4.4 基于某公司真实销售数据集的预处理与汇总统计案例

对于tidyr包和dplyr包的主要函数我们都做了说明，接下来我们将用到以上章节的知识对本章用到的数据集进行简单的数据分析。这是一份销售数据集，我们可以通过对数据集的分析，了解不同市场、产品的销售情况，从而指导销售策略。我们进行数据分析一定是要带有目的性的，这样我们才能我们需要进行哪些分析。

首先，我们要加载需要用到的包。

library(ggplot2)
library(tidyverse)
library(ggthemes)

首先，这是一份全球性的数据集，有若干个细分的销售区域。我们可以将数据集按照销售区域进行分组，然后求出各个市场的总销售额，然后我们对其进行排序：

orders %>% group_by(market) %>% 
           summarise(totalsales = sum(sales))%>%
           arrange(desc(totalsales))
## # A tibble: 7 x 2
##   market   totalsales
##   <chr>         <dbl>
## 1 亚太地区   3585744.
## 2 欧盟       2938089.
## 3 美国       2297201.
## 4 拉丁美洲   2164605.
## 5 EMEA        806161.
## 6 非洲        783773.
## 7 加拿大       66928.
这样看或许不够直观，我们可以使用ggplot2包配合ggthem包将分组求和后的数据可视化，数据可视化是R进行数据分析最强大的优势之一：
orders %>% group_by(market) %>% 
           summarise(totalsales = sum(sales)) %>%
           ggplot(., mapping=aes(x = market, y = totalsales)) +
             geom_bar(stat='identity') +
             xlab('市场') + ylab('总销售额')+
             theme_economist()
各市场销售额统计

图 4.1: 各市场销售额统计

我们可以看出亚太地区是最大的销售市场，然后是美国、欧盟等发达地区。但是我们可以注意到加拿大市场销售额很小，这或许是一个需要开辟的区域。我们还可以在此基础上进行进一步统计，我们可以统计各个市场不同类别的细分市场的销售数量：

单纯的数据不够直观，我们可以将其可视化：

orders %>% group_by(market,type,segment) %>%
           summarise(totalqty = sum(quantity)) 
## # A tibble: 63 x 4
## # Groups:   market, type [21]
##    market type     segment    totalqty
##    <chr>  <chr>    <chr>         <dbl>
##  1 EMEA   办公用品 公司           2238
##  2 EMEA   办公用品 家庭办公室     1414
##  3 EMEA   办公用品 消费者         3826
##  4 EMEA   技术     公司            692
##  5 EMEA   技术     家庭办公室      333
##  6 EMEA   技术     消费者         1234
##  7 EMEA   家具     公司            585
##  8 EMEA   家具     家庭办公室      384
##  9 EMEA   家具     消费者          811
## 10 非洲   办公用品 公司           1967
## # ... with 53 more rows
y_axis_formatter = function(x){
   return(paste(x/1000,'K',sep=""))
}

ggplot(orders, aes(x = segment, y = quantity)) + 
        geom_bar(stat='identity') + 
        facet_grid(type ~ market) + 
        scale_y_continuous(labels=y_axis_formatter) +
        xlab("细分市场") +
        ylab("数量") +
        coord_flip()
各区域细分市场销售数量统计

图 4.2: 各区域细分市场销售数量统计

然后我们统计一下客户的采购情况，我们分别找出采购量最大和最小的五个客户,这样我们可以分析他们采购量大或者采购量小的原因，从而制定不同的销售策略：
orders %>% group_by(custname) %>%
           summarise(totalsales = sum(sales)) %>%
           top_n(5, totalsales)
## # A tibble: 5 x 2
##   custname totalsales
##   <chr>         <dbl>
## 1 贺鹏         40475.
## 2 黄丽         51928.
## 3 吕欢悦       38365.
## 4 唐婉         40488.
## 5 田谙         50732.
orders %>% group_by(custname) %>%
           summarise(totalsales = sum(sales)) %>%
           top_n(5,-totalsales)
## # A tibble: 5 x 2
##   custname totalsales
##   <chr>         <dbl>
## 1 程德          4115.
## 2 方蔓楚        5461.
## 3 秦黎明        5325.
## 4 熊宣          5328.
## 5 余雯          3892.

我们已经在空间上对数据集进行了统计汇总，接下来我们可以按照时间序列对数据集进行统计分析，绘制该公司的年、季度和月份销售额变化曲线，计算同比变化率，从而了解该公司的年度销售情况变化。

首先我们按照年份汇总销售量，并使用ggplot2将其可视化：
orders %>% mutate(year = lubridate::year(purchasedate)) %>%
        group_by(year) %>%
        summarise(totalsales = sum(sales)) %>%
        ggplot(., aes(x=year, y = totalsales)) +
           geom_line()
年销售额统计曲线

图 4.3: 年销售额统计曲线

从图中我们可以看出该公司的销售额在逐年递增，这样看来该公司的销售策略是非常正确的。那么每一季度的销售额又是如何变化的呢？
orders %>% mutate( year = lubridate::year(purchasedate),
                     quarter = lubridate::quarter(purchasedate)
                   ) %>%
        group_by(year,quarter) %>%
        summarise(totalsales = sum(sales)) %>%
          ggplot(., aes(x=year, y = totalsales)) + 
             geom_line() +
             facet_grid( .~ quarter)
不同季度销售额统计曲线

图 4.4: 不同季度销售额统计曲线

读者可以自行思考绘制月销售额统计。同比增长率是经济分析中经常用到的指标，那么该公司的月销售额变化是怎样的呢？
orders %>% mutate( year = lubridate::year(purchasedate),
                   month = lubridate::month(purchasedate)
                  ) %>%
           group_by(year,month) %>%
           summarise(totalsales = sum(sales)) %>%
              ggplot(., aes(x = month, y = totalsales, 
              colour = factor(year))) + 
              geom_line() +
              scale_x_continuous(breaks=1:12)
月销售额同比变化曲线

图 4.5: 月销售额同比变化曲线

然后我们可以计算一下销售额的月增长率：
orders %>% mutate( year = lubridate::year(purchasedate),
                      month = lubridate::month(purchasedate)
                   ) %>%
           group_by(month,year) %>%
           summarise(totalsales = sum(sales)) %>%
           mutate(ratio=(totalsales - 
                         lag(totalsales))/lag(totalsales)) %>%
              ggplot(., aes(x=month, y = ratio, colour=factor(year))) +
              geom_line() +
              scale_x_continuous(breaks=1:12)
月销售额同比变化率

图 4.6: 月销售额同比变化率