【Python使用】嘿马python数据分析教程第3篇：全渠道业务概述,目的,获取数据,连带率【附代码文档】
教程总体简介：Excel的使用 全渠道业务概述 1. Excel的使用(预计4小时) 2. 全渠道业务分析(预计4小时) 第01章 Pandas基础 第02章 DataFrame基本操作 第03章 数据分析入门 第04章 选取数据子集 第05章 布尔索引 第06章 分组聚合、过滤、转换 第09章 时间序列分析 第10章 用Matplotlib、Pandas、Seaborn进行可视化
完整笔记资料代码：https://gitee.com/yinuo112/Backend/tree/master/Python/嘿马python数据分析教程/note.md
感兴趣的小伙伴可以自取哦~
全套教程部分目录：
部分文件图片：
连带率
-
计算公式
-
连带率 = 消费数量 / 订单数量
-
客单价 = 消费金额 / 订单数量
-
作用: 通过提高连带率, 可以提高客单价, 从而提高销售金额 和 利润率
目的
- 查看每一个店铺的连带率.
获取数据
- 会员消费报表.xlsx, 会员消费记录
- 门店信息表.XLSX, 主要用到地区编码这个字段
数据处理
- 会员消费报表, 添加年月, 添加地区编码(前面已经做过了)
数据分析
-
步骤
-
统计订单的数量
- 统计消费数量与消费金额
- 合并数据: 拷贝 订单的数量,消费数量,消费金额 到新工作表
- 计算连带率
-
计算客单价
-
根据年月,地区编码, 对订单编号去重
-
统计订单的数量
-
统计消费数量与消费金额
-
合并数据: 拷贝 订单的数量,消费数量,消费金额 到新工作表
-
计算连带率
-
计算客单价
复购率
- 根据企业主要业务选取时间段计算，这里选取一年作为复购时间计算复购率；
- 一个会员同一天消费多次也算一次消费，所以会员消费次数按一天一次计算
- 复购率 = 一年内消费次数大于等于2次的人数 / 全部人数
目标
- 通过复购率, 复购率越高, 表示会员对商品越喜欢, 证明产品的质量,样式是受用户欢迎的.
- 复购率 = 一年内消费次数大于等于2次的人数 / 全部人数
获取数据
- 会员消费报表.xlsx, 会员消费记录
- 门店信息表.XLSX, 主要用到地区编码这个字段
数据处理
- 会员消费报表, 添加年月, 添加地区编码(前面已经做过了)
数据分析
-
步骤
-
统计会员消费次数与是否复购
- 统计2018年01月~2018年12月复购率
- 统计2018年02月~2019年01月复购率
-
计算复购率环比
-
统计会员消费次数与是否复购
-
由于 一个会员同一天消费多次也算一次消费，所以会员消费次数按一天一次计算, 所有需要通过透视表, 对订单日期进行去重
|
|
-
统计2018年01月~2018年12月复购率
-
拷贝2018年01月~2018年12月会员消费次数与是否复购到新工作表中
-
统计2018年01月~2018年12月复购率
-
统计2018年02月~2019年01月复购率
-
拷贝2018年02月~2019年01月会员消费次数与是否复购到新工作表中
-
统计2018年02月~2019年01月复购率
-
计算复购率环比
-
拷贝复购率
-
复购率环比
-
复购率表格美化
全渠道业务概述
背景概述
-
公司介绍
-
公司是一家女性鞋业公司, 公司有线上天猫, 线下全国有700家门店; 天猫有电商仓, 线下每一个门店都有自己门店仓.
-
需求背景
-
传统电商、门店的隔离，两个场景
- 电商: 库存备货问题; 举例: 电商销售曲线波动大，波峰突出明显，可是从商品运营效率出发，难以按照最高的波峰销量去备货，库存风险太大，但是大促一来，爆旺单款往往容易快速断货。
- 门店: 调货流程繁琐,沟通成本高、效率慢、出错率高; 举例: A店铺畅销款42码预售一双，店长首先自己查区域内店铺有没有库存，如果没有，然后请地区商品帮忙，查本经营区域内是否有库存，如果还没有，地区商品联系总部帮忙，查哪个地区哪个渠道有库存，查到了，开始多层转接沟通调货、发货事宜
-
全渠道业务
|
|
-
项目导向:
- 消费者认知上升
- 消费者体验上升
-
项目目标
- 商品效率最大化: 沟通更加顺畅
- 销售利益最大化: 总体利润上升
业务逻辑
-
库存
-
线上: 电商总仓
-
线下: 门店仓
-
线上业务逻辑
-
电商平台库存: 总仓 + 门店的一定比例(一般40%, 大促会下调) , 原因: 线上必须是全新的货品, 门店有试穿的, 陈列的,有瑕疵的, 预售的
-
销售:
- 线上销售
-
线上订单 -> 电商总仓 -> 如果有总仓发货
- 如果没有, 广播线下门店, 门店进行限时抢单(2小时)
- 超时没有接单, 系统根据收货地址就近指派(原因线上订单有发货时限)
-
线下门店
-
看到整体库存(全国门店+电商的)
- 如果本店有就直接卖了
- 如果没有就下全渠道订单 -> 如果电商仓有就电商仓发货
- 如果电商仓没有就全国有这个商品的门店进行广播 -> 2小时抢单 -> 如果没有门店抢单 -> 就就近指派
业务分析
-
全渠道占销比
-
全渠道销售的数量 / 全部销售数量(多少双)
- 先看全国
-
再看各个地区
-
店接单参与度
- 接单主动性
- 月店均发货量
- 门店发货差错率
-
奖励表
-
奖励总体表
- 地区奖励详情表
店接单参与度
明确分析目的
- 目的: 店接单参与情况, 为决策提供数据支持
- 计算公式: 店接单参与度 = 接单门店总数 / 门店总数
-
报表
-
全国店铺参与度分析
- 地区店铺参与度分析
数据收集
- 发货单表: 发货单.xlsx
- 门店信息表: 门店信息表.XLSX
数据处理(无)
数据分析
-
步骤:
-
统计每一个地区, 每一个季度, 参与的店铺数量
- 统计每一个地区, 门店数量
- 计算区域参与度
- 总体参与度分析
-
最新一季度参与度分析
-
统计每一个地区, 每一个季度, 参与的店铺数量
-
发货单表, 通过透视表, 对参与门店去重
- 使用透视表, 统计参与门店数量
-
拷贝统计参与门店数量, 到新的工作表中, 命名店铺参与度分析
-
统计每一个地区, 门店数量
-
从
门店信息表.XLSX中 拷贝店铺代码和地区编码, 到一个工作表
-
使用透视表统计门店数量.
-
拷贝门店数量到店铺参与度分析
-
计算区域参与度
-
总体参与度分析
-
最新一季度参与度分析
接单主动性
明确分析目的
- 接单主动性用于分析主动接单情况, 来为全渠道运营提供基础数据.
- 计算方式: 接单主动性 = 主动接单数量 / 接单数量
- 接单主动性
数据收集
- 发货单表: 发货单.xlsx
- 门店信息表: 门店信息表.XLSX
- 全渠道派单接单记录.xlsx, 是发货单的明细数据
数据处理
- 发货单表 关联接单类别
|
|
数据分析
-
全国接单主动性分析图表
-
使用透视图, 统计每一种接单类别数量
-
创建全国接单主动性分析图表
-
区域接单主动性分析图表
-
构建区域透视表
-
计算区域主动接单率
-
创建区域接单主动性分析图表
季店均发货量
目的
- 目的: 运营要求指标，看地区门店发货的深度，看看是否存在异常或者不合理
- 计算方式: 中台商品发货数量/发货名店数量(去重)
- 先看全国，再看各个地区
- 季店均发货量
获取数据
- 发货单表: 发货单.xlsx
- 门店信息表: 门店信息表.XLSX
数据处理
数据分析
-
步骤:
-
统计每一个季度, 每个区域门店数量
- 统计每一个季度, 每个区域发货数量
- 计算季店均发货量
- 全国季店均发货量统计
-
各个地区季店均发货量统计
-
统计每一个季度, 每个区域门店数量
-
使用发货单, 构建透视图, 对门店进行去重
-
拷贝去重后的门店数据, 统计每一个季度, 每个区域门店数量
-
统计每一个季度, 每个区域发货数量
-
构建透视图, 统计每一个季度, 每个区域发货数量
-
计算季店均发货量
-
拷贝每一个季度, 每个区域门店数量, 到一个新工作表, 命名为季店均发货量分析
- 拷贝 统计每一个季度, 每个区域发货数量 到 季店均发货量分析
-
计算季店均发货量
-
全国季店均发货量统计
-
各个地区季店均发货量统计
门店发货差错率
目标
- 目标: 统计发货差错率, 为运营提供支持
- 计算方式: 发错的数量/发货总数量
- 门店发货差错率
数据收集
- 发货单.xlsx
-
客服记录发错的全渠道订单.xlsx
-
注意: 数据只记录2018-5月到2019年1月的数据, 数据不全, 会导致三季度, 四季度数据有问题;
处理数据
- 在发货单中, 增加是否发错的列, 通过使用分单号, 关联客服记录发错的全渠道订单.xlsx
- 关联公式:
|
|
数据分析
-
步骤:
-
验证透视表计算列是否可以实现差错率的记录
- 构建透视表计算发错订单数量和总订单数量
- 使用计算列, 计算差错率
- 使用公式计算差错率
- 对比数据, 如果一致, 两种计算方式一致
-
计算每一个区域四个季度的差错率
- 全国差错率图表展示
-
区域三季度差错率展示
-
验证透视表计算列是否可以实现差错率的记录
-
构建透视表计算发错订单数量和总订单数量
- 使用计算列, 计算差错率
- 使用公式计算差错率
-
对比数据, 如果一致, 两种计算方式一致
-
计算每一个区域四个季度的差错率
-
全国差错率展示
-
区域三季度差错率展示
见 全渠道分析数据报告.pptx