu)。
二、數(shù)據(jù)字典與維度
2.1、數(shù)據(jù)字典：
2.1數(shù)據(jù)字典.png
通過python工具對ODS基礎(chǔ)層數(shù)據(jù)進行加工，并加載到DW匯總層
2.2、關(guān)鍵數(shù)據(jù)維度：
2.2數(shù)據(jù)維度
三、分析思路與流程
3.1、分析思路：
3.1分析思路.png
3.2、主要分析流程：
數(shù)據(jù)分析主要流程
3.2.1導(dǎo)入模塊并讀取數(shù)據(jù)
（1）導(dǎo)入模塊
import numpy as np
import pandas as pd
import pymysql
pymysql.install_as_MySQLdb()
from sqlalchemy import create_engine
（2）連接mysql獲取表格信息
#讀取dw層數(shù)據(jù)
#創(chuàng)建數(shù)據(jù)庫引擎
engine =create_engine('mysql://fgdata:fg123@106.13.128.00:3306/adventure_ods?charset=gbk')
datafrog =engine
gather_customer_order=pd.read_sql_query('select * from dw_customer_order',con=datafrog)
#讀取ods層數(shù)據(jù)
#創(chuàng)建數(shù)據(jù)庫引擎
engine = create_engine('mysql://fgdata:fg123@106.13.128.00:3306/adventure_ods?charset=gbk')
datafrog=engine
df_CUSTOMER = pd.read_sql_query("select customer_key,birth_date,gender,marital_status from ods_customer where create_date < '2019-12-1'",con = datafrog)
3.2.2數(shù)據(jù)概況分析
查看數(shù)據(jù)源類型:
gather_customer_order.info()
數(shù)據(jù)概況分析1
合計227263條數(shù)據(jù)，不存在缺失值數(shù)據(jù)。
查看數(shù)據(jù)源類型:
df.CUSTOMER.info()
數(shù)據(jù)概況分析2
合計1062585條數(shù)據(jù)，不存在缺失值數(shù)據(jù)。
3.2.3單變量分析（關(guān)鍵數(shù)據(jù)處理）
（1）利用create_date字段增加create_year_month月份字段，供月維度分析時使用
gather_customer_order['create_date'] =pd.to_datetime(gather_customer_order['create_date'])
gather_customer_order['create_year_month']=gather_customer_order['create_date'].astype('str').str[0:7]
（2）groupby()分組聚合每月銷量與銷售額,重置索引并降序
grouped_month=gather_customer_order.groupby('create_year_month')
overall_sales_performance =grouped_month[['order_num','sum_amount']].agg({'order_num':sum,'sum_amount':sum})
overall_sales_performance =overall_sales_performance.reset_index()
overall_sales_performance =overall_sales_performance.sort_values(by='create_year_month',ascending =False)
（3）diff()函數(shù)實現(xiàn)數(shù)值型變量多月銷售額環(huán)比計算
#新增一列sum_amount_diff，實現(xiàn)數(shù)值型變量多月自行車銷售金額環(huán)比
#求每月自行車銷售金額環(huán)比
sum_amount_diff = list((overall_sales_performance.sum_amount.diff()/overall_sales_performance.sum_amount)-1)
sum_amount_diff.pop(0)
sum_amount_diff.append(0)
#將環(huán)比轉(zhuǎn)化為DataFrame并合并
sum_amount_diff= pd.DataFrame(sum_amount_diff)
overall_sales_performance= pd.concat([overall_sales_performance,pd.DataFrame(sum_amount_diff)],axis=1)
#改列名，否則顯示列名是0
overall_sales_performance =overall_sales_performance.rename(columns ={0:'sum_amount_diff'})
overall_sales_performance.head()
（4）pct_change()函數(shù)實現(xiàn)分類型變量單月銷量環(huán)比計算
#不同區(qū)域10月11月的環(huán)比，實現(xiàn)分類變量單月銷量環(huán)比計算
#1、獲得去重區(qū)域的列表region_list
region_list=list(gather_customer_order_10_11_group.chinese_territory.unique())
#2、利用for循環(huán)區(qū)域列表，結(jié)合loc定位符合區(qū)域，利用pct_change()函數(shù)實現(xiàn)環(huán)比效果，形成新的Series
order_x =pd.Series([])
amount_x =pd.Series([])
for i in region_list:
a =gather_customer_order_10_11_group.loc[gather_customer_order_10_11_group['chinese_territory']==i]['order_num'].pct_change()
b=gather_customer_order_10_11_group.loc[gather_customer_order_10_11_group['chinese_territory']==i]['sum_amount'].pct_change()
order_x=order_x.append(a)
amount_x = amount_x.append(b)
#3、賦予新的Series的變量名
gather_customer_order_10_11_group['order_diff']=order_x
gather_customer_order_10_11_group['amount_diff']=amount_x
#4、由0替換NaN值
gather_customer_order_10_11_group['order_diff']=gather_customer_order_10_11_group['order_diff'].fillna(value =0)
gather_customer_order_10_11_group['amount_diff']=gather_customer_order_10_11_group['amount_diff'].fillna(value =0)
gather_customer_order_10_11_group.head()
（5）cut()函數(shù)實現(xiàn)用戶年齡分層
#利用customer_age字段，進行年齡分層，劃分層次為"30-34","35-39","40-44","45-49","50-54","55-59","60-64"
bins =[30,34,39,44,49,54,59,64]
group_names=["30-34","35-39","40-44","45-49","50-54","55-59","60-64"]
sales_customer_order_11['age_level']= pd.cut(sales_customer_order_11['customer_age'],bins=bins,labels =group_names)
3.2.4可視化分析（利用PowerBI作圖）
（1）整體銷售情況分析
2019年1月至11月銷量走勢圖
由圖可知，近11個月，11月自行車銷量最多，為3316輛;較10月增長7.1%
2019年1月至11月銷售金額走勢圖
由上圖可知，近11個月，11月自行車銷售金額最高，為6190萬元;較10月增長8.7%；
因此，從整體來看，自行車的銷售金額與銷售數(shù)量趨勢一致，均在11月達到頂峰。
（2）地域銷售情況分析
2019年11月各區(qū)域銷售量環(huán)比增速圖
由上圖可知，11月華東地區(qū)自行車銷量在8個地區(qū)中最多，為871輛，遠高于其他地區(qū)銷量，銷售主場區(qū)域；較10月，華南地區(qū)增速為15%，增速最快
2019年11月各城市銷售量環(huán)比增速圖
Top10城市市場份額占比圖
由上圖表可知，在10月與11月自行車銷售市場中，Top10城市市場份額總占比13.48%，其中盡管北京市和上海市市場份額占比排名前列，但相較于其他城市份額占比不超于1.5%,可見自行車銷量在各城市間銷量分布均勻。此外，鄭州市11月份環(huán)比增速急劇，達到48%，存在一定的潛力，可考慮提前備貨給鄭州市。
（注：城市市場份額=城市銷售量/總銷售量）
（3）產(chǎn)品銷量情況分析
自行車類別銷量分布圖.png
自行車類別銷量情況表
由上可知，從2019年1-11月份，公路自行車在各產(chǎn)品類別中占比最高，且每月占比均超過50%，11月銷量和1-11月累計銷量分別為1788輛和18182輛，遠超山地自行車和公路自行車，是自行車類別中的主打產(chǎn)品。
公路自行車銷量分布圖
公路自行車銷量情況表
由上圖表可知，2019年1-11月份，Road-250 Red和Road-750 Black 在公路自行車中占比較高，其中Road-250 Red 在11月份中銷量占比最高，約為19.57%，且較10月增速14.19%，增速最快。此外，在11月公路自行車中，除Road-350-W Yellow外，其他型號的自行車環(huán)比都呈現(xiàn)上升趨勢。
山地自行車銷量分布圖
山路自行車銷量情況表
由上圖表可知，2019年1-11月份，Mountain-200 Black和Mountain-200 Sliver 在山地自行車中占比較高，其中Mountain-200 Sliver 在11月份中銷量占比最高，約為36.31%；Mountain-500 Sliver 較10月增速19.51%，增速最快。此外，在11月公路自行車中，除Mountain-200 Black外，其他型號的自行車環(huán)比都呈現(xiàn)上升趨勢。
旅游自行車銷量分布圖
旅游自行車銷量情況表
由上圖表可知，2019年1-11月份，Touring-1000 Blue和Mountain-1000 Yellow 在旅游自行車中占比較高，其中Touring-1000 Blue 在11月份中銷量占比最高，約為32.67%；Mountain-1000 Yellow 較10月增速28.43%，增速最快。此外，在11月旅游自行車中，除Touring-2000 Blue和Touring-3000 Blue外，其他型號的自行車環(huán)比都呈現(xiàn)上升趨勢。
（4）熱銷產(chǎn)品分析
11月Top10產(chǎn)品銷量走勢圖
11月Top10產(chǎn)品銷量表.png
由上圖表可知，2019年11月1，型號為Road—150 Red、Road—550-W Yellow、Mountan-200 Sliver、Mountan-200 Black銷量較高，其中Road—150 Red銷量最高，較10月增長25.24%。
11月Top10產(chǎn)品銷量增速走勢圖
11月Top10產(chǎn)品銷量增速表
由上圖表可知，2019年11月，型號為Touring—1000 Blue、Road—250 Red、Road—150 Red、Road-550-W Yellow增速較快，其中Touring—1000 Blue增速最快，較10月增長47.06%。
（5）用戶行為分析
2019年11月全國用戶網(wǎng)絡(luò)年齡分布圖
用戶不同年齡段產(chǎn)品消費結(jié)構(gòu)圖
由上圖可知，年齡段35-39歲消費人數(shù)占比最高，為29%；之后隨著年齡的增長，占比逐漸下降。針對年齡（大于30歲）的消費群分析，發(fā)現(xiàn)購買公路自行車占比最大，山地自行車占比最小。
全國男女消費比例圖
男女產(chǎn)品消費結(jié)構(gòu)圖
由上圖表可知，全國女性購買自行車人數(shù)多于男性，多約10%。通過男女消費群分析，發(fā)現(xiàn)用戶購買公路自行車占比最高，購買旅游自行車占比最少。
