一、数据分析的步骤

1、明确问题

首先要清楚的知道需要解决的问题是哪些，有了这个目的后才能为后续分析提供方向

2、理解数据

我们需要弄明白各个数据的含义，各个字符串的的特征

3、数据清洗

数据清洗又叫做数据预处理，即是把数据变成我们喜欢的样子，以便于后面的运用和分析。数据清洗又可以分为以下7个步骤

（1）选择子集（如选择感兴趣的数据分析的内容项目）

（2）列名重命名（如有的列名是英文或者不符合中文逻辑的，需要进行重命名）

（3）删除重复值

（4）缺失值处理

（5）一致化处理

（6）数据排序

（7）异常值处理

4、数据分析或构建模型

通过使用Excel中各项函数功能，结合第一步中想要解决的问题的目标，对已经处理好的数据进行分析或是构建分析模型

5、数据可视化

将分析数据的过程以及得出的结论用图表或者其他方式展现出来

二、Excel数据分析应用实战

此次选用的数据集来自于淘宝和天猫上购买婴儿用户-阿里巴巴天池/dataset/dataDetail?dataId=45，共由两个表格数据组成，第一个为购买商品表，第二个为婴儿信息表。

1、明确问题

（1）哪类产品的一级分类购买率最高，在这一类别中，最为畅销的又是哪一产品？

（2）商品在各年以及各季度的销售趋势如何？

（3）购买商品用户的年龄段和性别分布情况以及购买商品数量的差异？

2、理解数据

第一个购买商品表中，各字段含义为：

user_id:用户id

auction_id:物品编号（item_id）

cat_id: 商品种类ID（商品二级分类，表示商品属于哪个类别）

cat1: 商品种类ID（商品一级分类，表示商品属于哪个类别）

[通过cat_id、cat1这两个数据维度，可以通过数据透视展示逻辑关系]

property:商品属性（属性值可以是大小，可以是尺码、毫升等数字，还可以指品牌等，一切可以描述商品特征的都可以称为属性值）

buy_mount:购买数量

day:购买时间（时间戳格式）

第二个婴儿信息表中，各字段的含义为：

user_id:用户id

birthday:出生日期

gender:性别（0女性；1男性；2未知的性别）

3、数据清洗

将数据源备份，复制成副本，在副本上进行操作，以免影响数据源。

（1）选择子集

这两个文档的子集都精简筛选此处不用操作

（2）列名重命名

源数据列名为英文，直观看不方便，将每个列名更改为中文名

来源于购买商品表

来源于婴儿信息表

（3）删除重复值

两个表均以用户ID作为唯一标识，对数据集进行处理

表一中有重复值27项，以及进行了删除处理

表二中未发现重复值

具体步骤：进行全选表格-数据-删除重复项-取消全选-选择用户ID-确定

来源于购买商品表

来源于婴儿信息表

（4）缺失值处理

通过分别选择每一列，发现表1中的除商品属性这一字段的行数有29803行外，其他字段的行数均为29945行，商品属性这一字段缺失数据有142行。

表2各字段均为954行，没有缺失值。

对于缺失值，有四种处理方法：

1）采用人工手动补全，这是针对缺失数据比较少的情况；

2）删除这个缺失数据；

3）用平均值代替这个缺失值；

4）用统计模型计算这个值，然后代替这个缺失值；

这里我们选择方法一、选中商品属性这一列数据后，通过开始功能下的查找和选择功能区，点击定位条件，选择空值，然后填入数据并按住并按住ctrl+enter，一次性补全所有缺失值；

（5）一致化处理

日期的一致化处理：这里有两种方法，

第一种：选择数据-分列-分隔符号-下一步-日期格式；这种方法可以解决大部分数据，但仍有小部分数据无法解决，这时用到法2，法2：点击日期这一列数据-设置单元格格式-自定义-yyyy/m/d。

性别的一致化处理：0-女，1-男，2-未知的性别；采用开始-替换功能。

选中性别那一列，开始功能区查找和选择-选替换，按照对应的值对应的性别进行全部替换

表的合并：由于填写婴儿信息表数据的用户相对于表一中的用户来说特别少，故在解决和处理有关婴儿信息表数据时，直接在婴儿信息表中利用vlookup函数对表1、表2通过多表查询合并为统一的一张表格，并筛选出能够匹配的数据

1）婴儿信息表添加购买商品时的年龄列

先在婴儿信息表中添加一列购买时间，用vlookup函数将表1中对应用户ID的购买时间vlookup到表2中

添加字段：采用Datedif函数，DATEDIF(出生日期,购买日期,'y')计算出用户的年龄或者采用（购买日期-出生日期）/365的方法得出用户的年龄（需要注意的是：即使购买日期在出生日期之前也是符合业务实际的，可以将其划分为未出生）

（6）数据排序

按照购买数量进行排序，结果如下图所示：

（7）异常值处理

用户性别是未知的数据进行删除；

通过数据透视表，对年龄这一字段的数据进行统计，发现有一异常数据：年龄为28，对其进行删除；

四、数据分析或构建模型

这一部分我们针对每个问题分别进行细致的分析：

1.哪类产品的一级分类购买率最高，在这一类别中，最为畅销的又是哪一产品？

通过数据透视表可以发现excel数据分析怎么做，选择商品一级分类和购买数量这两个字段，得出商品一级分类28为购买率最高的商品

在得出商品一级分类28为购买率最高的产品的前提下，先通过数据筛选功能，筛选商品一级分类28的产品，再通过筛选功能得出商品一级分类28下的最畅销的二级分类商品是50012788

来源【首席数据官】，更多内容/合作请关注「辉声辉语」公众号，送10G营销资料！