【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pyt...

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

- 把订单日期去重后的数据, 拷贝到一个新工作表中, 命名为中间表
    ![](../imgs/11_11_03_订单日期去重数据_中间表中.png)


- 利用中间表, 构建透视表, 统计会员消费次数与是否复购
    ![](../imgs/11_11_04_利用中间表_统计会员消费次数.png)
    ![](../imgs/11_11_05_利用中间表_统计会员消费次数.png)
    ![](../imgs/11_11_06_利用中间表_统计会员消费次数.png)
    ![](../imgs/11_11_07_利用中间表_统计会员消费次数.png)
    ![](../imgs/11_11_08_利用中间表_统计是否复购.png)
    ![](../imgs/11_11_09_利用中间表_统计是否复购.png)
    ![](../imgs/11_11_10_利用中间表_统计是否复购.png)

• 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

• 通过全渠道寻源分单系统，打破商品的渠道壁垒、更智能、快速、有效地实现商品在各种销售渠道的最优流转

• 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

  =VLOOKUP(C2,[全渠道派单接单记录.xlsx]sheet1!$B:$I,8,FALSE)

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:

  =IF(IFERROR(MATCH(C2,[客服记录发错的全渠道订单.xlsx]sheet1!$C:$C,0),0)=0,0,1)

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