采用RFM模型进行用户价值分析由于本数据集不存在金额字段，所以只从RF两个维度进行分析R：最近一次购买时间（采用12.03和最近一次购买的时间间隔作为计算依据）F：消费频次（采用用户购买次数作为计算依据）一般来说，R和F的值越大，说明用户的价值越高日新增用户数不是很多，推广渠道的效果一般，12.02日的增长明显，推测可能为活动影响用户留存率较高，跳失率为０，复购率也较高，用户的忠诚度较高购买一次的

为提高各品牌门店GMV并对不同用户实现精细化运营，本项目使用Tableau对各门店经营情况的数据集进行数据综合处理及多维度拆解分析，搭建仪表盘实现数据可视化。

完成版如下：可以进行平台筛选工作以及日期更该数据也随之更该，例如要制作6月1号饿了么的周报下面是跟着b站戴师兄的学习过程，自用。一般拿到表的第一步是打开筛选模式即把第一行第一列的数据锁死，方便滑动时观看标题。一般选择第二行第二列冻结窗格，就会把左上角的全冻起来，也就是第一行第一列。然后对重要部分进行，也就是并起来。对应的值可以拖到，并且表中的字段可以和数据透视表中添加字段，插入，选择平台：能得到不

为提高各品牌门店GMV并对不同用户实现精细化运营，本项目使用Tableau对各门店经营情况的数据集进行数据综合处理及多维度拆解分析，搭建仪表盘实现数据可视化。

销售量与销售总额销售量为615,112，销售总额为¥13.92 百万，整体表现良好。销售量和销售总额在第 12 个月达到全年最高点，可能与年底促销活动有关。利润情况利润总额为¥6.76 百万，利润占比为48.57%，表明盈利能力较强。利润占比在不同城市中，北京和广东表现突出，分别为52.00%和54.00%。产品利润分布产品 1 和产品 2 的利润占比最高，分别为20%和20%，是主要的利润来源。

采用RFM模型进行用户价值分析由于本数据集不存在金额字段，所以只从RF两个维度进行分析R：最近一次购买时间（采用12.03和最近一次购买的时间间隔作为计算依据）F：消费频次（采用用户购买次数作为计算依据）一般来说，R和F的值越大，说明用户的价值越高日新增用户数不是很多，推广渠道的效果一般，12.02日的增长明显，推测可能为活动影响用户留存率较高，跳失率为０，复购率也较高，用户的忠诚度较高购买一次的

数据为天猫双十一女性美妆的数据集，围绕产品及其销量和评论撰写。数据具有7个特征，可以从多个维度解析文本。数据集中对店名的引用被处理为产品的品牌名以保护店家隐私，所以做了匿名处理数据包括27599行和7个特征变量。每一行对应一个产品的销售情况，包括以下变量:update_time 统计时间id 产品编号title 产品名称price 交易价格sale_count 销量comment_count 评论