1.
项目导言和目标 在这个计划中,我利用Microsoft Excel和Power Query来清理和分析一个Jumia产品数据集,然后建立了一个交互式仪表板来总结定价,折扣,评级和客户参与.
主要目标是将小型的原始电子商务数据集转化为有用的商业信息。
我希望最后的仪表板能够回答一些实际问题,比如: 折扣较高的产品是否得到更多的客户参与?
高价产品有更好的评分吗?.
产品评级与审查次数之间是否有关系?
哪些产品具有最高的审查参与度?
哪些产品由于折扣高而评级低而可能需要进一步调查?
该项目还给我带来了数据清理、优秀公式、枢轴表、枢轴图、切片器、关联分析和仪表板设计等方面的实践经验。
2.
数据集和业务问题 原始数据集包含115行和6列:产品当期价格 旧价格折扣评分 数据集很小,但包含一些现实的数据质量问题。
这使我能够进行完整的分析,而不是直接进行视觉分析。
我将工作手册分为以下几个部分: 正如我们在课堂上一直被教的那样, 我保留了表格不变,这样我总是有原始数据的副本。
3.
在清理数据之前,我利用列质量、列分布和列概况,对权力查询中的数据集进行了初步数据质量审计。
审计查明了若干问题: 数据质量检查结果 原始行115 原始行6 Blank Review value 58 Blank rating value 58 Populed Review value 存储为负数 57 流出价格范围 1 旧出价格范围 1 精确重复行去除0到100% 0 分出价值范围 0到5 之后的3个折扣值是审查领域的一个不寻常的问题.
所有人数众多的审查点数都是负数,尽管审查点数逻辑上不可能是负数。
因此,我把负面标志视为数据收集或删除问题,而不是真正的商业价值。
评分字段也需要打扫,因为数值被存储在文本中,例如:而不是数字评分.
这项审计很重要,因为它防止了项目后期的错误计算。
4.
清理和准备决定一在Power Query进行了主要清理步骤。
产品名称我应用了Trim和Clean来去除不必要的空格和不可打印的字符.
重复的产品名称没有被自动删除,因为两行产品名称相同的产品名称不一定重复.
目前价格和旧价格 价格字段包含KSh和逗号,所以我删除了货币文本,并将字段转换为数值.
我注意到两个记录包含价格幅度,而不是单一价格: 当前价格: 旧价格: 我使用每个幅度的中点: 当前价格中点= 1 800科威特第纳尔 旧价格中点= 2 700科威特第纳尔 这一决定被记载在"数据词典"中.
贴现字段已被正确解释为百分比。
清理后的数值从1%到64%不等,所以我没有将字段除以100,或者删除其百分比数据类型.
审查 人数众多的审查数值是负数。
我在权力查询中用绝对值 把它们转换成有效的正数 缺失的审查仍为空白。
我故意没有将缺失的审查转换为零,因为空白意味着审查信息不存在,而零意味着产品绝对没有审查。
评分 I 重新命名为 , 删除文本, 并将结果转换为小数 。
最终有效收视率从2.0到5.0不等.
重复记录 我使用分析领域检查过重复记录: 产品时价 旧价格折扣评分 移除了三行重复数据,将数据集从115个产品减少到112个