電商資料分析Excel案例

一、了解電商行業

1. 了解電商

   第一代電商：以供貨為主，純賣貨，沒技術

   第二代電商：以推廣流量為中心，刷單、直通車、報活動，不算利潤，虧錢賺吆喝

   第三代電商：以消費者為中心，看懂資料，了解買家，不看銷量，看利潤，通過社會化媒體與買家對話

2. 行業現狀

   電商大資料伴随着消費者和企業的行為實時産生，廣泛分布在電子商務平台（淘寶，京東，拼多多）、社交媒體（微信）和其他第三方流量入口（抖音，快手）上。

   電子商務資料類型多種多樣，既包含消費者交易資訊、消費者基本資訊、也包括消費者評論資訊、行為資訊、社交資訊和地理位置資訊等。這些資訊的豐富，對于我們分析研究具有很重要的意義。

   但是，随着資訊的豐富，我們也遇到了相應的問題：

   a. 海量資料

   b. 資料的可讀性

3. 次元展示

   在本次電商案例中，我們的字段有行ID，訂單ID，客戶對象，訂單日期，地區，地區經理，類别，子類别，銷售額，數量，退回，客戶名稱，利潤等，在這些字段下面，一共有近5000條資料。通過這些資料，我們可以設計如下一些分析次元。

   序号	次元
   1	2018年至2019年各品類商品銷售額情況
   2	2018年至2019年各地區商品銷量情況
   3	2018年至2019年各地區經理的利潤情況
   4	2018年與2019年各地區訂單變化情況
   5	2019年各地區銷售經理銷售情況
   6	2019年各地區銷售經理退貨數
   7	2019年各地區銷售經理實際銷售額占比
   8	2019年各地區經理銷售額完成情況
   9	2019年各品類商品銷售額貢獻
   10	2019年各品類商品地區銷售情況
   11	各品類商品的實際銷量趨勢
   12	2019年各地區新老客戶利潤占比
   13	2019年客戶細分
   14	2019年各地區客戶分布

二、電商資料分析

1. 全局概覽

   1.1 2018年至2019年各品類商品銷售額情況

   插入資料透視表，行标簽為“訂單日期”，列标簽為“類别”，值為“銷售額”，将資料展開至季度，如下表所示：

   

   通過上述透視表，我們可以選擇資料，插入堆積柱狀圖，用可視化形式表現我們的資料，下圖為2018年至2019年各品類商品的銷售額情況：

   

   1.2 2018年至2019年各地區商品銷量情況

   插入資料透視表，行标簽為“訂單日期”，列标簽為“地區”，值為“銷量”，得到透視表如下圖所示：

   

   通過上述資料透視表結合日程表的使用，我們可以選擇資料，插入簇狀柱形圖，用可視化的形式表現我們的資料，下圖為2019年各地區商品銷量情況：

   

   

   1.3 2018年至2019年各地區經理的利潤情況

   插入資料透視表，行标簽為“地區經理”，列标簽為“年”，值為“利潤”，得到透視表如下圖所示：

   

   

   此時插入簇狀柱形圖，我們會發現各地區經理利潤增減無法通過上圖輕易得出。故複制資料透視表，粘貼到其他單元格，添加輔助列“利潤增長/減少”，此時我們可以選擇資料——地區經理和利潤增長/減少兩列，插入柱狀圖，用可視化的形式表現我們的資料，下圖為2018年至2019年各地區銷售經理的利潤情況：

   

   

   1.4 2018年與2019年各地區訂單情況

   插入資料透視表，行标簽為“地區”，列标簽為“年”，值為“訂單ID”與“訂單ID2”，得到資料表為各個地區經理從2018年到2019年的訂單情況。之後，選擇2019年資料，如下圖所示：

   

我們可以選擇資料，插入組合圖，用可視化形式表現我們的資料，下圖為2019年各地區訂單一覽圖：

如要進行對比分析，可以在同一表格中複制資料透視表，得到的資料表為各個地區經理從2018年到2019年的訂單情況：

我們可以選擇資料，插入折線圖，用可視化形式表現我們的資料，下圖為2018年與2019年對比分析圖：

1. 銷售經理的kpi

   2.1 2019年各地區銷售經理銷售情況

   插入資料透視表，行标簽為“地區經理”，值為“數量”、“銷售額”及“利潤”，篩選器為“年”，得到資料表為各個地區經理從2018年到2019年的銷售額、銷量與利潤情況，如下表所示：

   

   針對上圖資料透視表，我們可以選擇資料，插入組合圖，用可視化形式表現我們的資料，下圖為2019年的銷售額、銷量及利潤資料情況：

   

   2.2 2019年各地區銷售經理退貨數

   插入資料透視表，行标簽為“地區經理”，值為“退回數”，篩選器為“退回”，選擇篩選器為“是”，将年份設定為切片器，得到2019年各個地區經理的退回數量，如下圖所示：

   

   選擇分析，點選“字段、項目和集”，添加字段“退回均值”，退回均值為52，如下圖所示：

   

   針對上述資料透視表，我們可以選擇資料，插入組合圖，用可視化形式表現我們的資料，如下圖所示：

   

   2.3 2019年各地區銷售經理實際銷售額占比

   插入資料透視表，行标簽為“地區經理”，值為“銷售額”和“銷售額占比”，插入年切片器，得到各地區經理2019年的實際銷售額及其占比，如下圖所示：

   

   針對上述資料透視表，我們可以選擇資料，插入餅圖，用可視化形式表現我們的資料，如下圖所示：

   

   如果我們想要繪制出瀑布圖，首先需要把資料透視表中的“行标簽”和“銷售額占比”兩列單獨複制出來，如下圖所示：

   

   針對上圖資料，我們可以插入瀑布圖，用可視化形式表現我們的資料，如下圖所示：

   

   2.4 2019年各地區經理銷售額完成情況

   插入資料透視表，行标簽為“地區經理”，值為“銷售額”，将“年份”和“退回”為“否”放入篩選器，留下2019年的資料，假設各個地區銷售經理的銷售目标均如下圖所示：

   

   針對上圖資料，我們可以插入堆積柱狀圖，用可視化形式表現我們的資料，如下圖所示：

   

2. 商品銷售情況

   3.1 2019年各品類商品銷售額貢獻

   插入資料透視表，行标簽為“類别”，值為“銷售額”與“銷售額占比”，将“年”和“退回”放入篩選器，得到資料透視表如下圖所示：

   

   針對上述資料透視表，我們可以選擇資料，插入餅圖，用可視化形式表現我們的資料，如下圖所示：

   

   3.2 2019年各品類商品地區銷售情況

   插入資料透視表，行标簽為“地區”、“類别”、“子類别”，值為“數量”，篩選器為“退回”，将“退回”選擇“否”，得到資料透視表（篇幅過長，這裡不做展示）。選擇設計，将報表布局改為重複所有項目标簽，去掉+号。針對資料透視表，我們可以選擇資料，插入旭日圖，用可視化的形式表現我們資料，如下圖所示：

   

   3.3 各品類商品實際銷量趨勢

   插入資料透視表，行标簽為“訂單日期”，列為“類别”，值為“數量”，篩選器為“退回”，将“退回”選擇“否”，得到資料透視表（篇幅過長，這裡不做展示。注意：資料透視表必須完全展開，才能夠全部顯示在圖表中）。我們可以選擇資料，插入折線圖，用可視化的形式表現我們資料，如下圖所示：

   

3. 客戶分布情況

   4.1 2019年各地區新老客戶利潤占比

   插入資料透視表，行标簽為“地區”與“客戶名稱”，列标簽為“年”，值為“利潤”，篩選出2018年與2019年客戶資料，采用if函數篩選出2019年新老客戶，然後将2019年資料複制出來，采用資料透視表篩選出2019年新老使用者利潤分布情況如下圖所示：

   

   針對上述資料透視表，我們可以選擇資料，插入餅圖，用可視化形式表現我們的資料，如下圖所示：

   

   接下來，我們可以繼續采用資料透視表篩選出2019年各地區新老使用者利潤分布，如下圖所示：

   

   針對上述資料透視表，我們可以選擇資料，插入百分比堆積柱狀圖，用可視化形式表現我們的資料，如下圖所示：

   

   4.2 2019年客戶細分

   插入資料透視表，行标簽為“客戶名稱”，值為“訂單ID”與“銷售額”，篩選器為“年”，将“年”選為2019，得到資料透視表（篇幅過長，這裡不做展示）。針對資料透視表，我們可以選擇資料，插入散點圖，用可視化的形式表現我們資料，如下圖所示：

   

   4.3 2019年各地區客戶分布

   插入資料透視表，行标簽為“地區”與“客戶對象”，值為“客戶名稱”，篩選器為“年”，将“年”選為2019，選擇設計，将報表布局改為重複所有項目标簽，得到2019年各地區客戶分布資料透視表，如下圖所示：

   

   針對上述資料透視表，我們可以選擇資料，插入樹狀圖，用可視化的形式表現我們資料，如下圖所示：

   

三、總結

1. 在電商行業中，面對多名額，大量的資料，資料透視表的使用将會大大降低我們的工作量；
2. 資料透視表不僅僅可以用來彙總求和，還可以用來計數，求平均值、最大值、最小值、乘積、方差等；
3. 切片器的使用，将會讓我們的資料展示的更加有條理；
4. 在面對大量資料的時候，資料透視表與圖形的結合，将會大大提升資料的可讀性。