在线零售II数据集-客户行为与销售分析-2009-2011
数据来源：互联网公开数据
标签：在线零售, 商品交易, 客户行为, 时间序列, 数据清洗, 数据分析, 商业智能
数据概述
本数据集来源于 UCI 机器学习库，标题为“Online Retail II Data Set”，由 Dr. Daqing Chen 于 2019 年捐赠。该数据集包含了 2009 年 12 月 1 日至 2011 年 12 月 9 日期间，一家位于英国的非实体店在线零售商的所有交易记录。这家公司的主要产品是独特的礼品，许多客户为批发商。数据集在 2015 年捐赠的“Online Retail Data Set”基础上新增了一年的交易数据，时间跨度为 2009 年 12 月 1 日至 2010 年 12 月 9 日。数据已被转换为 .csv 格式，便于使用和高效加载。
数据字段定义
1. InvoiceNo（发票编号）
- 类型：字符串（Nominal）
- 描述：每个交易的唯一发票编号，由 6 位数字组成。如果发票编号以字母 'C' 开头，则表示该交易被取消。
- StockCode（商品代码）
- 类型：字符串（Nominal）
-
描述：每个商品的唯一代码，由 5 位数字表示，用于标识不同的商品。
-
Description（商品描述）
- 类型：字符串（Nominal）
-
描述：商品的名称或描述信息。
-
Quantity（数量）
- 类型：数值（Numeric）
-
描述：每笔交易中商品的数量。
-
InvoiceDate（发票日期）
- 类型：数值（Numeric）
-
描述：交易生成的日期和时间。
-
UnitPrice（单价）
- 类型：数值（Numeric）
-
描述：商品的单价，以英镑（£）为单位。
-
CustomerID（客户编号）
- 类型：字符串（Nominal）
-
描述：每个客户的唯一标识符，由 5 位数字表示。
-
Country（国家）
- 类型：字符串（Nominal）
- 描述：客户所在的国家名称。
数据用途概述
本数据集适用于多种商业智能和数据分析场景，主要包括但不限于以下用途：
- 客户行为分析
-
研究客户购买行为，例如购买频率、购买金额分布、客户流失情况等。
-
销售趋势分析
-
通过时间序列分析，识别销售高峰期、季节性变化以及长期销售趋势。
-
商品性能评估
-
分析不同商品的销售表现，包括销量、单价、退货率等，帮助优化库存管理和产品策略。
-
市场细分与客户分群
-
基于客户购买行为和国家信息，对客户进行分群，为精准营销和个性化推荐提供支持。
-
数据清洗与预处理实践
-
数据集包含缺失值、异常值和重复记录，是学习数据清洗和预处理技能的理想素材。
-
商业决策支持
- 帮助企业制定促销策略、定价策略和供应链优化方案，提升运营效率和盈利能力。
数据特点
- 时间跨度：数据涵盖了 2009 年 12 月 1 日至 2011 年 12 月 9 日，包含约 2 年的交易记录。
- 数据规模：数据量较大，包含数万条交易记录，适合进行大规模数据分析。
- 数据质量：数据中存在缺失值、异常值和重复记录，需要进行数据清洗和预处理。
- 应用广泛：适用于零售行业的多种分析场景，如客户行为分析、销售策略制定和市场研究等。
数据来源与致谢
数据集来源于 UCI 机器学习库（http://archive.ics.uci.edu/ml/datasets/Online+Retail+II），由 Dr. Daqing Chen 提供。Dr. Daqing Chen 是伦敦南岸大学数据科学硕士课程的负责人，联系邮箱为 chend '@' lsbu.ac.uk。
注意事项
- 数据中的发票编号以 'C' 开头的表示交易被取消，需在分析时特别注意。
- 数据集中的客户编号和商品代码可能包含缺失值，需进行数据清洗。
- 数据中的国家信息可能涉及隐私，使用时应遵守相关法律法规。
适用场景
- 学术研究：用于教学和研究，如数据清洗、特征工程、时间序列分析等。
- 企业应用：适用于零售企业，支持销售预测、客户管理、库存优化等业务决策。
- 数据科学培训：作为数据科学初学者的学习素材，帮助提升数据处理和分析能力。
