1.前期准备

数据来源

字段含义

总共有两个csv文件，用excel打开。
淘宝母婴用品分析(Excel)
此为婴儿信息表。
三个字段:用户ID, birthday:出生日期 gender：性别(0 male,1 female, 2 未知)
总共953条记录

此为商品购买记录表。
七个字段:用户ID, 购买行为编号，商品***，商品类别号，商品属性，购买数量，购买日期。
共29971条记录

业务分析角度

由于缺少大量必要数据(客单价，订单金额等)，只从以下三个角度分析：

销售角度
销量对比、销量变化趋势
产品角度
商品市场额度（大类、具体商品）
用户角度
用户购买行为、用户画像

2.数据清洗(Excel)

查重
婴儿信息表，针对id查重，无重复
购买表整行查重，无重复。id重复代表复购
缺失值
用countblank函数求每一列的空值，property存在144空值。
性别处理
用替换实现: 1男 0女 2未知
日期处理
1 用分列将两个表中的日期改为日期格式
2 在购买表中添加婴儿的出生日期、性别，用vlookup，以user_id为查找目标
3 添加一列计算婴儿年龄
用datediff来计算。返回错误值意味着购买日期早于出生日期，表示未出生
4年龄分段
用if实现年龄分段。未出生，0-6个月，6-12个月，1-3岁，3-6岁，6岁以上
字段名改为中文，除去不需要字段，易于理解
数据预处理结束,图为清理后数据格式

数据可视化及分析

销量分析

年度汇总
数据记录的是2012年7月至2015二月的销售数据。为保持有效对比，选取2012-2014年的7至12月销售数据。可以看出总体销量是迅速上升的。

淘宝母婴用品分析(Excel)

季度汇总
2012,2015数据不全，从13、14年的数据来看，第一季度的销量最低，第四季度最高，且从第一季度到第四季度整体呈现一个上升趋势
同比增长率
同比增长率，一般指和去年同期相比较的增长率。能反应平台的发展状况和产品的需求变化。
同季度对比，第三四季度增幅较大(7-12月份)。12年到14年底，整体销量保持上升，特别是每年第三四季度销量的增长在80%~120%。这表明这三年在淘宝母婴用品的需求增长迅速。
第四季度保持最高销量、高增长，可能跟假期及促销活动有关（国庆、双十一、圣诞、年终促销）。

产品分析

商品种类分析
首先，我们按照商品类别分析，看一下哪类产品最受欢迎

商品总共有六个大类。可见最受欢迎的商品种类编号是28。所有的销售量中，前三种商品(28、50008168、50014815)市场占比将近90%。
商品分析
其次，我们按具体的商品分析，看看哪几个商品最受欢迎。

销量前三的商品序号为50018831(17%)、50011993（5%）、50012788（4%）.总得来说商品种类多，需求多样化。50018831商品销量远远领先其他，要保持供应充足。

用户分析

因为用户信息缺失严重，正确填写婴儿性别和生日的记录大概1000+条，所以只能以这些数据来分析。可视为抽样分析。

婴儿性别比例

婴儿性别为男的数量是438，婴儿性别为女的数量是492。
男女比例基本一致，未知是性别填错，可忽略

婴儿性别偏好

整体数量上女婴家长购买力强于男婴家长。
女婴家长中最受欢迎的商品种类是50014815，男婴家长中最受欢迎的商品种类是50008168。
38、50014815两类商品可能主要是针对女性婴儿的产品，因为女婴消费占比超过70%。
婴儿年龄分布

购买人群中，婴儿年龄段为1-3岁的父母最多，6岁以上最少。其他年龄段类似。
重复购买情况

29919人次发生一次购买行为，48人次发生2次购买行为，4人次发生四次购买行为。总体来说复购率很低。