之前我们对表1，表2的指标进行了描述性统计，接下来用excel继续进行初步的探索性分析，下面是处理数据集一般用到的数据分析步骤：提出问题、理解数据、清洗数据、数据分析或者构建模型；数据分析第1步：提出问题

-我们要分析哪些业务指标？

我们可以就用户角度和商家角度来进行相应业务问题提出，每个子问题遵循MECE原则；

用户方面：

1、在婴儿的成长周期里购买数量最多的是哪些品类？

商家方面：

1、哪个商品品类购买数量最多，哪个商品品类购买数量最少？

2、每个品类下面的TOP1商品？

3、商品品类随着月份的变化是如何上升或者下降，方便在商品品类销售上升之前准备上新？

4、商品品类下面的产品款数分布，哪些是热门品类，哪些品类款数少竞争力小？

数据分析第2步：理解数据

-熟悉Excel的工作界面
-Excel各个字段表示什么含义？
-Excel中有哪些数据类型？
-数据的基本操作

表1 购买商品，表2 婴儿信息中的业务指标如图所示：

数据分析第3步：如何使用Excel清洗数据？

-Excel中常用的函数如何使用？
-如何去除数据列空格？
-如何规范数据源中错误格式的值？
-如何拆分单元格？
-时间格式数据如何处理？
-如何对数据进行排序和筛选？

1）选择子集

下载好的数据集另存为，保存类型为Excel工作簿；

2）列名重命名

首先我们对表1，表2的英文列名进行重命名，便于之后数据处理；

3）删除重复值

表1，七列的每一列都有重复值，其中’购买行为编号‘，我们理解用户可以有多条购买记录，但是每一个购买行为编号对应一个订单编号，应该是唯一性的，所以对’购买行为编号‘这一列进行删除重复值操作；

表2，其中’用户ID‘一列未发现重复值；

4）缺失值处理

表1，其中’商品属性‘这一列存在144条记录的缺失值，考虑到下载的数据集中关于商品属性我们无法填写正确的内容，并且这一列数据类型是字符型，我们暂时保留缺失值所在的列；

表2，每一列都不存在缺失值；

5）一致化处理

考虑到‘商品属性’这列涉及到的属性较多，暂不进行分列处理；

6）数据排序

表1 购买商品，对‘购买时间’这列进行升序处理；

表2 婴儿信息，对‘婴儿出生日期’这列进行升序处理；

7）异常值处理

表2 婴儿信息，对’婴儿性别‘这列进行数据透视；指标含义中0代表男性，1代表女性，2未说明，我们用空白格代替；

’婴儿出生日期‘一列中，19840616明显是异常值，这一列我们选择删除数据；

数据分析第4步：数据分析或者构建模型

-如何搭建数据透视表？
-如何使用vlookup进行数据分析？
-如何使用搜索引擎解决遇到的问题？

表1 购买商品，对’购买数量‘这一列进行描述统计；

用户方面：每次购买人均2件产品，订单购买数量最大值是10000；

按照我们之前提出的业务问题，

用户方面：

1、在婴儿的成长周期里购买数量最多的是哪些品类？

我们用多表关联查询vookup将表2的婴儿信息根据’用户ID‘匹配到表1，

DATEDIF函数计算出’婴儿年龄‘，分组为“0至1岁”、“1岁至2岁”、“2岁至3岁”、“3岁以上”，然后进行数据透视表；

可以看到“0至1岁”购买数量最多的商品品类是50014815；

“1岁至2岁”、”2岁至3岁“、”3岁以上“购买数量最多的是50008168；

数据表示，有27532条数据没有婴儿出生日期，131条数据中”购买时间“比”婴儿出生日期“要早，说明是提前购买，无法计算出婴儿年龄；

商家方面：

1、哪个商品品类购买数量最多，哪个商品品类购买数量最少？

可以看到28422条购买商品数据中，”28“这个品类购买的最多，”122650008“这个品类购买的最少；

2、每个品类下面的TOP1商品？

可以得到每个商品品类下的top1的商品是哪一款，然后我们看到”38“品类下”211122“产品的销量2042，占总销量3622的56%，说明买这一类产品的主要都购买了这款产品，”50014815“品类下的”50018831“款产品，销量占到总销量的65%；

3、商品品类随着月份的变化是如何上升或者下降，方便在商品品类销售上升之前准备上新？

可以很明显看到6大类分别在1月至12月的销量，商家可以根据每个商品品类淡旺季进行备货；

4、商品品类下面的产品款数分布，哪些是热门品类，哪些品类款数少竞争力小？

复制这2列到新sheet，删除商品种类ID重复值，然后数据透视；

可以看到，”28“是热门品类，下面的商品款数最多；”122650008“这个品类下商品数少，商家竞争力小；