20个实战数据分析案例网站合集，可实操练习！
数据分析是现代企业中非常重要的一部分，它可以帮助企业更好地理解自己的业务和客户，并为企业的决策提供数据支持。在学习数据分析的过程中，实战案例是非常有用的。下面是从帆软数据分析作品库网站中选取的20个实战数据分析案例，提供了丰富的数据和工具，可以帮助你进行实操练习。
1.实战数据分析案例网站
1.1数据源网站
国家统计局： http://www.stats.gov.cn/
商务部官网：http://www.mofcom.gov.cn/article/fxbg/
前沿报告库： https://wk.askci.com/ListTable/
洞见研报： https://www.djyanbao.com/index
1.2数据分析网站
详见文章《最全集合！数据分析一般用什么软件？》
编程语言：R语言、Python等
FineBI：https://www.finebi.com/
Power BI
九数云
1.3数据分析案例合集网站
帆软数据分析作品库收录多达300+数据分析案例，涵盖50余个场景的数据分析可视化报告，均来自帆软BI数据分析大赛作品，涉及数分/商分/经分等多个领域的业务，为您提供丰富分数据分析的学习参考材料。
2.20个实战数据分析案例合集
以下20个数据分析案例均来自 帆软数据分析作品库 ，希望对您有所帮助：
【2022BI数据分析大赛】卖玻璃的小男孩
【2021夏季挑战赛】某商超提升会员数分析
【2021夏季挑战赛】疫情期间的水务数据分析
【2020冬季挑战赛】电商那些事-基于人，货，场的电商平台数据分析
一篇读懂零售数据分析
【2020年冬季挑战赛】电商销售数据分析
【2021夏季挑战赛】精细化运营-电商取消单分析
【2022BI数据分析大赛】液态奶产品数据驾驶舱
【2022BI数据分析大赛】企业财报数智化解决方案
【2020冬季挑战赛】供产销企业的财务数据分析与内部审计
【2022BI数据分析大赛】旅游业对全国经济发展的影响
【2022BI数据分析大赛】效率提升探索
【2022BI数据分析大赛】首钢股份库存管控平台
【2021夏季挑战赛】航段油耗影响指标分析
【2022BI数据分析大赛】2021年PVC产品运营分析
【2022BI数据分析大赛】某车企运营分析平台
【2021夏季挑战赛】亚洲人口可视化数据分析
【2022BI数据分析大赛】超市盈利亏损分析
【2022BI数据分析大赛】巴西电商平台交易数据分析
【2022BI数据分析大赛】员工流失分析报告
3.实战数据分析案例详解—— 巴西电商平台交易数据分析
3.1 背景简介
数据来源于巴西Olist（2016年8月-2018年8月）电商数据平台的数据。本次数据分析作品只筛选了2017-2018年的数据来进行分析。 数据来源链接：https://www.kaggle.com/jainaashish/orders-merged
分析目的：分析该数据可以看出近两年的销售业绩变化，卖家的经营状况，客户的区域分布，客户的购买偏好等，以便改善现有的状况，提升业绩。
3.2 分析思路介绍
3.2.1提出问题
① 在2017年1月-2018年8月，为什么销量呈现上涨趋势？
② 哪类商品最热销，可主推？
③ 用户的地域对于销量的影响？如何做到精准营销？
④ 用户偏好哪种支付模式，是否可以在线支付公司深度合作？
……
3.2.1分析框架
3.2.3数据清洗整理
本作品分析数据来源于巴西电商平台的orders-merged交易数据，由于分析需要，在分析过程中只保留了2017-2018年（8月）的数据，相关字段描述如下：
序号
原始字段
字段类型
描述
作品是否使用
1
product_id
字符型
产品ID
是
2
seller_id
字符型
卖家ID
是
3
order_id
字符型
订单ID
是
4
customer_id
字符型
客户ID
是
5
order_status
字符型
订单状态
否
6
order_purchase_timestamp
日期型
下单时间
是
7
order_approved_at
日期型
审批时间
否
8
order_delivered_carrier_date
日期型
过账日期
否
9
order_delivered_customer_date
日期型
订单交货日期
否
10
order_estimated_delivery_date
日期型
预计交货日期
否
11
customer_unique_id
字符型
客户标识ID
是
12
customer_zip_code_prefix
数值型
客户邮政编号
否
13
customer_city
字符型
客户城市
是
14
customer_state
字符型
客户所在洲
是
15
review_id
字符型
评论ID
是
16
review_score
数值型
评论得分
是
17
review_comment_title
字符型
评论标题
否
18
review_comment_message
字符型
评论内容
否
19
review_creation_date
日期型
满意度调查日期
是
20
review_answer_timestamp
日期型
满意度回复日期
是
21
payment_sequential
字符型
付款顺序
否
22
payment_type
字符型
付款方式
是
23
payment_installments
数值型
分期付款数
是
24
payment_value
数值型
交易金额
是
25
order_item_id
数值型
序号
否
26
price
数值型
商品价格
是
27
freight_value
数值型
运费
是
28
seller_zip_code_prefix
数值型
卖家邮政编号
否
29
seller_city
字符型
卖家城市
是
30
seller_state
字符型
卖家所在洲
是
31
product_category_name
字符型
商品类别名称
是
32
product_name_lenght
数值型
产品名称长度
否
33
product_description_lenght
数值型
产品说明长度
否
34
product_photos_qty
数值型
产品照片数量
否
35
product_weight_g
数值型
产品重量
否
36
product_length_cm
数值型
产品长度
否
37
product_height_cm
数值型
产品高度
否
38
product_width_cm
数值型
产品宽度
否
3.2.4指标体系
序号
指标名称
解释说明
是否派生
1
交易金额
/
否
2
商品价格
/
否
3
客户数
FineBI计算逻辑为counted_agg(customer_id)
是
4
客单价
客单价 = 总交易金额 / 用户数
是
5
订单量
FineBI计算逻辑为counted_agg(order_id)
是
6
笔单价
笔单价 = 总交易金额 / 订单量
是
7
商家数
FineBI计算逻辑为counted_agg(seller_id)
是
8
城市数量
FineBI计算逻辑为counted_agg(customer_city)
是
3.3 数据分析过程
3.3.1整体情况
客单价 = 总交易金额 / 用户数；用户数：93104，客单价：162.45。
笔单价 = 总交易金额 / 订单量；近两年的总交易金额：15124382，订单量：96211，笔单价：157.20。
近两年Olist电商平台的用户量、交易金额、商家数量有逐渐上升的趋势。
3.3.2时间维度
年交易情况
2017年交易金额：6798411，截止到2018年8月交易金额：8325970，环比2017年增长22.47%。
2017订单量：43428，截止到2018年8月订单量：52783，环比2017年增长21.54%。
季度交易情况
月交易情况
交易金额整体上有逐渐上升的趋势。2017年11月达到峰值：1138353元，环比增加54.11%。其中，订单量为7289。接下来分析，为什么销量一直上涨，特别是2017年11月突然上涨到了最高峰。
这里针对2017年11月交易金额达到峰值问题下钻。查看2017年11月的交易金额、订单量情况，2017年11月24日这天的交易金额、订单量达到峰值，导致11月整个月的交易金额、订单量达到峰值。（注意到，11月24日是11月的最后一个星期五，即“黑色星期五”，由此可以得出其中一个结论，由于促销活动带来销量上涨）
由于这里的产品分类比较多，不好下钻到某些爆款产品的。下钻11月24是哪个洲的交易金额和订单量最多，11月24的交易金额、订单量主要来自SP这个洲。
继续下钻看看哪个城市的交易金额、订单量比较多。这里城市数量比较多，只截取了交易额、订单量最多的部分（前20），这里主要是由于sao paulo这个城市贡献的交易额和订单量。
3.3.3商家维度
数据结果显示，商家主要集中在SP、PR、MG这三个洲，占了78.83%。加上SC，占比超过了80%；SP洲的交易金额和订单量位居第一，与第二的PR洲差距明显，SP洲的交易金额占了总交易金额的64.57%，SP洲的头部效应明显。
SP、PR、MG这三个洲的累计交易金额和订单量都达到 81% 以上，该电商平台应该重点关注这三个洲。
另外商家数量2017-2018期间，一直处于增长趋势，这也是该平台销量呈现上涨趋势的原因之一。
3.3.4用户维度
流失用户占比等于总用户数的8.16%，流失状态占比较大，该电商应该更注重于用户维持。重要深耕用户人数占比为35.90%，交易金额 537.95 万，其次是重要挽回客户， 人数占比为22.99% 。重要深耕用户和重要挽留客户的交易金额总占比达到70%以上，这两类的客户应该重点关注。重要价值的客户的人数仅占了8.15%，占比少。
用户在10-13点、20-24点这个时间段写评论的较多，5分的占了总评论数的58.92%，4分的占了总评论数的19.65%，好评率约为78%，差评率超过20%，需要重点关注。
3.3.5产品维度
2017-2018各商家共供货 73 种品类，30984 种产品，平均售价为 125.17 元；明星产品偏少，建议优化产品结构。
前10类别名称的占了总交易额的62.47%，前17类别名称的占了总交易额的79.94%，头部效应明显。
3.4 总结与建议
促销活动与销售金额、订单量强相关，建议除了黑色星期五外，定期进行相关促销活动。
明星产品较少，建议鼓励商家做好市场调研，引进明星产品，并将明星产品与其他产品进行绑定销售。
做好用户回访，深入分析客户差评的原因，并进一步优化客服工作。
加强与在线支付公司credit_cart、boletol合作，维护好关系，达成长期合作合同，增加推广盈利收入。
数据分析可视化报告：
以上数据分析案例使用了FineBI制作，网站提供了丰富的数据和工具，可以帮助你进行实操练习，目前提供免费个人版。如果你想提高自己的数据分析能力，不妨试一试。
商业智能BI产品更多介绍：www.finebi.com
免费下载FineBI
立即体验Demo
数据分析案例网站
数据分析网站
数据分析案例
数据分析的网站