此次分析针对某段时间内淘宝母婴产品的购买情况和相应的用户群，源数据理解分析见上一篇文章： 统计描述分析-母婴产品数据分析。接下来我们针对该数据应用EXCEL来分析我们上一篇提出的问题。

1. 对源数据的数据清洗

任何拿到手的源数据，我们都要经过数据清洗，来保证该数据可以支撑我们接下来的操作，包括：删除重复值，缺失值处理，一致化处理，数据排序以及异常值处理。

我们先将需要的数据合并成一张表格：将trade_history表格里对应的类目，交易数量和交易时间通过vlookup函数关联到婴幼儿信息表格。

*公式中将引用的A2单元格混合引用$A2，固定A列，再配合vlookup函数里的col_index_num用column函数表达，可以实现多行多列一次性匹配好

*在实操过程中碰到了vlookup无法跨表引用，原因是当时选中两个excel一起打开了让电脑误以为这是两个程序，无法跨表引用。解决方法：一个个打开。可通过打开任务管理器验证：前者可出现两个excel进程，后者只出现一个，显示备注（2）.

将跨表引用的四行数据复制成数值，并删除函数引用的数据。

确认无缺失值，user_id无重复值，对birthday和day两栏日期格式进行统一，并对birthday一列进行降序排列，发现异常值，做删除处理。

添加辅助行Buy_Year(购买的年份), Buy_month(购买的月份)，Age(购买时婴幼儿年龄)

Buy_Year: =Left(F2,4)

Buy_month: =Mid(F2,6,Find(“/”,F2,Find(“/”,F2)+1)-6)

Age: =IFERROR(DATEDIF(B2,F2,"y"),-DATEDIF(F2,B2,"y"))

以上数值全都复制粘贴为数值。

2. 建模分析

对购买数量做箱线图分析：

显示其平均值约等于1.61，看箱线图其绝大部分购买量都是1，选择购买量大于10的交易记录当作异常值做删除处理（量大影响统计效果，本案例的研究对象为零售购买用户，个别量大的会在统计分析时带来错误分析结果），剩余数据939条。

数据可视化：

购买数量和年龄对应关系，以及年龄对应的分布情况

从动图看，无论男孩女孩，其购买量高峰是一周岁前。

按月分析活跃度（鉴于15年只有两个月的数据，剔除了15年的数据再做比较）：每年出现购买高峰的月份为11月，认为与该月的每年活动正相关。结论：母婴类产品对促销敏感，可通过活动多促进该类商品的销量。

观察到销量逐年递增，考虑到12年数据从7月开始，计算日均销量和日均活跃客户更加能客观的反映数据。

第一步：统计非重复计数的天数。我的Excel版本是2016版，没有这个功能，看到网上说有的版本有非重复计数的统计，这样就比较简单了。针对没有这个功能的版本，以下是我的做法：在源数据表格建立辅助列，通过函数=countif($F$2:F2,F2)来计算重复计数；在数据透视表中插入筛选项（或者切片器）选择辅助列显示为1的数据。

第二步：在旁边新建数据透视表计数user_id

第三步：日均销量=求和buy_mount/计数辅助列

日均活跃客户=计数项user_id/计数项辅助列

第四步： 绘制折线图

结论：日均活跃客户逐年增高，尤其14年相对增长较快，随之而来的结果是销量的快速提升。单从母婴产品类分析，2014年是淘宝相对之前年份增长快速的一年。