一、数据背景

最近一直在接触销量预测，为了能够更好的理解数据，更好的利用算法去支撑起业务需求，就尝试性的去为业务部门分析一下数据里出现的几个噪声的原因。具体业务场景：某电商的某商品A在前后三天售价都基本平稳的情况下，突然在时间a销量暴增。
灵魂画手了解一下：

By Soul Painter

二、分析过程

1、售价分析

商品A在a日的售价有十几个，但主要销量来自于6.1元这个售价。基于商品A的不同售价分析得知：商品的售价会受到区域不同的影响有出现差异。在几个省份中，商品A均已6.1元的售价出售，但是a日的主要销量都集中在025区域。

2、区域分析

查看了商品A当日的的购买ID分别是460个不同ID，但是大部分的收货地址均指向一个区域025XXXX，并且每一单的购买数量都是5（可能是限购每人5件），但是该促销活动是买两件以上五折。综上我得出了两个初步结论：

• 黄牛扫货
• 该区域线下门店推广，在电商渠道购买商品A，满5件参与线下某个活动（返利、返券等）

3、访问渠道分析

商品A在a日的大部分订单数均是通过WAP访问，符合黄牛脚本扫货的逻辑。若是结论（2），访问渠道应该是手机端更加合理。

4、前后几天订单数分析

前后几天有效订单数平稳无太大波动，但是在（a-1）日，多了大量的取消订单数，即无效订单数，并且无效订单数的数量基本等于a日的有效订单数。且在（a-1）日取消订单的这些用户，大部分在a日又重新购买了商品A，但a日和（a-1）日A商品的售价并无变化。出现这种情况的具体缘由不得而知，但是在逻辑上并不符合结论（2）。

5、时间分析

a日处于工作日，若是结论（2）似乎在休息日推广线下更加合理。

6、流量、点击相关的分析

这部分数据采集的不是很完善，但是若是结论（1），点击顺序应该是固定的，这也是一个分析路径。但是由于某些数据采集原因并没有利用该部分。

7、用户信息分析

查询在a日购买商品A的用户的注册信息，以及购买历史行为。但是未取得该表的权限，故无法查询。

三、分析结果

从以上几点基本可以得到初步结果，基本可判断为本次销量暴增来源于黄牛扫货，其中还有很多信息值得挖掘，可以用来丰富一下自己的结果。

四、总结

分析的过程很简单，但是重要的是分析的思路，对数据的感觉，多维度思考的习惯。所以决定还是把这个简单的过程写下来，说不定以后遇到复杂的问题也能从中获得灵感。分析过程中还有许多更深层次的挖掘，产出了一些有意思的结果，也体验了一把初级“数据分析师”，锻炼了自己Hive Sql 的水平，希望自己能不忘初心，保持饥饿感，不断进步。