一、背景分析拆解：
ps：利潤計算公式：
毛利額 = 營業收入（=銷量*售價） - 商品成本
利潤 = 營業收入 - 商品成本 - 其他成本 （由於本機構使用自建辦公樓，所以沒有房租成本）
線上教育產品有網際網路產品都有的特點：
即一次生產，可以無限次售賣。而售賣次數越多，每份產品分攤的成本也就越少。這時，即使保持單品售價不變，也能有效提高毛利額；所以，一般來說，提公升課程
的銷量就能有效提高毛利額；
二、需解決的問題：
而近期該公司遇到了乙個問題，近期課程銷售額上公升，但是計算出的毛利額卻在下降。作為資料分析師的你，需要分析出這個問題的原因，並給出解決方案。
三、how to do?
1、調整目標：
今年的盈利目標為1000萬元毛利額，從一月至八月的毛利額完成情況看，完成情況遠不理想，僅完成378.9萬，佔全年任務的38%；之後經過領導層商議，將原有的1000萬毛利額目標調整為現有的700萬元，預計9月至12月需完成320萬左右的毛利額目標。由於9月10月是換工作的熱門月份，這段時間的培訓課程需求也會比其他月更高，所以9/10月份會承擔毛利額目標的70%，也就是224萬，平均乙個月112萬元。之後的兩個月承擔剩餘30%毛利，平均乙個月48萬元。
2、問題確認與指標拆解：
2.1 確認毛利額資料異常的問題
資料來源問題（缺失、異常）、
產品問題（銷量、售價、成本）、
渠道問題（成本、質量、roi）、
外因(使用者消費力)
2.2提公升毛利額方案【由 毛利額 = 營業收入（=銷量*售價） - 商品成本 得出】
提公升銷量（營銷優化、產品優化、課程內容優化）、
提公升商品售價、減少成本）、
提公升商品售價、減少成本
2.3問題解決思路
明確問題
拆解問題
量化目標：1、優化渠道投放比例提公升30萬元、
2、優化產品的使用者體驗20萬元、
3、精細化運營使用者62萬元
制定方案（量化目標按順序對應）：
1、綜合排名分析找到轉化率高、成本低、流量大的渠道
2 、漏斗分析，找到需要提公升的轉化環節、
3、rfm模型對小課使用者進行分層
目標評估（未達到方案目標重新制定方案）：
1、與銷售部門評估方案可行性
2、評估改進後的漏斗能帶來的銷量提公升、
3、通過不同類使用者轉化來評估完成目標份額
實驗：abtest 分析實驗效果（未達到目標重新制定方案）：
以7日週期評估實驗
結案報告
2.4.1 資料漲跌異動分析–問題拆解
1.統計各月銷售額與毛利額並繪製折線圖
2.計算各月毛利率與毛利率環比並繪製圖形
3.從渠道**開始驗證，統計各型別渠道的銷售額與毛利率並繪製象限圖
4.從渠道型別細化到具體渠道，同樣統計各渠道的銷售額與毛利率並繪製象限圖
2.4.2 渠道排名—綜合分析
1.確定各指標的權重值：對渠道4個關鍵指標通過優化矩陣進行權重劃分(roi、報名轉化率、跳出率、線索率)
2.消除量綱差異的影響：對渠道各指標進行0-1 標準化
3.利用標準化後的指標與指標進行乘積求和計算各渠道的綜合得分
4.利用綜合得分對渠道進行排名
2.4.3 分析培訓班的各環節轉化情況—產品使用者行為分析(漏斗分析）
1.做出漏斗分析（不僅可以看到總體情況，還能看到各環節轉化率）
2.找到問題環節
3.分析問題環節原因
4.實驗設計的環節
5.目標提公升度的分析，改進後的結果估計可以提公升多少毛利額。這部分需要寫出具體的估算演算法。
ps：上個分析有具體到各個渠道的分析，但是這個分析裡沒有渠道資料；是整體資料的分析
2.4.4 學員價值分析—rfm建模
1.我們在日活10萬的小課人群中隨機抽取0.3%的使用者，通過rfm區分學員的等級。
rfm釋義:
1、recency:上一次購買距今天/視窗結束的 天/月 數
意義：上一次消費時間越近對提供即使的商品或服務也可能會有反應
2、frequency：顧客咋限定的期間內所購買的次數
意義：最常購買的顧客嗎，也是滿意度最高的顧客用來刻畫忠誠度
3、monetary:顧客在限定的期間內所消費金額
意義：消費額度高的顧客，也是消費能力高的
以這三個維度為基準確定客戶型別。
2.為學員設計精細化運營方案，首先利用推薦演算法計算出客戶的興趣領域。
對於重要價值客戶
可以採用直接推薦大課購買的方案來吸引客戶轉化
對於重要保持客戶
可用小課**的方案吸引客戶複購，之後再逐步推薦大課來促進使用者轉化
對於重要發展客戶
可用買大課送會員的方式吸引客戶轉化
對於重要挽留客戶
可用小課**的方案吸引客戶複購，之後再逐步用買大課送會員的方式吸引客戶轉化
2.5結論分析報告
pandas資料分析案例
1 資料分析步驟 資料分析步驟 1 先載入資料 pandas.read cvs path 2 檢視資料詳情 df.info df.describe df.head 3 根據業務獲取資料 複雜在此 4 展現資料 2 案例 coding utf 8 911資料中不同月份不同型別的 的次數的變化情況 im...
資料分析案例 利用pandas清洗資料
載入資料 資料清洗 位址列爬取的位址列是省 城市名，當然還有北京這種直轄市，這裡我們要把城市和省份分開，分成兩列，對於北京則讓城市和省份都顯示為北京。def get province x iflen x 2 return x 市 else pro list x.split return pro li...
資料分析 銷售案例分析 目標達成
2 計算指標 建立日期表時間設定20191,1，今期 日期 公式 本期 去年同期 去年同期 100 時間一致年不一致 步驟 1 總金額 sum 銷售表 銷售金額 2 篩選 去年同期銷售金額 calculate 度量值，dateadd 日期表 列，1，year 3 除法 divide 度量值 去年同期...