探究加油站的数据大的秘密：如何深度剖析与解读加油站数据

文章目录

分析项目背景

一：分析思路梳理

二：分析步骤

三：用不同工具去实现

• 1. Excel分析篇
• 2. Tableau分析篇
• 3. Python分析篇
• 4. mysql分析篇

分析项目背景

数据周期:2019年11月 数据源：某加油站的11月消费记录流水，关键信息已脱敏，本案例数据源共 54554条。 所属领域：消费行业、电商

一：分析思路梳理

推荐使用思维导图(xmind、mindmaster、幕布等)去记录想法，确定整体分析大纲。

二：分析步骤

无论使用何种分析工具，以上步骤都必不可少。条条大路通罗马。

三：用不同工具去实现

1. Excel分析篇

鉴于此份数据数据量相对较大，excel使用会比较卡。下面仅提供分析步骤。

2. Tableau分析篇

Tableau主要在可视化部分特别优秀，请点链接前往。Tableau分析加油站订单 文章部分截图

3. Python分析篇

请点击链接前往

python实现加油站订单分析 主要从数据清洗,数据处理和可视化展开聊,

部分截图:

4. mysql分析篇

请点连接前往Mysql实现某加油站订单分析 mysql更多的是查询数据结果，同时也需要遵循数据分析的步骤： 数据源导入——》数据清洗——》确立分析需求——》产出查询结果

需求1：对数据进行清洗，删除订单号为null和支付金额小于15的订单。 需求2：统计各种状态的数量和占比 需求3：对支付成功的订单进行描述分析性分析

• 3.1：优惠类型数量及占比
• 3.2：不同油品的加油量及占比
• 3.3：不同油枪月加油车辆数
• 3.4： 开票行为分析
• 3.5：开票数量排前10的公司或者个人名及开票数量，消费金额，加油量
• 3.6：按实付金额排名取前5名，查看用户id和总加油量，加油次数，
• 3.7：按支付次数排名取前10名，查看用户id和总加油量，加油次数，平均每次消费金额 需求4：查看11月每日的订单数，订单总额 需求5：按周统计总订单数、金额、平均客单价（eg：11.04-11.10） 需求6：求周权重指数 （=（周日到周六）日权重指数之和 日权重指数=日订单数/最低日订单数） 需求7：不同油品每日加油量统计