2018/5Create,2018/9update

使用了Tableau新推出的Prep工具,非常好的解决了之前繁琐的数据整理功能。这里我想借用客如云订单导出的数据,做一个简单的介绍。

一、客如云订单说明

客如云导出的订单明细表格分为:订单明细表、商品明细表、优惠明细表和支付明细表四个sheet,我不明白背后的数据库是如何设计的。但导出来的数据有不少的冗余,明显不符合数据库的第二范式和第三范式。

  • 订单明细表:43个字段,包括序号、订单状态、顾客信息、配送信息(适用于外卖)、支付信息、损益金额等多个种类。对于快餐模式下的我而言,配送信息是完全要剔除的,押金相关的数据也没有用处。
  • 商品明细表:16个字段,包括日期、桌台和订单、商品和套餐、金额、商品分类几个部分。
  • 支付明细表:15个字段,其实是订单的延伸,增加了收银设备号、资金结算、交易号等更多的信息。对于分析而言,这个表唯一重要的是支付方式——分析现金、微信、支付宝等支付渠道比例。
  • 优惠明细表:9个字段,在订单优惠信息基础上,增加了优惠类别和优惠内容等。可以进一步分析优惠的种类等。

二、分析的目的

知道自己做什么,明了自己要提的问题,是开始数据分析的第一步。

业务的分析可以分为人、货、场三个大的维度,进一步可以分为销售员、顾客(会员)、商品、门店四个角度。我的快餐模式无法把销售分配到服务员,所以就从顾客(会员)、商品、门店三个维度来展开分析。具体而言:

  • 门店:所有门店过去一个月的业绩、达成情况(与计划相比);(如果使用wildcard可以多个月及环比)
  • 商品:查看每个商品的盈利贡献、TOP商品、滞销商品情况;进一步,查看不同商品之间的交叉购买系数;从价格角度,分析商品的优惠金额。
  • 顾客(会员):从顾客角度,看每个门店的平均客单价、购物篮分析(包括平均订单的商品数量、商品价格,购物篮商品的关联性等);甚至从RFM模型分析不同质量顾客的分布;分析会员消费的贡献占比,会员新增数量、会员储值占比等。
    • 其他,还可以包括顾客支付渠道的分析

三、整理数据过程

Tableau Prep实现三个大的功能:数据连接和导入、数据整理和清洗、数据联结和修正聚合度。

1、数据连接和数据源筛选

  • 在prep的连接面板(connection)先导入文件,这样就可以把多个tables拖拽到右侧的flow面板中。
  • 由于客如云导出的数据存在大量合并单元格和多行标题,要么手动修改源数据表(祈祷你不要这么做……),要么使用Tableau的数据解释器Data Interpreter(下图)(具体方法可以参考Tableau数据解释器:【Tableau】从Excel杀手到Tableau入门:数据解释器引路
  • 客如云的订单导出一次最长31天,建议分整月导出,要通过“通配符”导入,方便快捷。(具体方法可以参考Tableau Desktop的通配符:「Tableau」用通配符,跨工作表建立数据源
  • 直接点击导入的数据源,可以筛选字段,这就像是Tableau中优先级很高的“数据源筛选器”功能。也可以使用筛选器,比如“支付状态]!=”未支付””,就会排除未支付的所有订单,这个优先级是最高的。

Prep 初步整理数据 唐风案例

2、整理字段及数据

在Tableau 之前,很多人的经验是”80%时间数据整理、20%时间数据分析“;这80%的时间,又有大部分都用在了数据整理和清洗阶段。Prep可以帮我们轻松实现以下功能:

  • 修改字段类型、重命名、合并字段;
  • 创建计算字段;
  • 字段内数据重命名、清理(删除特殊字符等)、分组、拆分、筛选器或通配符匹配等

屏幕快照 2018-09-07 上午8.19.01

【关于筛选器】:整个数据范围的筛选,推荐先用数据源筛选器(数据连接阶段);在用字段的筛选器。

在商品数据中,就需要下功夫了,因为之前商品名称经常更改,所以同一个商品会出现好几条信息需要整合。prep目前对中文的支持还不够好,这是其中最为复杂的了。

prep 商品名称替换.png

3、数据联结Join和合并Union

通过数据联结Join,可以实现数据扩展或筛选,这涉及到不同表之间的操作。比如在总的订单中删除退货订单(用退货单的原单据号匹配单据中心的单据号)

prep 唐风华饼 案例

数据合并Union相对简单,适合于把所有相同结构的数据追加到最早的文件中。

更多Join和Union的说明,可以参考【Tableau】prep合并数据之联结join与并集Union

 

4、数据聚合:提高数据聚合度

Tableau 的性能很多时候受限于数据聚合程度的合理性,比如我们从商品数据分析支付渠道的分布,就不如从订单数据分析来的快。通过Tableau 聚合,可以实现合理的数据自动化,根据不同阶段的需要,把数据聚合为不同的程度,避免一次性的大量计算。

prep 聚合 .png

四、从数据到业务洞察

Tableau提倡“让提问题的人寻找答案”,实现自助式的业务分析;而IT部门则回归战略规划和工具赋能。

如何通过客如云洞察你的餐饮和零售数据,并带着问题挖掘你的业务需求?这是每个业务人员应该思考的问题。

敬请借鉴案例:【客如云+Tableau】老会员营销,如何从数据到业务洞见

 

2018/5 create
2018/9 update