这个项目是我2025年寒假期间做的，在暑期实习完后，最近一个月我把相关的技术栈又重学了一遍，有了更深的理解和感悟，但感觉还是不够，要做好商业数据分析人必须多实践多学习，无论是最初步的数据清洗或处理，还是实际搭建报表或可视化，都离不开实操。会用多种工具的同时也得对数据有自己的理解以及输出业务建议，尽可能地挖掘数据价值，听起来挺虚的好像。毕竟，其实对于实习生来说很少有机会能接触到业务或给出决策建议，更多的时候是辅助正职进行数据清洗、数据处理，或者搭建数据指标统计表，也有极少数的时候帮产品经理或者业务人员搭建图表，这也可以理解，实习生是块砖嘛，哪里需要哪里搬。

      尽管如此，我依旧感觉学到了很多，在信息爆炸的时代，实际业务中会有很多坏数据和坏格式文件，需要我们灵活变通，善用AI也要有最基本的数据处理能力，最起码的会写基本的Excel函数和python pandas，做好数据筛选与清洗、保证好数据质量是根基，再者，怎么和业务或者mentor对好数据口径，确保统计的数据是他们想要的也很重要，所以，再回顾我半年前花了一个月做的项目，我决心再次优化，让数据清洗更加智能有针对性、让Excel季度报表反馈业务情况、让MySQL取数更贴合具体业务，让Tableau仪表盘尽可能地展现策略价值，也就是说这次我想补充最后的业务决策这一部分，强化一下！致力于做出一份真正体现数据价值的、有竞争力的分析报告。

        写下这篇分享不止是我的项目展示，也想记录我的心得，也会不定时地同步分享数据分析岗实习的经验。有很多人觉得这个方向没有前景，会被AI取代，我不否认他们的立场，但我认为AI只能辅助，至少在这几年还不能完全取代，商业数据分析不会因AI而失色，应该说未来的数据人才，不仅需要掌握Python/SQL等硬技能，更要培养数据分析思维，对数据敏感，能分析实际业务场景中复杂多变的新要求，更能辨别多样的数据问题并灵活调整指标口径，听需求、对口径、分析可行性、寻找替代方案等，这些步骤和经验将开发、业务、（测试）与产品紧密结合，只有将业务认识和数据基础融会贯通，才能更好地在数据层面为业务赋能。认识业务才能理解数据，处理数据才能辅助决策，做好分析才能更好运营，多能力人才一定是大势所趋。

       对我自身而言，越学习越觉得自己学的远远不hh，这个社会好卷，就业好累，对人要求越来越高，[汗颜] 不吹这么多了，最后希望能给看到这篇分享的友友们带来帮助，祝大家心想事成，越来越强！

1、数据源说明

1.1 数据概况

（1）数据来源：阿里云数据集

（2）数据简介：电子商务平台4年的销售数据，共有约1w行订单记录，19列，字段按照4个维度划分：时间、产品、客户、销售指标维度，如下图所示。

（3）数据格式：带点坏格式的csv文件，需要用python进行数据清洗。

源文件数据实例：

已用python完成数据清洗（部分）：

       这一个Python脚本文件，用于清洗销售数据。它从指定路径读取未清洗的CSV文件，动态创建列名，处理坏格式字段：空值字段、双引号包围字段、异常时间列，有效避免出现字段错位的情况，接着处理日期字段，合并产品名称字段，筛选出实际需要的列，转换数据类型，添加季度列，并保存清洗后的数据进CSV和Excel文件。

       数据质量检查是数据分析的根基，最根源的数据出错会导致指标出现异动，影响后续的数据分析和业务决策。实际工作中，数据清洗往往会遇到很多问题，包括不限于格式问题、空值错误问题，数据量小的时候用Excel（PowerQuery）就好，数据量大的时候就得上python，这里最好掌握基本的pandas知识，才能更好地读懂pandas处理数据的逻辑，我采取的方式：观察数据列和值情况，把数据情况和诉求清晰地发送AI，根据数据源文件自己调整AI生成的代码脚本。

      这里具体来说，实际需要的字段有19列，而提取出的CSV文件共有26列，有3个问题：

1、首先是异常时间列，’订单日期‘和’发货日期‘由于是(date,time）被识别成四列’订单日期‘、’订单时间‘、’发货日期‘、’发货时间‘，解决方式是动态创建列名，后面选取需要的日期列；

2、其次是产品相关信息列，‘产品名称’被解析为‘产品名称’、‘规格’、‘颜色’，且规格列被引号包围、字段内有逗号，为了避免字段被错误分割并完成信息合并，我在读取CSV文件的函数中做好定义（如下），并在后续创建好字段后完成产品名称字段的合并；

df = pd.read_csv(
    quotechar='"',  # 指定（引号“）作为包围字段的字符，确保pandas正确识别
    skipinitialspace=True,  # 跳过字段最起始位置的空格
)
# 5.处理产品名称字段：合并规格和颜色字段 到产品名称中
if all(col in df.columns for col in ["产品名称", "规格", "颜色"]):
    df["产品名称"] = df["产品名称"] + " " + df["规格"] + " " + df["颜色"]

3、最后是文件在转换过程中被异常识别出的三列，同样，动态创建这三列，最后选取需要字段列时把这三列丢掉

       因此，在实际工作中，数据清洗是一个很繁琐的过程，对于规模大的企业，数据量级大，往往需要一个数据团队（开发）去设计与收集数据埋点日志、搭建和维护数据仓库等，会定义标准或规范，以更准确地清洗好数据。实际上，一定规模的、成体系的企业数据清洗前的数据获取这一步已成规范化，数据直接按埋点文档规范输出或按开发建表规范文档输出其他表。

1.2 项目背景与目标

（1）项目背景：

       近年来，电商平台市场竞争激烈，消费者需求日益多样化。随着互联网普及率的提高和线上购物习惯的养成，电商平台的市场规模持续扩大。然而，消费者对商品品质、价格敏感度以及个性化服务的要求也不断提高。同时，电商平台面临着新客户获取成本增加、客户流失率上升等问题。在此背景下，通过深入分析销售数据，挖掘市场趋势和客户需求，对于优化平台运营策略、提升市场竞争力至关重要。

（2）项目目标：

        全面诊断电商平台业务的健康度,找到提升收益的关键切入点

        (多维度多角度分析电商平台销售情况并给出有效到位的业务建议)

1.3 项目技术和工具

运用工具：python、Excel、MySQL和Tableau

	使用工具	技术
数据清洗	python	pandas
数据处理与分析	Excel	函数：sumifs、filter、unique、 counta、eomonth、edate、if、 let、index、match等
		数据透视表
取数	MySQL	窗口函数、count、concat、 stamptimediff、sum等
可视化	Tableau	数据处理、各种图的搭建

2、Excel季度报表分析

2021年第4季度电商平台数据分析报告

2.1 概述

2021年第4季度，电商平台表现出良好的营收态势，销售额、利润和客户数均实现显著增长。东北地区，尤其是黑龙江省，成为利润贡献最大的地区，其中赖女士为最大客户。

2.2 主要发现

1. 销售额与利润增长：总销售额达到942,581.45元，同比增长15.4%；总利润为114,947.65元，同比增长12.2%。这表明平台在扩大销售的同时，也有效控制了成本，提高了盈利能力。

2. 客户增长：总客户数达到233人，同比增长20.1%。然而，12月客户总数有所下降，客户增长率为-8.2%，这可能与季节性因素或市场饱和有关。

3. 地区表现：东北地区，尤其是黑龙江省，贡献了最大的利润，达到33,574.94元。这可能与该地区的市场需求、消费习惯或平台在当地的市场策略有关。

4. 客户行为：订单数量从10月的180单增长到12月的211单，显示出订单量的稳定增长。平均优惠力度从11.9%降至9.4%，表明随着订单量的增加，平台可能减少了促销力度以提高利润率。

5. 月度表现：11月是表现最好的月份，销售额和利润均达到最高。10月尽管销售额下降，但利润率显著提高，利润相对上月增长约32.1%，显示出成本控制的有效性。12月销售额和利润下降，但利润率略高于11月，可能由于成本进一步降低或高利润产品销售增加。

2.3 决策建议

1. 市场策略调整：针对12月客户数下降的问题，平台应考虑调整市场策略，建议进行客户流失分析，了解客户流失原因，并针对性地设计客户保留计划，如忠诚度奖励或个性化促销，以提高客户忠诚度和复购率。

2、优化促销策略：随着订单量的增加，平台减少了优惠力度，这可能影响客户满意度。需分析不同优惠力度对客户购买行为的影响，以找到最优的促销平衡点。（Tableau中已做）

3. 地区市场开发：鉴于东北地区的强劲表现，平台应考虑进一步开发该地区的市场潜力，通过本地化营销和产品定制来吸引更多客户，也可采取相邻省份联动策略，刺激消费。

4、成本控制与利润优化：尽管11月销售额和利润最高，但10月和12月的利润率变化表明成本控制有改进空间。建议进一步分析成本结构，特别是在销售额下降的月份，以识别成本节约的机会。

5、产品组合与定价策略：12月销售额下降但利润率提高，可能由于高利润产品销售增加。需进一步分析产品组合对利润率的影响，并调整定价策略以提高整体利润率。

6、产品与服务创新：考虑引入新产品或服务，以满足不断变化的市场需求，同时提高平台的竞争力。

2.4 结论

        2021年第4季度，电商平台在销售额、利润和客户数方面均取得了显著增长。尽管12月客户数有所下降，但整体表现仍然强劲。通过调整市场策略、优化成本结构和深化客户分析，平台有望在接下来的季度继续保持增长势头。

       Excel季度报表反映了具体时间段的业务情况，适合用来做季度总结汇报会材料，销售额和利润无疑是反映销售情况的北极星指标，其他关键指标包括销售额季度环比、利润季度环比（本季度是进步还是退步了）、订单总数、客户总数、平均订单总数等。

本次练习用到的函数主要有：

1、时间函数：eomonth、edate、date、year、month、day

2、函数定义和条件判断：let、if、sumifs、countifs、averageifs

3、去重和筛选函数：unique（去重）、counta（去重计数）、filter

部分指标计算公式与简要分析：

1、订单数季度环比

        订单数季度环比 = 本季度订单数/上季度订单数-1

2、季度客户总数

       先用filter作条件筛选出电商平台销售表中本季度的行，取出F列（客户ID），然后用unique和counta进行去重计数，计算出季度客户数

3、客户数季度环比

        该公式计算客户数季度环比。首先，使用 LET 函数定义变量，然后分别计算上个季度和当前季度的客户数量，最后计算环比。如果上个季度没有客户，则返回“NULL”。

4、单月利润总额

        该公式计算指定月份的利润。使用 SUMIFS 函数，根据日期列（C列）筛选出指定月份（由A21单元格定义）的销售数据，并计算该月份的利润（T列）。

5、销售额季度环比

        同理，销售额季度环比 = 本季度销售额/上季度销售额-1

     

      在实际工作中，由于EXCEL无法集成大量级数据与计算速度极慢，并不适合用来做季度报表，来源多样的数据往往存储在MySQL或hive等数据库中，单个数据表可下钻的维度多，可构建指标多，企业开发会将数据库接入某看板平台中，供数据分析师构建数据视图，搭建可视化图表，打造核心指标看板。

       也就是说excel只用于查看数据，用一下筛选、查找等基础功能，像本案例中的高级函数、数据透视图、条件格式等都不需要，从来源上可视化看板平台分为自研和外采，各有优劣，在下文会具体阐述。

3、MySQL取数分析

电商平台销售SQL取数

为了优化数据指标查询效率，反映特定场景或维度下的销售情况，现有三个原始数据表格：product_info（产品信息表）、customer_info（客户信息表）、sales（销售情况表），如下部分所示。

客户信息表：customer_info（‘客户号’、‘客户名称’、‘细分’、‘国家’、‘地区’、‘省或自治区’、‘城市’）

客户号	客户名称	细分	国家	地区	省或自治区	城市
邢宁-18715	邢宁	公司	中国	中南	湖南	常德
麦虢-13510	麦虢	公司	中国	华东	上海	上海
俞毅-12520	俞毅	消费者	中国	华东	福建	江口
牛惠-14410	牛惠	小型企业	中国	东北	辽宁	桓仁
徐虹-13840	徐虹	公司	中国	华东	江苏	金沙
陶丽-17665	陶丽雪	公司	中国	中南	广东	深圳

产品信息表：product_info（‘产品号’、‘产品名称’、‘类别’、‘子类别’）

产品号	产品名称	类别	子类别
家具-桌子-10000441	Barricks 圆桌, 白色	家具	桌子
技术-电话-10004819	诺基亚 智能手机, 整包	技术	电话
技术-配件-10000300	贝尔金 记忆卡, 实惠	技术	配件
办公用-收纳-10002430	Rogers 文件车, 单宽度	办公用品	收纳具
办公用-器具-10003859	Cuisinart 冰箱, 白色	办公用品	器具

销售情况表：sales (‘订单号’、‘客户号’、‘产品号’、‘订单日期’、‘发货日期’、‘邮寄方式’、‘数量’、‘折扣’、‘销售额’、‘利润’)

订单号	客户号	产品号	订单日期	发货日期	邮寄方式	数量	折扣	销售额	利润
CN-202020-4870971	邢宁-18715	家具-桌子-10000441	2021-01-01 00:00:00	2021-01-03 00:00:00	二级	3	0.25	5289	-635
CN-202020-4870971	邢宁-18715	技术-电话-10004819	2021-01-01 00:00:00	2021-01-03 00:00:00	二级	3	0	1725	69
CN-202020-4870971	邢宁-18715	技术-配件-10000300	2021-01-01 00:00:00	2021-01-03 00:00:00	二级	3	0	1607	611
CN-202020-4870971	邢宁-18715	办公用-收纳-10002430	2021-01-01 00:00:00	2021-01-03 00:00:00	二级	5	0	3305	1322
CN-202020-5834678	麦虢-13510	办公用-器具-10003859	2021-01-02 00:00:00	2021-01-09 00:00:00	标准级	3	0	6919	692
CN-202020-5834678	麦虢-13510	技术-配件-10002318	2021-01-02 00:00:00	2021-01-09 00:00:00	标准级	8	0	2074	414
CN-202020-5525339	俞毅-12520	家具-椅子-10003377	2021-01-02 00:00:00	2021-01-07 00:00:00	二级	1	0	389	23

说明：一个客户可多次下单、一个产品可多次被购买、不考虑没有销售记录的产品和没购买记录的客户的情况。

SQL1：查询各季度总订单数、销售额总额、利润总额？

结论：

1. 观察数据，电商平台的总订单数、销售额和利润逐年提高，企业发展势头良好
2. 每年 Q4 都是绝对峰值，订单量、销售额、利润三线同步冲高

数据驱动的三条业务动作

①库存节奏：8 月中旬启动 Q4 备货，按 Q3 实际销量的 1.4–1.5 倍锁仓，避免 11-12 月断货。

②现金流节奏：1-2 月集中清库存回笼资金，3 月起用 Q1 回笼款滚动投入 Q2 新品。

③ 营销节奏：

• 9 月预热、10 月大促、11 月冲顶，预算向 Q4 倾斜 50 % 以上；

• Q1 做低毛利清仓活动，仅保留核心 SKU，减少广告投放。

SQL2：查询来自不同省份的客户的利润贡献情况？

结论：

1、观察数据，排名前三的分别是山东、广东和黑龙江

2、从地区角度看，地区差异明显，华东、中南表现突出，东北表现良好，西南、西北潜力大

决策建议:

1、加强华东、中南地区市场维护：

这些地区的利润贡献高，建议继续加强市场维护和客户关系管理，提升客户满意度。

2、区域联动策略：

东北地区的黑龙江和华东地区的山东表现突出，可以考虑与周边地区（辽宁、吉林）之间实施区域联动策略，通过资源共享、市场协同等方式，提升整体市场表现。

3、关注西南地区市场：

西南地区的四川和云南显示出一定的市场潜力，可以考虑在这些地区增加市场推广和客户开发力度，向这些地区的IP发放优惠券或大数据推流吸引他们到电商平台购物。

SQL3：查询每个季度新客户的数量？

结论：

1、观察数据，很显然新客户数逐年递减

2、申明一下，没有2021年之前的数据，所以2021年第1季度的新客户数是实际总客户数

3、2021年新用户涨势突出，后面三年受到疫情影响拉新受限，但销售情况是向好的，用户留存强

决策建议:

1、加强老客户维护：由于老客户是利润的主要贡献者，应通过个性化服务和定期回馈来增强客户粘性，提高复购率。

2、优化新客户获取策略：数据表明这个电商平台的营销力度不足，应尽快调整营销策略，如增多合作推广渠道（找代言人或花钱进行大数据推流），优化用户体验，以吸引新客户。

3、产品创新和市场拓展：持续进行产品创新，满足现有客户需求的同时吸引新客户。

4、 优化客户分层策略：数据表明不同电商平台的自有力度不足，应更快速地建立人员及时跟进（如优惠券、会员权益等），优化客户体验；

结合实际情况，新用户逐年减少但利润明显增加的异常现象的分析及建议：

分析原因：

1、疫情影响：疫情促使消费者转向线上购物，增加购买频率和量，提高销售额和利润。

2、电商平台主营三类产品：文具、家具和技术服务具有高客户忠诚度和利润率，促进重复购买。

3、市场成熟度：随着电商平台的成熟，可能已经吸引了大部分潜在客户，新用户的增长自然放缓。

建议： 拉新！拉新！拉新！[渠道拉新→注册→留存→消费→推荐亲友]

• 产品创新和市场拓展：持续进行产品创新，满足新客户需求的同时吸引新客户；
• 优化营销策略：投放广告落地页，通过个性化推荐和活动，提高新客户的转化率和留存率；
• 市场调研：定期进行市场调研，了解客户需求和市场趋势，及时调整业务策略。

SQL4：查询2022年第3季度超过连续两天下单的客户信息？

说明：这是特定时间段的特定问题，假设现在是2022年第4季度初始，业务小组想了解刚过去的第3季度连续回购顾客信息，那么以上就是解答。

SQL5：查询每个地区在2024年11月的平均订单金额

结论：

        2024年11月平均订单金额较大的是北部地区、东部地区，北部地区在之前对四年数据进行总分析中展现出的购买力并不强，在2024年11月却居于榜首，可以考虑2024年11月具体的业务情况和策略，分析出现这种状况的原因，如果是因为针对北部地区采取特定的营销策略那么这个数据足以证明这个策略有效，可以在后续策略中对潜力地区继续使用。

      MySQL作为基础的关系型数据库，在实际学习和工作的应用很广。MySQL相较于excel能存储的数据量级大、计算效率高，但呈现数据没有excel那么直观，也无法集成丰富的、超低技术性、交互性的数据操作（比如条件格式、简易化动态筛选和数据透视等），两者在一定程度上形成互补。

       在实际工作中，MySQL用来存储来源多样的数据，基于MySQL进行数据探查或数据视图构建等，数据库由开发或运维来定期维护，总而言之，MySQL的应用场景广、业务结合深，实际工作中需分析的sql语句长，要做好数据分析必须不断深化sql逻辑的理解，多练习多思考，基础要打好，这样才能更高效、轻松地理解长SQL。

4、Tableau仪表盘分析（https://tinyurl.com/lyy0224）

Tableau仪表盘分析

——（多维度多层次的销售数据分析）（总）

4.1 销售情况总览分析

        总体销售情况良好，大客户多且活跃，用户粘性非常高，优惠策略到位。

        在四年时间里，销售额约1606.9w元，利润约214.8w元，总体销售情况向好；

        客户总数为790、总订单数是2,770，物品总数为37,534，这意味着平均每个客户下了大约3.5个订单、购买 47个物品，这表明客户不仅活跃，而且购买力强；而复购率达到惊人的99%，表明几乎所有的客户都进行了重复购买，这意味着客户对平台的满意度高，平台的用户粘性非常好；平均优惠力度为10.6%，这表示平台商品平均打九折，相对合理。

        然而利润率仅为8.6%，这是利润与销售额的比率，反映了每100元销售额中能够获得8.6元的利润。利润率相对偏低，已知这个电商平台主要产品为办公用品，对于办公用品，批发和零售的利润率通常在15%到20%左右，办公家具行业的利润率一般在13%到35%左右，技术类产品的利润率可以有很大的差异，综上来看，利润率相对明显低于行业平均水平。

4.2 经营数据详情分析

        这是一份地区维度的关键指标数据，表明平台对于来自不同省份客户的销售情况，是电商平台的地区维度的客户画像——

        从地区上看，中南、华东地区销售业绩突出，东北、华北地区总体业绩良好，从省份上看，山东、广东客户和订单数量断层领先，黑龙江紧随其后，这三个地方是核心利润区。

        更主要的，我想这份数据更深层次的价值体现在对于出现异常销售数据的省份的反馈，可以看到每个地区都至少有一个省份出现负利润：东北的辽宁、华北的内蒙古、华东的江苏和浙江、西北的甘肃、西南的四川、中南的湖北，要重视出现这个现象的原因，它们都有一个共同的特点，那就是普遍优惠力度大，这极为可能是出现亏损的原因——如果优惠力度过大，利润空间一定会被压缩，要了解电商平台针对这些地区的客户实行平均约七折的商品优惠的原因，考虑平台商品性质，不存在临期的情况，那么商家试图通过打折吸引多点客户来减少亏损，这侧面反映了这些地区的客户并不活跃，可能由于地区风俗或习惯差异和人员偏好，要尽快详细到位地对这些地区做深入调研，做好客户画像，及时调整营销策略，研发上架地区特色商品从而刺激辽宁、内蒙古、江苏、浙江、甘肃、四川和湖北的市场购买力。

4.3、销售订单分布

        这是销售订单的分布图，反馈客户的分布情况，总体来看，沿海地区和东中部发达地区销售情况更好，西藏和新疆地区存在极少量订单，说明市场潜力待挖掘，可能受限于气候人文状况、运输条件限制等。

        具体到东北地区看，黑龙江订单多于其他两省，而沈阳客户最少，这和之前经营数据表反馈信息吻合，可以发挥东北三省联动策略，促使黑龙江带动两省消费。

4.4、环图分析

        这三个环图分别展示了不同客户类型、不同产品类别的利润贡献占比和采取不同的邮寄方式的订单占比，它们反映了电商平台主要面向哪类消费群体，哪类产品更受喜欢、客户更倾向于选择哪种邮寄方式。

1、客户类型利润占比：

        在电商平台上消费主力军是消费者和公司，小型企业利润贡献相对较小。消费者：49.0%，这是最大的利润来源，表明电商平台主要面向的是个人消费者；公司：31.8%，公司客户也是重要的利润来源，说明企业采购在平台上也占有一定比例；小型企业：19.2%，小型企业的利润贡献相对较小，但仍然是平台的潜在增长点。

2. 产品类别利润占比：

        办公用品占比35.3%，技术产品占比35.0%， 两者的利润贡献相近，表明两者都受到消费者的青睐。而家具占比29.7%，利润贡献也相对较高，显示出一定的市场需求，三类产品从利润贡献角度上看平分秋色。

        但是要注意的是，移动光标到环形图我们可以得到具体的销售额数据，销售额有高到低依次是家具（约573.4w）、技术产品（约546.9w）、办公用品（约486.6w），刚好和利润贡献排名相反，家具利润率最低，销售额最高，可能因成本高和竞争激烈；技术产品利润率排中间，利润空间较好，但研发和市场成本高；办公用品利润率最高，可能因利润空间大或成本控制佳。 

3. 邮寄方式订单占比：

        选择不同邮寄方式取决于客户的服务需求。从数据上看，73.5%的客户选择标准级邮寄，说明大多数客户倾向于选择这种邮寄方式，可能是因为它在成本和速度上达到了平衡；34.3%的客户选择二级，寻求更快配送；一级和当日邮寄分别占23.4%和8.9%，选择较少，可能因成本高。这表明大多数客户偏好经济实惠的邮寄方式，但也有不少客户愿意为速度支付更多。

        综上，电商平台主要面向个人消费者，同时也服务于企业和小型企业；电商平台上办公用品和技术产品最受欢迎，家具产品也有一定的市场份额但利润率最低；客户在邮寄方式上更倾向于选择标准级，但也有一部分客户愿意为更快的配送速度支付额外费用。

4.5 优惠力度与利润率趋势分析

        为月份作为维度，柱状图是每月平均利润率，颜色越深且柱状图越高代表平均利润率越高，横线是利润率平均线，12、3、8、7、6、1月约在平均线上，折线图代表平均优惠力度，可以很直接的看到，对于任意时间、地区和产品，利润率高的往往优惠力度更小，和前面理论相印证的是，优惠力度可能会影响利润率。如果优惠力度过大，可能会压缩利润空间，从而导致低利润率。从数据来看，优惠力度在9.5%-8.5%之间较好，也就是尽量控制在九折以上，平台需要平衡优惠力度和利润率，以确保长期的可持续发展。

4.6 营收业绩态势图

        以日期作为维度,作利润和销售额的散点图，分为两个群集，线的斜率代表利润率，线越斜代表利润率越高。具体分析如下——

1、群集分布：图中的两个群集表明存在两种不同的销售模式或客户行为模式。一个群集代表的是低销售额、低利润的交易，而另一个群集代表的是高销售额、相对较高的利润的交易。

2、利润率的斜率：线的斜率代表了利润率，斜率越大，利润率越高。图中显示，大多数点集中在较小的上坡段，这表明整体利润率偏低。这意味者在大多数情况下，销售额的增加并没有带来相应的利润增加，可能是因为成本增加或折扣力度过大。

3、利润率的波动：图中点的分布也显示出利润率的波动性。在销售额较低的区域，利润率波动较大，这表明在低销售额时，成本控制或定价策略的不一致性。而在销售额较高的区域，利润率的波动性减小，这意味着在高销售额时，成本控制和定价策略更稳定。

4、异常值：图中存在一些异常值，即远离主要群集的点。这些异常值代表了特殊情况，如特殊促销活动、大宗交易或成本异常等，需要进一步分析以确定其原因。

 策略调整：根据这些分析，电商平台需要调整其定价策略、成本控制措施或营销活动，以提高整体的利润率。特别是在销售额较低的区域，需要找到提高利润率的方法，如优化产品组合、提高附加值或减少不必要的成本。

4.7 商品子类别偏好图

       这是不同产品类别和子类别的销售额和利润情况柱状图，横线是销售额平均值。从图中不仅可以看出各类别商品最受欢迎的主推产品是什么，也能看出各产品利润情况，从而调整产品结构和产品营销策略，尽量减少亏损、增多利润。

        对于办公用品类别来说，器具和收纳具是主推产品，并且收纳具有较高的利润率，不同产品的差异大；对于技术类别来说，电话和复印机是主推产品，产品分配较平均，总体利润可观；对于家具类别来说，书架和椅子是主推产品，销售额很高，家具不同产品的差异大。

        这份数据更要关注亏损的商品类别：办公用品类的美术产品和家具类的桌子产品，需进一步分析以确定其原因，可能需要产品革新或改变商品产品结构。

4.8 产品利润词云

        颜色越深（绿）、字体越大的产品利润贡献越多，这个词云直观展现了技术类别的复印机和充电器是热门产品，为电商平台的企业带来极可观的营收。

       在企业里，可视化看板平台根据“来源”通常被分为

• 自研（内部 IT/数据团队自己开发）

• 外采/外购/商业化产品（花钱买的成品或 SaaS，含开源但由企业自己部署也算“外采”         

  （而开放的常用商业 BI 平台主要有：国内最常被企业买账号的是帆软的 FineBI / FineReport，永洪 BI、Smartbi、亿信 BI、DataFocus 紧随其后；国外对应的就是 Tableau、Microsoft Power BI、Qlik Sense 和 Google 系的 Looker0）

      在我看来，tableau功能强大、操作简单，集合了基础的数据处理和展示操作，兼具Excel和MySQL的一点功能栈，但也存在不足：做订单分布时地图部分地区数据缺失，并且在实际企业工作中，由于较高昂的商用价格和较差的数据隐私性不予采用，当前实习的公司用的就是自主研发可视化平台，数据安全、操作简单，但企业维护成本高，并且可以做的图表非常有限，功能受限。

5、决策建议汇总

        基于对电商平台销售数据的多维度分析，整体销售态势良好，销售额与利润持续四年保持增长，客户复购率极高，显示出强大的用户粘性。然而，核心问题在于整体利润率偏低（8.6%），显著低于行业水平，且存在地区发展不平衡、新客增长乏力及部分商品亏损等挑战。

针对性决策建议如下：

1. 提升利润率与优化促销策略：

严格控制整体优惠力度在8.5%-9.5%区间，避免过度折扣侵蚀利润。重点分析并优化家具等高销售额、低利润率产品的成本结构与定价。对已出现亏损的子类别（如桌子、美术产品）进行专项审查与策略调整。

2.深化区域精细化运营：

巩固山东、广东、黑龙江等高贡献核心市场。对辽宁、江苏、浙江等出现负利润的省份，深入调研客户偏好，调整“高折扣低转化”的无效策略，可尝试推出区域特色商品以刺激消费。同时，挖掘西南、西北等潜力市场。

3.客户价值最大化与拉新：在维持高达99%复购率的基础上，设计针对老客（尤其是消费者和公司客户）的忠诚度计划与个性化推荐，进一步提升其客单价与利润贡献。同时，拓宽营销渠道，如合作推广或精准广告投放，以扭转新客增长放缓的趋势。

4. 供应链与库存智能规划：充分利用销售数据的季节性规律（如Q4为年度峰值），提前于8月中旬启动备货，并动态管理库存。在Q1侧重利用回笼资金与清仓活动，优化现金流。

       通过以上聚焦于利润提升、区域精耕、客户运营与供应链协同的举措，平台有望在保持增长的同时，显著改善盈利质量，实现可持续发展。