考慮到數(shù)據(jù)的保密性、權(quán)威性與準確性,將選擇學術(shù)界公開數(shù)據(jù)進行講解。

選取了UCI加州大學歐文分校機器學習庫數(shù)據(jù),該數(shù)據(jù)集為英國在線零售商在2010年12月1日至2011年12月9日間發(fā)生的所有網(wǎng)絡(luò)交易訂單信息,包括客戶編號、訂單編號、商品代碼及數(shù)量、單價等字段。

完成基本的數(shù)據(jù)清洗和篩選后,通過python程序可以完成可視化頁面(主要對訂單維度進行分析)。

同時,賣家也能結(jié)合該數(shù)據(jù),對用戶維度進行分析。

除了訂單維度和客戶維度,賣家還可以利用Python語言結(jié)合數(shù)據(jù)對商品維度進行分析。

除了以上三個維度的數(shù)據(jù)分析,賣家還可以對時間維度、用戶習慣維度、空間位置維度等數(shù)據(jù)維度進行分析,在此不再依次贅述。

通過上文的講解可以發(fā)現(xiàn),雖然以Python為代表的新興IT技術(shù)在數(shù)據(jù)分析的邏輯上與Excel分析數(shù)據(jù)的方法幾乎一致(如都需要經(jīng)過數(shù)據(jù)采集、數(shù)據(jù)清洗、數(shù)據(jù)分析、決策優(yōu)化四大步驟,其都是針對產(chǎn)品、用戶、營銷等各個數(shù)據(jù)維度進行分析),但是其可視化圖表與分析的精確程度是以Excel為代表的傳統(tǒng)分析軟件遠遠不能達到的。

因此,如果亞馬遜賣家想要在未來的市場競爭中獲得自己的一席之地,IT技術(shù)一定是不可或缺的核心競爭力之一。