Python与Tableau相结合，万字长文搞定传统线下连锁店数据分析

温馨提醒：万字长文

1 分析背景：

这是kaggle上的一份巴西传统线下汽车服务类连锁店的实际销售数据，大小约3.43G，包含了从2017年3月31日到2020年4月1日大约2600万多的销售数据。

分析该数据集可以探究该连锁店的销售情况，产品的分布，可以对客户进行细分，精细化销售，对员工的生产力进行分析。

这里是利用Python结合Tableau来进行分析，可视化用的Tableau，部分分析用的Python。

数据解读：

2 分析框架

3 数据清洗

3.1 读取数据，看看总体情况

这里的数据集比较大，Anaconda加载的数据都暂时存在内存里，笔者刚开始用的8G内存，一下子就满了，这里建议8-12G的内存左右，或者关闭一些暂时不用先的软件。

输出：

这里的销售时间是object类型，要转换成datetime类型，先记录下。

输出：

这里的数据比较干净，都没有NULL值这些。

输出：

这里的数据量比较多，数据相对比较大，这里很明显可以看出的Product Cost这里有个负数，查看这些数据：

输出：

输出：

这里按照字面的意思理解是每销售出一个该产品的成本，这里为负数，暂且这里当异常数据去处理，这里的数据量也不多，只有20条，直接删除处理。实际，得和业务进行沟通，查看该指标的具体意思，和该负数情况的发生是出于什么情况来进行分析。

删除这些数据：

3.2 删除重复的数据

输出：

3.3 日期转换格式

输出：

至此，数据清洗完毕，可以进行分析。

4 分析

4.1 总体情况

4.2 时间角度

4.2.1  年销售额情况

2017年只有前9个月的销售额，2020年只有前4个月的销售额。

4.2.2  季度的销售额情况

2017第二季度开始到2018年底订单量成直线式上涨，2019年较平稳。

2017年该连锁店出于疯狂生长期，订单量、销售额均呈现直线上升趋势。

4.2.3 月的销售情况

2017年各月份的销售金额，呈上涨趋势，其中17年下半年上涨趋势较明显，18、19年呈现较稳定的状态；结合各月份，连锁店的数量。

可以得出结论：2017年下半年连锁店数量的增加带动销售金额明显的上涨。

结合2018、2019年对比，该连锁店的销售额不受季节的影响，12月为了冲业绩，销售额会上涨一些。

4.2.4 周的销售情况

周的销售金额总体上先呈现上升，然后趋向于较稳定的状态。

周的订单量处于动态的平衡当中，可以看出随着时间的增长，每张订单的购买金额逐渐增加。

4.2.5 日的销售情况

总体来说，这里只有2018年6月1日左右时间段的销售金额有异常，这段时间既有极大值，也有极小值。具体原因可以深入查明一下。

这里的日销售额呈现周期性规律，也就是有6天销售额处于较高的，有一天的销售额是处于最低的，结合工作日权重，可以看出，巴西人民再周日的购买欲望较低，或者该商圈处于写字楼附近。

4.2.6 近四年的日UV

纵向对比每年的日UV，都有上升的趋势。

横向对比当年的日UV，呈现周期性的规律，这里按7天为一周期，前后一天都是最低的，中间五天相对来说较高。

4.2.7 工作日的销售情况

周日的销售金额最少。

4.2.7 工作日的订单量

4.2.8 时间段的销售金额、订单量

该商城销售额、订单量在7-20点这个时间段较高，12点有个谷底。

4.2.9 工作日的销售权重

这里只挑选了2019年全年的数据来进行统计。

在Tableau里实现：

导出数据到Excel里计算。

计算公式方式：

全年周日的平均值=全年的周日的总销售额/全年周日的天数，其他工作日类推。

挑选1中计算到的最小值

权重=某个工作日的平均值 / 2中选出的最小值

这里的权重越大，表明当日的销售额越多。

可视化：

这里可得出的结论：周五的销售权重最大，周日的销售权重最小。

4.2.10 销售预测按日

这里只挑选2019年1月1日到2020年2月29的数据，其中2020年2月份的数据用来做预测和对比。

输出：

输出：

进行平稳性检验

输出：

输出：

输出：

输出：

这里的p值等于0.347多，大于0.05，属于不平稳序列，需要进行差分后，再检验是否属于平稳序列。

输出：

一阶差分后的序列，属于平稳序列，这里可以使用差分后平稳序列的模型ARIMA进行预测，预测前还得进行白噪声检验。

输出：

白噪声检验的p值远小于0.05，一阶差分后的时间序列属于平稳非白噪声的时间序列，下面可以利用ARIMA模型进行预测。

输出：

利用最好的模型进行预测。

模型评价：

输出：

这里的平均绝对误差为2.38，这里要根据实际的业务确定误差阈值。再来进行模型的评价。小于阈值的，模型就是稍微好的，大于阈值的，说明模型的准确率还有待提高，模型还需重新训练等。

画折线图，对比下实际和预测值之间的差距。

输出：

这里可以看出，模型预测的结果还是稍微好点的。

4.3 用户角度

4.3.1 用户城市分布

10.98%的用户集中在Agirrie这个城市，用户居住城市相对较分散。

4.3.2 用户购买金额，购买次数前10的用户

用户Barry Barrett总购买金额达到15M以上，消费次数也达到了100K以上，属于高价值的客户。

4.3.3 复购率

总体复购率：

这里是按这份数据所在的时间段，计算购买次数大于2次的用户，再除于总的用户数，这里得排除的一个数据是用户Client这里，有一个数据是Customer not informed（客户没有提供名字的情况），这条数据得排除了，所以计算购买次数大于2的用户和总用户数对应减去1，这是个人的想法，实际是得和业务沟通，得到实际的计算方法。查看Customer not informed这条数据：

输出：

该数据所在的时间段的总体复购率达到了87.91%，用户黏性较高。

这里再细分下，看下一个月内的复购的情况。

一个月内复购率

这里的一个月内复购率的定义是：从月初的1号到月底这段时间内，用户复购的比率。

统计每个月用户的购买次数

输出：

每个月的复购率

输出：

导出数据，用Excel做可视化：

月复购率都在66%以上，用户的黏性较大。

4.3.4 购买次数的情况

这里只挑选了2018年4月这个月的购买次数来做分析，其他月份的可以类推。

4.3.5 RFM模型分析用户的价值

这里只针对2018年4月份的用户价值进行分类，其他可以类推。

输出：

输出：

这里有个异常值，标记为客户没有提及姓名的，直接删除处理。

提取RFM指标

数据规范化，进行聚类

输出：

分析：

分群0：R小，F小，M小，这类属于一般价值客户。分群1，R大，F小，M小，这类属于一般发展客户。分群2，R小，R大，M大，这类属于重点保持客户。分群3、4 这类，R小，F、M大，这类都属于高价值客户。

将分群的结果合并到RFM_data数据里看下原数据。

这里挑出分群3、4的数据来看看。

输出：

分群3的用户的购买次数F在670-1300之间，消费金额M在7.7W-18W之间，且R小，属于高价值客户。

输出：

分群4的用户购买次数在210-280之间，购买金额在20W以上，这类是属于高价值客户。

Tableau实现的客户分群：

客单价=M/F。这里可以看出群集5的客单价最高，其次是群集3，最低的是群集4。

4.3.6 用户月留存率

这里统计用户月存留率是上个月与当前月都有购买的用户的数量/(除以)上个月的总用户数（去重）。类似流失率，这里不同的是都是上月流向下月的，不是1->2->3这样的流向，而是1->2， 2->3这样的流向。

输出：

输出：

可视化：

结论：

月的用户留存率达到74%以上，用户黏性高。

4.4 产品角度

4.4.1 销售额，订单量前10的销售产品

产品Special Gasoline、Gasoline汽油类的产品的销售金额、订单量位居前列；其次是Diesel Auto Clean这个清洁类的产品。

4.4.2 产品分类（聚类分析）

这里先获取每个月的产品的成本C，订单量F，销售总金额M，这里只挑选了2018年4月一个月的产品数据来分析

输出：

模型训练，进行聚类

输出：

这里标记为-1的数据集都是异常的数据，查看下。

这里结合Tableau可视化看下。

这里可以看出模型标记出来为-1数据的分成两类。

A类（上图和下图截红框）：成本低，订单量多，购买金额多的，这类属于重点开发的产品。

B类：成本高，订单量少，购买金额少的，这类属于低价值的产品，应该砍掉。

Tableau排除上图截红框的一个教特殊的产品再进行产品的聚类。

这里的圆圈的大小表示成本C的大小。

针对群集1：

这里利用二分法为订单量F分为50以下，50以上。针对F为50以下的群集1，这类购买次数较少，总的销售金额也在5K以下，这类的产品，可以采取部分下架。针对F为50以上的产品，这类产品购买次数稍多，采取维持的状态。

针对群集2：

这里也利用二分法将其分为销售金额M在3500以上，和3500以下的。3500以下的这类的产品成本高，且销售额也在3500以下，购买次数也低于50，这类产品应该采取放弃策略。3500以上的则采取先保持策略，再下一阶段再继续深入观察，分析，做进一步的决策。

针对群集3：

这类产品的购买次数F在600以上，销售金额M也在6k以上，成本C也较小，这类产品采取继续扩大。

针对群集4：

成本C较小，购买次数F在200-600之间，销售金额在10K以上，这类产品属于重点保持的产品，该类产品应给与较大的重视，进一步发挥这类产品的价值。

4.4.3 产品销售额情况及总体的占比（帕累托最优）

产品的头部的效应明显，前三产品的总销售金额达到总销售金额的82%以上，符合二八定律。

4.4.4 产品的成本分布

较大一部分产品的成本在12以下，其次是在12-36区间，接着是36-95的区间，95以上的产品较少。

4.4.5 跟目录下的各个产品数

Filters产品类别下的产品数最多，达到933。其次是839的Chewing Gum And Candy。最少的产品数的是类别Extinguisher，只有6个。

5 支付方式

近7成的用户选择现金支付。

6 总结

6.1 三年间销售额达到了17.8亿。6.2 2017年该连锁店处于上升期，销售额、订单量呈上升状态，2018、2019年趋于平稳。6.3 该连锁店的销售业绩呈现周期性，周一到星期天较高，星期日最低。6.4 总体复购率达到了87.91%，用户黏性较大。6.5 月初到月末的复购率达到66%以上，用户的黏性较大。6.6 用户月留存率达到74%以上，老客户居多。6.7 产品符合二八分布，前三产品Special Gasoline、Gasoline、Diesel Auto Clean达到总销售金额的82%。6.8 80%的产品的成本在36以下。6.9 近七成的用户选择现金支付。

如果本文对大家有帮助，欢迎点赞、在看、收藏~~~

-------------------End-------------------

Python学习交流群