数据分析|数据分析 | 用 SeaTable 表格快速统计分析订单数据数据分析|用SeaTable表格快速统

SeaTable 是一个支持多种数据类型的协同表格和信息管理工具。它不仅方便记录大量结构化的数据，还提供了多种数据处理、分析和可视化的功能。本文将介绍如何综合地使用 SeaTable 的 SQL 插件、数据链接功能、函数计算功能，来从一份在线订单数据中分析出每年的复购比例、用户留存比例。
通过本文，我们会看到，相比于 Excel，SeaTable 在数据分析方面有以下的优势：

支持 SQL 查询，可以完成相对复杂的数据查询。
支持数据的扩表关联。一些场景下，只有扩表关联才可以完成数据的分析，比如订单表需要和用户表关联。
能够处理 10 万行甚至百万行以上的记录。

相比于传统的数据库，SeaTable 则更加直观易用：

可以通过界面直接把中间结果导出为新的表格，然后再进行分析。
可以直接建立公式列，对数据进行计算加工，然后再进一步分析。
可以直接通过界面对一些不合理的数据进行清理或修改。

数据集介绍如下图，这是一张软件产品的在线订单数据表，记录了所有订单的详细信息，如 ID、用户名、付费金额、创建时间（首次付费时间）等等。其中软件是以年付费的形式销售的，用户需要每年续费一次以便继续使用软件。Price 记录的是美元价格。

文章图片

我们添加 SQL 插件，并且放置到工具栏后，就可以快速地进行数据查询了。
首先，我们想查询所有订单的数量，那么 SQL 语句如下：
select count(*) from Orders
count(*) 表示对所有条目数量的计数，结果为 1855，表示目前为止总共的订单数量有 1855 个。

文章图片

接下来，我们想看一下，这些订单来自多少个不同的用户，那么语句如下：

select count(distinct User) from Orders limit 1000

同上，用 count 函数，distinct 表示去重，相同的值只保留一次。结果为 598，表示总共购买的用户有 598 人。

文章图片

那么在这么多用户中，我们想看一下， 2020 年付费能力最强的前十个用户是哪些人，则可以写入如下语句：

select User, sum(Paid) from Orders where `Created At` > '2020-01-01' and `Created At` <= '2021-01-01' group by User order by sum(Paid) desc limit 10

我们将付费时间限定为 2020 年，对用户的付费金额求和，并且以付费金额的大小来降序显示十条记录。

文章图片

用 ISOMonth 函数分析本月和上月数据 SeaTable 中的日期一般用 ISO 国际标准格式来保存。它提供了 ISODate 和 ISOMonth 两个函数来帮助我们按照日期对数据进行统计分析。
当我们想要查看本月的付费金额时，我们可以用时间函数 ISOMonth 来对月份进行过滤。
计算本月付费金额，语句如下：

select sum(Paid) from Orders where ISOMonth(`Created At`) = ISOMonth(today())

文章图片

计算上月付费金额，语句如下：

select sum(`Paid`)from Orders where ISOMONTH(`Created At`) = ISOMONTH(dateAdd(today(), -1, "months"))

文章图片

分析 2019 年首次购买的用户的续订比例订单表中的数据是以订单为单位记录的，要分析用户的续订比例，我们首先需要得到一张以用户为单位的表。
我们用下面的 group by 语句，可以得到每个用户的首次购买时间和最后购买时间，查询出结果后，导出为一个新的子表——用户购买时间表。

select User, min(`Created At`), max(`Created At`) from Orders group by User limit 2000

文章图片

接下来新建 {First year} 和 {Last year} 两个公式列，求出首次购买年份和最后购买年份。

文章图片

这样我们就可以进行查询了，首先得到 2019 年新增的购买人数为 110 人。

select count(*) from Users where `First year`=2019

文章图片

然后可以查找出首次购买时间在 2019 年，且最后购买时间是 2019 年之后的人，是 65 人。由此我们得出 2019 年新用户的续订比例为 59.0%。

select count(*) from Users where `First year`=2019 and `Last year`>2019

文章图片

分析 2020 年复购金额占比下面来进行一个比较复杂的分析，也就是 2020 年复购金额占比。我们用数据处理的"自动关联"建立订单表和上面得到的用户表的关联关系。对于 2020 年的每个订单，如果这个用户首次购买时间早于 2020 年，那么我们认为这是一次复购。
因此，首先我们在已得到的用户表中，使用链接列和自动添加链接功能，为 Orders 表和用户购买时间表建立关联，以方便引用 {First year} 列到 Orders 表中进行计算。

建立关联后，我们将 {First year} 列用链接公式引用到 Orders 表中，然后再新建两个公式列，
用日期公式计算出 {Created year}——购买年份
标记出复购的用户：当 {Created year} 大于 {First year} 时，那么我们认为属于复购情况，显示为 1，否则显示为 0