聽說最近車釐子的價格突然猛跌，之前很多人夢寐以求的“車釐子自由”，現在都能實現了。其實車釐子的價格下降，主要原因是進口貨運成本的大大降低，為了找到車釐子最佳的購買方式，我決定用python+BI進行資料分析。

因此我在淘寶上用python爬取了3000條資料，然後匯入到了FineBI中進行視覺化分析，最終制作出了下面這樣一份視覺化報告：

下面我展示一下操作過程：

一、資料獲取

用Python在淘寶上進行資料爬取是老生常談的操作了，直接在淘寶上搜索“車釐子”，在下面的商品頁中可以看到，我們這次主要爬取的標籤是“商品名稱”、“價格”、“付款人數”、“店鋪名稱”、“發貨地址”等：

按下F12，調出後臺檢視原始碼，找到不同的商品標籤程式碼，比如價格是“price g_price g_price-highlight">”，付款人數是“deal-cnt”等：

瞭解了網頁的程式碼結構之後，下一步就可以在python裡直接編寫程式碼了，具體過程不詳細介紹了，部分程式碼如下：

爬取完資料之後匯入到Excel裡，然後在Excel裡經過簡單的資料清洗和處理，最終得到一份完成的資料表：

二、資料分析

python雖然也能實現資料分析的功能，但是需要敲程式碼，學習成本和難度都比較大，不如直接利用專業的資料分析工具進行分析，比如常見的比如FineBI、Tableau、PowerBI等。

下面我直接以FineBI為例，FineBI是國內知名度比較高的本土資料分析工具，比起tableau這些國外工具最大的優點就是簡單、靈活，只需要用滑鼠拖拽就能實現各種分析操作，基本不需要寫程式碼，對新手非常友好。

其實FineBI本質上屬於企業級的業務資料分析平臺，除了資料分析之外，還能實現資料管理、資料平臺搭建等功能，這裡就不詳細介紹了，大家感興趣的話我下一篇再介紹。

有了excel源表，首先我們將Excel匯入到FineBI中：

下一步進入到儀表板進行視覺化操作，基本步驟是“選擇圖表型別——選擇指標和維度——拖拽到指定座標軸——美化細節”，比如我想要建立一張視覺化地圖，首先要先選擇圖表型別為“區域地圖”，然後要選擇指標和維度，但是原資料表裡沒有地理緯度，因此需要自己建立：

最後，我們再拖拽到指定座標軸，然後美化細節就可以完成一張視覺化地圖了：

以此類推，其他的視覺化圖表也能夠按照我們自己的需求進行製作，這裡不詳細講了。

三、資料視覺化

1、車釐子銷量分佈情況

可以看出來國內車釐子最大的銷量來自上海，以及浙江、廣東兩省，西藏、青海、內蒙古等省份都沒有銷量，基本上來說沿海地區的銷量要高於內陸。

2、各省份銷量情況

透過條形圖就更明顯了，上海的銷量有20多萬，幾乎是浙江、廣東、四川的總和。

3、各城市的銷量情況

篩選出了銷量前十的城市，以及每個城市平均的車釐子價格，可以看出來上海的銷量和價格都是最高的，可以看出上海的購買力有多強了；

4、車釐子的價格區間情況

資料表裡將價格區間分為“50以下”、“50-100”、“100-150”、“150-200”、“200-500”、“500以上”等，可以看出來佔比最大的價格區間是“50-100”，這應該屬於平民價格了；值得注意的是“200-500”的價格佔比也高於“100-150”。

5、各門店的銷量與價格情況

可以看出銷量最高的基本都是旗艦店，最高的平均價格基本在600-800左右；

四、總結

因為資料不算多，所以這次沒有做太深的資料分析，大家可以自己拿資料，在FineBI裡進行更多的分析，文中涉及到的工具和資料表，回個“車釐子”就能得到。