展开

关键词

作业一 | Tableau可视化 |

引言 ​ 销售是对销售进行,从而制定相应的营销策略。 ​ 反映了2014-2020年间该的销售,共三张表,别是订单表、退货表、销售人员表。 场景: 作为的运营人员, 必须了解, 现实中关于零售部门常见的问题: ​ 1. 销售额在增长, 但是利润并没有 ​ 2. 提出的问题: 哪一部导致的问题? ​ 3. 全国性, 是地域性问题? ​ 5. 时间维度上的参考? ​ 本销售主要包括区域销售情况,全国销售情况,产品细销售,客户细销售,销售趋势源 本次来源于 Tableau 自带的案例 图:源-表连接 1. Tableau学习-示例操作 - 简书 Tableau可视化实战:报告之销售案例 · 语雀 Tableau 面试问题及答案_w3cschool 一天入门Tableau--你也可以 -

33620

Python做(一)社区运营,自动更新促销时间

1.读取 存放在表格中,我们用pandas将其读出来 import pandas as pd data=pd.read_csv('运营.csv',encoding='gbk',parse_dates 2.哪些类别的商品比较畅销 首先将按照类别ID进行组,然后对组后的销量进行求和,最后用reset_index重置索引 data_group=data.groupby("类别ID")["销量" 首先计算销售额,并添加到中: data['销售额']=data['销量']*data['单价'] data ? 5.客流高高峰时间段 了解客流高峰时间段是很有必要的,可以帮助确定什么时间开展促销活动最合适 首先从日期中提取小时 data['小时']=data['成交时间'].map(lambda 从上图可以发现,8点至10点是一天中的销量高峰期,然后17至19点又有一个小高峰,所以这两个时间段搞促销效果会比较好!

22830
  • 广告
    关闭

    云数据仓库ClickHouse首购10元特惠

    适用于业务初期的行为分析、经营策略等分析查询场景,首购限时10元,快来抢购吧!

  • 您找到你想要的搜索结果了吗?
    是的
    没有找到

    Python+pandas使用交叉表营业额

    交叉表是一种特殊的透视表,往往用来统计频次,也可以使用参aggfunc指定聚合函实现其他功能。 扩展库pandas提供了crosstab()函用来生成交叉表,返回新的DataFrame,其语法为: crosstab(index, columns, values=None, rownames=None , colnames=None, aggfunc=None, margins=False, dropna=True, normalize=False) 其中,参aggfunc用来指定聚合函,默认为统计次 本文使用的文件为C:\Python36\营业额2.xlsx,部与格式如下: ? 下面的代码使用交叉表上面Excel文件中的各员工上班情况以及在不同柜台的业绩。 ?

    1K40

    集 | 购物

    下载集请登录爱科(www.idatascience.cn) 人口稠密的城量在快速增加,场竞争也很激烈。 该集记录了几家在3个不同店中3个月的历史销售额,包含顾客性别、商品单价、销售量、销售日期、总收入和顾客评价等信息。预测方法很容易应用于此集。 1. 字段描述 2. 预览 3. 字段诊断信息 4. 来源 来源于Kaggle。

    17520

    Python之城旅游

    (直辖+地级)的编号,进行后续的进一步。 城别从以下几个页面获取: (a)小吃页面 ? (' 条点评','')) for k in node] return pd.DataFrame({'jd':jd[0:len(jd_count)],'jd_count':jd_count}) .html') PART2:景点 我们提取了各个景点评论,并与城游记量进行对比,别得到景点评论的绝对值和相对值,并此计算景点的人气、代表性两个,最终排名TOP15的景点如下: ? PART3:小吃 最后我们看一下大家最关注的的与吃相关的,处理方法与PART2景点相似,我们别看一下最具人气和最具城代表性的小吃 ?

    67120

    为例,用驱动智慧选址和经营

    禾丰是一家零售公司,在Q城已经有多家直营连锁,为了扩大竞争优势,决定开设更多的门店,以覆盖更多的空白场。但是,禾丰公司在Q城已经深耕多年,从之前的开店经验上,目前比较难轻松找到空白的开店区域。 因此管理层希望通过获得精准开店选址的建议,减少开店的风险。 通过对Q所有店铺初步探索后,决定选取一家销售业绩居中、销量稳定的门店,作为初始的对象。 我们提取了门店中的经营和会员,这些清晰就记录了会员消费的时间、客户来源、消费次、消费客单价、产品布等。 结合客户提出的开店需求,那目前需要解决的是,这家门店到底覆盖了多大的区域? 并且,通过传统的选址理论和技术手段在场饱和的情况下比较难出新的机会点,的时候更多的是靠猜,所以一般都不太会冒险开店,使得老店的客户默默地被对手蚕食,丧失开设新店的机会。 ? 与传统选址的对比 这样驱动选址的方法,可以比较多运用在、母婴专卖、牙科诊所、美容美发、主题餐厅、宠物店上。 ----

    1.3K40

    为例,用驱动智慧选址和经营

    禾丰是一家零售公司,在Q城已经有多家直营连锁,为了扩大竞争优势,决定开设更多的门店,以覆盖更多的空白场。但是,禾丰公司在Q城已经深耕多年,从之前的开店经验上,目前比较难轻松找到空白的开店区域。 因此管理层希望通过获得精准开店选址的建议,减少开店的风险。 通过对Q所有店铺初步探索后,决定选取一家销售业绩居中、销量稳定的门店,作为初始的对象。 我们提取了门店中的经营和会员,这些清晰就记录了会员消费的时间、客户来源、消费次、消费客单价、产品布等。 结合客户提出的开店需求,那目前需要解决的是,这家门店到底覆盖了多大的区域? 并且,通过传统的选址理论和技术手段在场饱和的情况下比较难出新的机会点,的时候更多的是靠猜,所以一般都不太会冒险开店,使得老店的客户默默地被对手蚕食,丧失开设新店的机会。 image.png 这样驱动选址的方法,可以比较多运用在、母婴专卖、牙科诊所、美容美发、主题餐厅、宠物店上。 欢迎和我交流互动: 个人微信二维码.jpg

    55750

    企业财报

    堂拥有以下几方面技术:①大处理平台,可以支持PB级海量的高效存储、管理、和挖掘;②非结构化技术,先利用非结构化技术来自动采集和预处理,从而减轻人工标注的工作量;③云标注技术 图表 3:堂净利润规模 ? 猿制图 图表 4:堂净利润规模 ? 图表 5:堂盈利能力 ? 猿制图 图表 6:堂盈利能力 ? 图表 7:堂管理成本率与销售成本率 ? 猿制图 图表 8:堂管理成本率与销售成本率 ? 整体来看,前五客户的总份额占比为54.37%,过公司整体业务的一半,公司的客户集中度比较高,单一客户丢失带来的风险比较大。 图表 9:堂前五客户占比 ?

    79740

    可视化】 股票实战之获取

    股票来源雅虎 ? 抓取 ? 安装抓取环境 https://github.com/pydata/pandas-datareader ? ``` import pandas_datareader as pdr pdr.get_data_fred(‘GS10’) ## 预览 ```python import pandas_datareader as pdr # 获取阿里股票 alibaba = data = pdr.get_data_yahoo('BABA') data.head() High Low Open Close Volume

    38020

    linux 大日志 AWK

    39430

    快!大引擎ClickHouse

    有格局的人会想着如何把蛋糕做大,而不是如何从眼前的蛋糕中多一点。 ? 一、什么是ClickHouse? ClickHouse是一个用于联机(OLAP)的列式库管理系统(DBMS)。 对于存储而言,列式库总是将同一列的存储在一起,不同列的也总是开存储。 二、传统库的解决方案: 1、传统面对大量的处理方式:对进行层,通过层层递进形成,从而减少最终查询的体量,比如提出立方体概念,通过对进行预先处理,以空间换时间,提升查询性能 布式设计的思想是而治之,在布式有一条金科定律:移动计算比移动更划算。 9、片与布式查询 片是一种将横向切,ClickHouse提供了本地表(Local Table)和布式表(Distributed Table),本地表相当于一份片,而布式表本身不存储任何

    63710

    中国城场专题报告

    489100

    企业财报:雕龙

    整体看,雕龙的业务规模增长幅度较大,但公司业务发展还未成规模,整体基较小,抵御场波动风险的能力小。 图表 1:雕龙营业收入规模及增长率 ? 图表 3:雕龙净利润规模 ? 猿制图 图表 4:雕龙净利润规模 ? 但从净利率来看,雕龙在2015年有较大幅度的下降。 图表 5:雕龙盈利能力 ? 猿制图 图表 6:雕龙盈利能力 ? 图表 7:雕龙管理成本率与销售成本率 ? 猿制图 图表 8:雕龙管理成本率与销售成本率 ? 目前医疗信息化、智能化行业处于高速的发展阶段,给雕龙带来较大的发展空间,目前雕龙场规模还很小,仍需要经过一段时间的积累,才能在该场上占有一定的份额。

    39460

    | 9年间各省平均收入

    预测2019年各省人平均收入应该是多少? 这篇文章告诉你! 今天逛kaggle看到一个集[1],其中有一部是一个叫做income的表格文档。虽然最后的是2017年,但也值得研究一下。 这次用到pandas、matplotlib 以及一些思路,比较浅显求评论区多指教。 上边的概览跟索引列设置完了,下边开始一些简单 2017年收入排序 我想取出2009,2017年,按照2017降序排列,然后做柱状图 x=dtincome[2009].sort_values 2017年最高的北京比最低的河南省差了78997元。往年极差如上。 9年净增加额 现在想知道一下两个: 1. 每个省自身9年间增加了多少收入? 2. 为了验证是否拖后腿,继续再写一部 2019平均工资预测 验证思路:用这9年算出的年增长率(fuli_i那列)来测算一下2019年各个省的平均工资吧,如果出乎意料,请看下方

    27010

    省会城“从业人员”简单

    本文旨在通过职位从业人员量得出各地行业发展水平及就业环境难度情况,无奈从业人员无法获取,故从各地岗位招聘需求角度来,我想两者应该是正相关的。 获取:从51job网站查询岗位招聘需求,关键字“”,发布时间“24小时内”,对比省会城及直辖。 ? 如上为省会城及直辖岗位招聘需求,从可以看出,前三甲依然为“北上广”,杭州和武汉进入前五,前十以内和前十以外城基本不在一个量级。 ? GDP排名较好,但是岗位需求较低的省份,说明重工业在GDP中的比重仍然较大) 3、北京、上海、广州、杭州、武汉、南京、成都等7个地岗位招聘需求较大,行业发展良好,就业难度相对较低;其他地需求相对较少 附:各地岗位招聘需求气泡图 ?

    25010

    Python实战(1) 成都土地

    文章目录 一、获取 三、查看 三、土地交易 1. 土地出让形式&土地成交状态 2. 土地交易面积 3. 交易土地的规划用途 4. 土地成交区域 四、其他说明 一、获取 土地一般会公示在当地的公共资源交易中心,但经常会出现只公示当周或当月的情况,因此,我们得去找专业的土地网站获取交易比较干净和完整,可以直接用于。 三、土地交易 1. 四、其他说明 本文只做学习研究之用,提供的结论仅供参考 不足之处,请多多指正 作者:叶庭云 微信公众号:修炼Python CSDN:https://yetingyun.blog.csdn.net

    38730

    可视化】股票实战之风险

    # 基本信息 import numpy as np import pandas as pd from pandas import Series, DataFrame # 股票读取 import pandas_datareader alibaba = pd.read_csv('/Users/bennyrhys/Desktop/可视化-集/homework/BABA.csv',index_col=0) amazon = pd.read_csv('/Users/bennyrhys/Desktop/可视化-集/homework/AMZN.csv',index_col=0) alibaba.head() Open top_tech_df = pd.read_csv('/Users/bennyrhys/Desktop/可视化-集/homework/top5.csv',index_col=0) top_tech_df.head # (涉及学比较多) # 可以理解为误差百比,48%-0.0001447090809730694 top_tech_dr['AAPL'].quantile(0.52) -0.0001447090809730694

    22650

    python seek thread 大日志

    32520

    字化转型案例:震坤行工业

    而目前,国内企业MRO工业品采购场仍多局限于“传统模式”,主要根自有工厂的动态库存情况,再通过自行采购或委托代理的方式进行散单采购。 这种场模式存在“时间耗费大,价格不稳定,售后成本较高”等种种弊端,其背后的原因在于国内的MRO供应场较为散,还远未形成规模;同时,由于中国工业品场参差不齐,生产商和经销商为了规避风险,往往利用信息不对称致使金融账期拖欠问题非常严重 震坤行工业字化转型的三大关键: 1、供应链字化 震坤行通过多年行业深耕,规划出成熟的IT方案和不同的应用场景,可与客户端进行直接的和业务交互。 2、精准营销 在传统行业的基础上更进一步,通过大平台建立精准的客户画像,以及购买品类的相关性,从而实现了面向客户的精准营销。 通过自营模式,震坤行积累了核心的供应链管理能力(主、库存、供应商管理等),通过对MRO行业的触达与沉淀,以为依托,调配上下游供需关系,打造动态平衡的商品流通体系。

    65240

    :你的城复工了吗?

    以下文章来源于城团 ,作者脉策&启信宝 很多朋友都希望我们能下此次疫情对经济的影响,我们也看到很多机构都用各种方法做出了很多预测。 在这种情况下,我们是不主张悲观唱衰或者盲目自信的各种预测的,还是从角度对现象进行一些基本的和挖掘吧。 现阶段,大家最关心的除了疫情、剩下的就是复工了。 那么,你的城复工了吗? 那么我们就可以进一步来下一个问题: 现阶段复工率仍然很低(尤其是发达地区城),是因为外来劳动力还没有回到其所在城吗? ---- 说明 本文由脉策(城团)和启信宝联合出品。主要来源为启信宝、百度地图,脉策负责、制图和文章创作。 复工率指=红圈段平均值/篮圈段平均值 以上研究,仅供大家参考。 欢迎在留言区写下你所在城的复工情况。

    26300

    相关产品

    • 智能数据分析

      智能数据分析

      智能数据分析( IDA)基于安全、低成本、高可靠、可弹性的云端大数据架构,帮助企业客户实现从数据采集、建模、挖掘、效果分析、用户标签画像到自动化营销等全场景的数据服务,快速实现数据驱动业务增长的目标。

    相关资讯

    热门标签

    扫码关注云+社区

    领取腾讯云代金券