下面給大家介紹乙個實戰業務案例，主題是基於人、貨、場的電商平台資料分析，分析的思路非常清晰，視覺化報告的部分做的也很棒，非常具有學習價值。
一、場景介紹
業務背景介紹：小風是一名剛入職的bi工程師，在試用期結束期間，導師拿著乙份電商資料給到小風，要求其給出合理分析結果
分析目的：小風通過分析電商平台兩年內的銷售情況和發展情況，找出平台發展對應結論，並給出相應改善建議。
分析工具：finebi（拉到文底）
首先我們明確這次分析的目的對於電商平台相關資料，分析發現問題並給出相關建議，決定從傳統的人，貨，場角度進行分析。
場的維度我們分析平台銷售的健康情況和銷售分布情況，接著我們通過貨品分析，了解到該平台品類銷售情況和產品的**帶在哪個位置，以此可以進行abc分類的優化和了解平台產品定位
接著會員分析，我們了解到會員的增長趨勢和會員的分布情況，發現會員也大量分布在巴西沿海，同時我們還通過aarrr模型和rfm模型了解到會員轉化率情況及消費屬性
其他分析-物流分析，最終分析了該平台的物流情況，發現物流不准時佔比偏高，物流時間也偏長，但同時物流費用佔比訂單費用偏高，人們的消費和收到的服務不成正比，
整體分析腦圖如下所示：
資料內容：基礎資料表主要為以下9張，如下圖所示，aaarr模型表，巴西各州輔助表，表關係，地區經緯度表是我通過其他途徑獲得的輔助資料表
1、以olist_order_dataset為核心表，鏈結各維度表，建立訂單核心各維度聚合寬表。其表間血緣關係如下所示。
2、選取訂單核心表，通過左右合併依次和各維度表進行合併
3、增加過濾只需要2023年至2023年的資料
4、新增列是否準時 通過預期物流到貨時間和實際到貨時間比較
5、新增列新老會員
6、訂單核心各維度聚合寬表建立完畢，其雪花模型如下所示。
接下來是主要寬表和rfm模型表製作：
1、首先取訂單核心各維度聚合寬表對應字段。
2、新增列，距今消費時間天數，後續可計算平均消費時間天數，並以此判斷r值
同理，通過會員消費頻次，計算平均會員頻次，比以此進行f值計算
同理，通過會員消費金額，計算平均會員消費金額，並以此進行m值計算。
c、合併rfm，對r,f,m進行拼接
d、通過if函式對rfm進行中文定義
整體框架：整體排版按照故事的敘事來進行排版，具體為如下板塊，任務背景，明確目的->「場」分析->「貨」分析->」人」分析->其他分析->總結建議。
圖表選擇：圖表選擇可以看這張圖，了解下每種圖偏向的分析內容。
場分析:通過季銷售趨勢圖及環比，還有各州金額分布分析了解平台銷售走勢和銷售分布，了解平台銷售是否健康及銷售重點區域。
1）發現相較2023年，2023年的銷售金額和銷售量呈環比上公升趨勢，最近兩季度略微下降，趨向平穩。平台客單價在175reals/單浮動。說明平台整體的態勢還是向上發展的。
2）了解到訂單**主要來自巴西沿海各州，其中聖保羅州，里約熱內盧州，公尺納斯吉拉斯州為訂單量產出州top3，而反觀巴西內地產出偏低，小風猜測這也許巴西經濟中心集中在沿海各州有關。
貨分析：通過帕累託分析品類銷售情況，散點圖**品類寬度和銷售關係，再通過**帶分析，了解平台產品定位。通過評價佔比了解產品滿意情況，通過產品完整性分析驗證猜測。
人分析：分析平台會員走勢了解平台會員健康情況，通過地圖分布了解會員分布情況，通過aarrr模型了解會員轉化率，通過環形圖了解新老會員銷售情況。
其他分析：通過物流準時度分析，物流時間佔訂單時間分析，平均物流天數分析，物流運費金額在總金額的佔比，來評估顧客物流服務投入產出比，通過低評的非準時佔比和物流時間來驗證猜測。
關於上述finebi資料分析工具的獲取方式，看下方！
IQ 電商行業
近年來，中國的電子商務快速發展，交易額連創新高，電子商務在各領域的應用不斷拓展和深化 相關服務業蓬勃發展 支撐體系不斷健全完善 創新的動力和能力 不斷增強。電子商務正在與實體經濟深度融合，進入規模性發展階段，對經濟社會生活的影響不斷增大，正成為我國經濟發展的新引擎。今天，我們已經可以確信電子商務毋庸...
電商行業深度窺探
京東,天貓毫無疑問就是在電子商務快車道上齊頭並進的幾個巨無霸,再加上緊隨其後的亞馬遜 大陸業務 蘇寧,噹噹等稍小的二線集團生力軍.乙個新生的電商 在這樣的電商直道上,被幾輛超載重卡車卡住,根本就不可能超車.即使你使出各種奇技淫巧,想彎道超車,但可惜的是,電子商務業務從來就是一條筆直的大馬路快車道,何...
商城專案 了解電商行業
學習電商專案，自然要先了解這個行業，所以我們首先來聊聊電商行業 主要從需求方 盈利模式 技術側重點這三個方面來看它們的不同 各種企業裡面用的管理系統 erp hr oa crm 物流管理系統。而我們今天要聊的就是網際網路專案中的重要角色 電商 近年來，中國的電子商務快速發展，交易額連創新高，電子商務...