当前位置:首页  >  数据分析专题  > 

20个实战数据分析案例网站合集,可实操练习!

作者:FineBI

发布时间:2023.8.31

浏览次数:2,712 次浏览

数据分析是现代企业中非常重要的一部分,它可以帮助企业更好地理解自己的业务和客户,并为企业的决策提供数据支持。在学习数据分析的过程中,实战案例是非常有用的。下面是从帆软数据分析作品库网站中选取的20个实战数据分析案例,提供了丰富的数据和工具,可以帮助你进行实操练习。

1.实战数据分析案例网站

1.1数据源网站

  • 国家统计局: http://www.stats.gov.cn/
  • 商务部官网:http://www.mofcom.gov.cn/article/fxbg/
  • 前沿报告库: https://wk.askci.com/ListTable/
  • 洞见研报: https://www.djyanbao.com/index

1.2数据分析网站

详见文章最全集合!数据分析一般用什么软件?

1.3数据分析案例合集网站

帆软数据分析作品库收录多达300+数据分析案例,涵盖50余个场景的数据分析可视化报告,均来自帆软BI数据分析大赛作品,涉及数分/商分/经分等多个领域的业务,为您提供丰富分数据分析的学习参考材料。

2.20个实战数据分析案例合集

以下20个数据分析案例均来自 帆软数据分析作品库 ,希望对您有所帮助:

【2022BI数据分析大赛】卖玻璃的小男孩
【2021夏季挑战赛】某商超提升会员数分析
【2021夏季挑战赛】疫情期间的水务数据分析
【2020冬季挑战赛】电商那些事-基于人,货,场的电商平台数据分析
一篇读懂零售数据分析
【2020年冬季挑战赛】电商销售数据分析
【2021夏季挑战赛】精细化运营-电商取消单分析
【2022BI数据分析大赛】液态奶产品数据驾驶舱
【2022BI数据分析大赛】企业财报数智化解决方案
【2020冬季挑战赛】供产销企业的财务数据分析与内部审计
【2022BI数据分析大赛】旅游业对全国经济发展的影响
【2022BI数据分析大赛】效率提升探索
【2022BI数据分析大赛】首钢股份库存管控平台
【2021夏季挑战赛】航段油耗影响指标分析
【2022BI数据分析大赛】2021年PVC产品运营分析
【2022BI数据分析大赛】某车企运营分析平台
【2021夏季挑战赛】亚洲人口可视化数据分析
【2022BI数据分析大赛】超市盈利亏损分析
【2022BI数据分析大赛】巴西电商平台交易数据分析
【2022BI数据分析大赛】员工流失分析报告

3.实战数据分析案例详解—— 巴西电商平台交易数据分析

3.1 背景简介

数据来源于巴西Olist(2016年8月-2018年8月)电商数据平台的数据。本次数据分析作品只筛选了2017-2018年的数据来进行分析。 数据来源链接:https://www.kaggle.com/jainaashish/orders-merged

分析目的:分析该数据可以看出近两年的销售业绩变化卖家的经营状况客户的区域分布客户的购买偏好等,以便改善现有的状况,提升业绩。

3.2 分析思路介绍

3.2.1提出问题

  • ① 在2017年1月-2018年8月,为什么销量呈现上涨趋势?
  • ② 哪类商品最热销,可主推?
  • ③ 用户的地域对于销量的影响?如何做到精准营销?
  • ④ 用户偏好哪种支付模式,是否可以在线支付公司深度合作?
  • ……

3.2.1分析框架

分析框架

 3.2.3数据清洗整理

本作品分析数据来源于巴西电商平台的orders-merged交易数据,由于分析需要,在分析过程中只保留了2017-2018年(8月)的数据,相关字段描述如下:

序号 原始字段 字段类型 描述 作品是否使用
1 product_id 字符型 产品ID
2 seller_id 字符型 卖家ID
3 order_id 字符型 订单ID
4 customer_id 字符型 客户ID
5 order_status 字符型 订单状态
6 order_purchase_timestamp 日期型 下单时间
7 order_approved_at 日期型 审批时间
8 order_delivered_carrier_date 日期型 过账日期
9 order_delivered_customer_date 日期型 订单交货日期
10 order_estimated_delivery_date 日期型 预计交货日期
11 customer_unique_id 字符型 客户标识ID
12 customer_zip_code_prefix 数值型 客户邮政编号
13 customer_city 字符型 客户城市
14 customer_state 字符型 客户所在洲
15 review_id 字符型 评论ID
16 review_score 数值型 评论得分
17 review_comment_title 字符型 评论标题
18 review_comment_message 字符型 评论内容
19 review_creation_date 日期型 满意度调查日期
20 review_answer_timestamp 日期型 满意度回复日期
21 payment_sequential 字符型 付款顺序
22 payment_type 字符型 付款方式
23 payment_installments 数值型 分期付款数
24 payment_value 数值型 交易金额
25 order_item_id 数值型 序号
26 price 数值型 商品价格
27 freight_value 数值型 运费
28 seller_zip_code_prefix 数值型 卖家邮政编号
29 seller_city 字符型 卖家城市
30 seller_state 字符型 卖家所在洲
31 product_category_name 字符型 商品类别名称
32 product_name_lenght 数值型 产品名称长度
33 product_description_lenght 数值型 产品说明长度
34 product_photos_qty 数值型 产品照片数量
35 product_weight_g 数值型 产品重量
36 product_length_cm 数值型 产品长度
37 product_height_cm 数值型 产品高度
38 product_width_cm 数值型 产品宽度

3.2.4指标体系

序号 指标名称 解释说明 是否派生
1 交易金额 /
2 商品价格 /
3 客户数 FineBI计算逻辑为counted_agg(customer_id)
4 客单价 客单价 = 总交易金额 / 用户数
5 订单量 FineBI计算逻辑为counted_agg(order_id)
6 笔单价 笔单价 = 总交易金额 / 订单量
7 商家数 FineBI计算逻辑为counted_agg(seller_id)
8 城市数量 FineBI计算逻辑为counted_agg(customer_city)

3.3 数据分析过程

3.3.1整体情况

整体情况

  • 客单价 = 总交易金额 / 用户数;用户数:93104,客单价:162.45。
  • 笔单价 = 总交易金额 / 订单量;近两年的总交易金额:15124382,订单量:96211,笔单价:157.20。
  • 近两年Olist电商平台的用户量、交易金额、商家数量有逐渐上升的趋势。

3.3.2时间维度

年交易情况

  • 2017年交易金额:6798411,截止到2018年8月交易金额:8325970,环比2017年增长22.47%
  • 2017订单量:43428,截止到2018年8月订单量:52783,环比2017年增长21.54%

季度交易情况

季度交易情况

月交易情况

月交易情况

交易金额整体上有逐渐上升的趋势。2017年11月达到峰值:1138353元,环比增加54.11%。其中,订单量为7289。接下来分析,为什么销量一直上涨,特别是2017年11月突然上涨到了最高峰

销量一直上涨

这里针对2017年11月交易金额达到峰值问题下钻。查看2017年11月的交易金额、订单量情况,2017年11月24日这天的交易金额、订单量达到峰值,导致11月整个月的交易金额、订单量达到峰值。(注意到,11月24日是11月的最后一个星期五,即“黑色星期五”,由此可以得出其中一个结论,由于促销活动带来销量上涨

促销活动带来销量上涨)

由于这里的产品分类比较多,不好下钻到某些爆款产品的。下钻11月24是哪个洲的交易金额和订单量最多,11月24的交易金额、订单量主要来自SP这个洲。

下钻看看哪个城市的交易金

继续下钻看看哪个城市的交易金额、订单量比较多。这里城市数量比较多,只截取了交易额、订单量最多的部分(前20),这里主要是由于sao paulo这个城市贡献的交易额和订单量。

3.3.3商家维度

商家维度

数据结果显示,商家主要集中在SP、PR、MG这三个洲,占了78.83%。加上SC,占比超过了80%;SP洲的交易金额和订单量位居第一,与第二的PR洲差距明显,SP洲的交易金额占了总交易金额的64.57%,SP洲的头部效应明显。

SP、PR、MG这三个洲的累计交易金额和订单量都达到 81% 以上,该电商平台应该重点关注这三个洲。

另外商家数量2017-2018期间,一直处于增长趋势,这也是该平台销量呈现上涨趋势的原因之一

3.3.4用户维度

流失用户占比等于总用户数的8.16%,流失状态占比较大,该电商应该更注重于用户维持。重要深耕用户人数占比为35.90%,交易金额 537.95 万,其次是重要挽回客户, 人数占比为22.99%  。重要深耕用户和重要挽留客户的交易金额总占比达到70%以上,这两类的客户应该重点关注。重要价值的客户的人数仅占了8.15%,占比少。

用户在10-13点、20-24点这个时间段写评论的较多,5分的占了总评论数的58.92%,4分的占了总评论数的19.65%,好评率约为78%,差评率超过20%,需要重点关注

3.3.5产品维度

产品维度

2017-2018各商家共供货 73 种品类,30984 种产品,平均售价为 125.17 元;明星产品偏少,建议优化产品结构

前10类别名称的占了总交易额的62.47%,前17类别名称的占了总交易额的79.94%,头部效应明显

3.4 总结与建议

  • 促销活动与销售金额、订单量强相关,建议除了黑色星期五外,定期进行相关促销活动。
  • 明星产品较少,建议鼓励商家做好市场调研,引进明星产品,并将明星产品与其他产品进行绑定销售。
  • 做好用户回访,深入分析客户差评的原因,并进一步优化客服工作。
  • 加强与在线支付公司credit_cart、boletol合作,维护好关系,达成长期合作合同,增加推广盈利收入。

数据分析可视化报告:

数据分析可视化报告

以上数据分析案例使用了FineBI制作,网站提供了丰富的数据和工具,可以帮助你进行实操练习,目前提供免费个人版。如果你想提高自己的数据分析能力,不妨试一试。

商业智能BI产品更多介绍:www.finebi.com


   

在线客服

电话咨询

技术问题

投诉入口