电商数据分析项目精讲！电商平台人、货、场分析实战，附数据源

作者：FineBI

发布时间：2023.5.15

浏览次数：365 次浏览

电商数据分析在电子商务运营中具有重要价值。通过对电商数据的深入分析，企业可以更好地了解市场、消费者和竞争环境，从而为决策提供有力支持。

今天介绍的电商数据分析项目作品为2020帆软BI可视化冬季挑战赛最佳业务应用奖作品，来自于参赛用户枫城，主题是基于人、货、场的电商平台数据分析，分析的思路非常清晰，可视化报告的部分做的也很棒，非常具有学习价值。

场景介绍

业务背景介绍：小风是一名刚入职的BI工程师，在试用期结束期间，导师拿着一份电商数据给到小风，要求其给出合理分析结果

分析目的：小风通过分析电商平台两年内的销售情况和发展情况，找出平台发展对应结论，并给出相应改善建议。

分析工具：FineBI（点击免费获取激活码）

首先我们明确这次分析的目的对于电商平台相关数据，分析发现问题并给出相关建议，决定从传统的人，货，场角度进行分析。

场的维度我们分析平台销售的健康情况和销售分布情况。可以得到平台销售的分布特点和增长趋势。

接着我们通过货品分析，了解到该平台品类销售情况和产品的价格带在哪个位置，以此可以进行ABC分类的优化和了解平台产品定位，同时我们通过评分还了解到产品体验还有待优化，并尝试定位产品低评的原因

接着会员分析，我们了解到会员的增长趋势和会员的分布情况，发现会员也大量分布在巴西沿海，同时我们还通过AARRR模型和RFM模型了解到会员转化率情况及消费属性，并确定了重要价值客户的占比和地理分布位置，客户分层，有利于精准营销。

同时通过分析会员订单了解会员消费时间点和消费方式及平均付款时间。同时也通过会员的评分，了解到会员的潜在诉求。

其他分析-物流分析，最终分析了该平台的物流情况，发现物流不准时占比偏高，物流时间也偏长，但同时物流费用占比订单费用偏高，人们的消费和收到的服务不成正比，同时通过低评的不准时占比和物流时间验证该猜测，确定低评现象和物流服务有关。

最后，就以上结论和现象进行相关改善建议

整体分析脑图如下所示：

数据内容：基础数据表主要为以下9张，如下图所示，AAARR模型表，巴西各州辅助表，表关系，地区经纬度表是我通过其他途径获得的辅助数据表

数据整理过程：

获取：登录kaggle，下载公共数据集，需要翻墙和拥有kaggle账号。（想去Kaggle参加竞赛的朋友可以找我要翻墙工具）
清洗：为了保证源数据准确性，将上述9张EXCEL基础数据做去重及异常值处理（如数据查重，时间值前后，金额正负等常规判断），通过EXCEL配合相应函数完成，因比较简单，这边不做过多叙述。
导入传入到FineBI，并为了方便操作，将每张EXCEL表单独创建一张宽表，作为维度表。(方便单表添加字段或维护)，为后续制作大宽表打下数据基础。
主要宽表制作（1）订单核心各维度聚合宽表。

a、以Olist_order_dataset为核心表，链接各维度表，创建订单核心各维度聚合宽表。其表间血缘关系如下所示。