撰稿编者按：他们在直面海量数据数据时，需要先明晰路径，心里有所总体规划后再去展开分析。本文从明晰问题、理解数据、数据冲洗和数据分析五个关键步骤讲诉怎样利用Excel展开Jalgaon，推荐给对数据分析感兴趣的TX阅读。

如果说在数据极地里我是两艘巨轮的军舰，那么明晰的业余目标是远航的路径，统计学业务观念等科学知识则是船身隐蔽的内部结构，而Excel和Python等工具的采用是远航的动力。不同于前面2首诗，今天会结合统计学的内容，重点讲诉怎样采用Excel展开Jalgaon，在Jalgaon的过程中常充斥着路子的标定与收敛统一。

首先，他们需要明晰数据分析的关键步骤，没有章法的社会秩序，很容易在海量数据数据中陷于难以预料中。

其二，请让我依照以上关键步骤来叙述我是怎样用Excel展开开拓性分析的？下期以前4个关键步骤为主（明晰问题、理解数据、数据冲洗和数据分析，其余请关注先期发送）。

下期Jalgaon财务报表：淘宝和京东上购买婴孩用户的交易明细、用户信息表；

数据源于：https://tianchi.aliyun.com/dataset/dataDetail?dataId=45

一、明晰问题

在手头上领到数据后，不要心急做冲洗和分析，而要先依照掌握的信息展开脑暴，透过这本数据我/他们能大体上确定些什么问题，可以透过脑图（比如Xmind）在详列的众多悖论后，依照重要性展开次序。

为什么要怎么做？谚语云：墩庄不误上山工，先把问题了解清楚，有助于中后期的分析，而不是既然如此上手，花费了众多工夫，这回伤感地发现得出结论的推论与要分析的路径背道而驰。

依照已有信息，可假设如下表所示需校正的问题：

二、理解数据

兔子聊数据分析里的短视频上恩的一个讲法让我第一印象真切，她将”理解数据”想像成做菜前准备的“粘毛乌梅”等调味料，对于数据分析这道饕餮，表单中的不同字段，其背后的含义要能理解清楚，否则是菜不对味儿。

三、数据冲洗

切记：数据冲洗不要在原始表单上直接处理，可以复制表单再生成一份，防止原始数据被破坏，影响工作效率。

选择子集：可以遵循二八原则，直面众多字段要有取舍，选择核心的字段

以产品信息表为例：7个字段中，商品属性初步来看分析价值不大，可隐藏，后面可视具体情况如有用再取消隐藏

列名重命名：一般从数据库导出的数据字段名可能是英文的，那么可以切换到中文，方便自己和他人了解

转化为：

缺失值处理：容易忘记的一个环节，尤其是遇到大量级的数据，一定要检查一下，可以采用countblank函数，补全的4个方法：缺失值较少可手动补齐、删除、数值的话采用平均值代替和透过统计模型算出的值展开替代。

本文采用的2张财务报表中的产品信息表的【产品属性】有缺，但此列已隐藏，故不作补充。

一致化处理：将表单中不规范数据展开批量处理，2张表中的日期数据需要处理成正确可计算的日期型数据，可以先用len+left/mid/right+find函数展开组合，本例中的数据比较齐整，也可以采用分列来拆分，具体采用以实际情况为准。

异常值处理：与缺失值一样，不可遗漏，对于输入性的数据值尤其是要检查，消费者信息表中【性别】和【出生日期】作为重点排查对象，采用vlookup将2张表单展开互联，透过【购买日期】和【出生日期】相减除以365取整得到年龄，再对【年龄】展开次序会发现有”28”这个异常值，透过与其他值对比，可以推测原因是出生日期填写的是父母，排查出的异常值可剔除。

四、数据分析

在分析版块中，我重点采用了Excel的【数据透视表】、【数据分析】中的【叙述统计】和Vlookup函数，具体详见如下表所示：

产品信息表的分析路子：在对一级类目展开基础汇总统计时发现不同类目之间的销量差异明显，对该表的销量展开叙述统计发现极值差悬殊，在此基础上针对销量这一列展开分组产生新的字段【订单类型】，由此结合一级类目、订单类型和购买日期3个维度组合分析（注：购买数量默认统一为当天单笔订单）。

提取整体销量和6个一级大类的分别对应销量，采用【数据分析】中的【叙述统计】，返回结果如下表所示（共3列，后2列选取标准差最低和最高的2个一级大类）：

由上可得，不同类目间的销量存在波动，可以初步推断类目之间的差异与各大类之间的销量波动密切相关。

采用Vlookup模糊匹配展开分组，依照电商业务场景，存在批发订单的可能，5个以内为个人常规订单范畴，6个及以上都算作批发订单，再依照实际购买数量分成：小、中及大批量，具体见如下表所示截图：

透过对订单分类展开透视统计，数据及发现如下：

再看订单类型与一级大类的关系：

依照上表是否可以推测目前平台的发展侧重点在于大批量订单的引导？

初步论证如下表所示：

如果剔除10000这个值会发现，常规订单在14年还处于上升状态，占比达到52%；

结合一级类目和13/14自然年组合分析：可发现在14年，“5004815”一级类目赶超13年排名第一的“28”成为14年Top1，且对比两年的发展速度，“5004815”增长达到300%，“5008168”增长近200%。

依照上图，进一步深挖，可发现：“5004815”还是与那10000的订单相关，排除10000这个值来看，14年的各大类整体销售依然达到141%的增速，Top3中“28”增速较缓。

用户信息表的分析路子：相对于产品信息表，用户的数据量较少，算是产品的一个小样本，在采用Vlookup展开多表关联后，在拼接字段后，依照用户ID的唯一性可以分为2张表：其一不含交易信息（字段包括：用户ID、购买日期、性别、出生日期、年龄和年龄分类）不具有重复值，另一张则包含交易信息（在Vlookup产品信息表时会发现复购的交易记录），依照年龄新增字段“年龄分类”，透过年龄分类、性别、用户ID及购买数量展开多维分析。

因考虑文章篇幅较长，这部分分析简略呈现，具体可看先期发送：

结合下面2图，可得宝宝年龄集中在0-6岁，占比达到90%，女性宝宝占比略高于男性宝宝。

下图是添加了”购买数量”这一字段，可以发现在男女宝宝人数占比相近的前提下，女宝宝的销量将近是男宝宝的2倍，可见女宝宝的消费需求更强劲。

依照上图，再进一步分析男女宝宝在各一级大类的选择上呈现出什么样的特征，由下图可知，Top1的“50014815”说明女宝宝是消费者主力贡献者，可推测该大类主打女宝宝的产品，紧随其后的第二和第三，男女宝宝的产品受欢迎程度差距没有Top1那么明显，但相较而言女宝宝占比更高。

最后，对前4步展开小结，纵观以上的图表更多是对数据的解读和推测，并未依照数据提供下一步的落地建议，且在分析上观念相对狭隘，中后期会更进一步调整优化。直面数据需保持好奇心，能够由挖到的一点再进一步的下钻，达到剥丝抽茧的程度。