Phân tích dữ liệu bán hàng bằng Python và Pandas

Phân tích dữ liệu bán hàng là một trong những kỹ năng quan trọng nhất đối với nhà khoa học dữ liệu và nhà phân tích kinh doanh. Việc khai thác thông tin từ các giao dịch không chỉ giúp doanh nghiệp hiểu rõ hơn về hành vi của khách hàng mà còn đưa ra các quyết định chiến lược để tối ưu hóa doanh thu và chi phí. Python với thư viện Pandas là công cụ cực kỳ mạnh mẽ, được tin dùng để xử lý và phân tích dữ liệu nhờ cú pháp dễ học và khả năng xử lý linh hoạt.

Trước khi đi sâu vào bài viết này, bạn có thể tham khảo Tạo mô hình phát hiện cảm xúc từ văn bản bằng NLP để thấy cách xử lý dữ liệu văn bản thực tế hoặc bài Hướng dẫn xây dựng mô hình dự đoán điểm thi bằng Machine Learning để hiểu cách kết hợp Python với dữ liệu bảng. Hai bài viết này sẽ giúp bạn nắm vững cách tổ chức dữ liệu, từ đó dễ dàng áp dụng khi phân tích dữ liệu bán hàng trong thực tế.

Giới thiệu bài toán

Trong bài viết này, chúng ta sẽ làm việc với một tập dữ liệu bán hàng giả lập gồm các thông tin về đơn hàng như ngày giao dịch, tên sản phẩm, danh mục sản phẩm, số lượng bán ra và doanh thu. Mục tiêu là thực hiện một loạt các phân tích để trả lời những câu hỏi kinh doanh điển hình như: sản phẩm nào bán chạy nhất, doanh thu theo từng tháng ra sao, hay nhóm khách hàng nào mang lại lợi nhuận cao nhất.

Chuẩn bị môi trường làm việc

Python là ngôn ngữ được lựa chọn nhờ cú pháp đơn giản và hệ sinh thái thư viện phong phú. Trong bài này, chúng ta sẽ sử dụng Google Colab để tránh các vấn đề cài đặt môi trường. Truy cập https://colab.research.google.com và tạo một notebook mới để bắt đầu.

Trước tiên, cần đảm bảo các thư viện cần thiết đã được cài đặt. Với Google Colab, hầu hết đã sẵn sàng. Nếu bạn sử dụng Jupyter Notebook trên máy, hãy chạy lệnh sau để cài đặt Pandas và Matplotlib:

!pip install pandas matplotlib

Tải dữ liệu bán hàng

Bạn có thể tự tạo một tập dữ liệu bán hàng nhỏ để thực hành hoặc tải về từ nguồn mở. Ở đây, chúng ta sẽ tạo một file CSV giả lập để mô phỏng dữ liệu.

import pandas as pd

# Tạo dữ liệu bán hàng giả lập
data = {
    'Ngày': ['2023-01-05', '2023-01-05', '2023-01-06', '2023-01-06', '2023-02-10'],
    'Sản phẩm': ['Áo Thun', 'Quần Jean', 'Áo Khoác', 'Váy', 'Áo Thun'],
    'Danh mục': ['Thời trang', 'Thời trang', 'Thời trang', 'Thời trang', 'Thời trang'],
    'Số lượng': [10, 5, 2, 7, 8],
    'Doanh thu': [200000, 500000, 600000, 700000, 160000]
}

df = pd.DataFrame(data)
df.to_csv('sales_data.csv', index=False)
print(df)

Sau khi tạo xong, chúng ta đọc file CSV này để bắt đầu phân tích.

df = pd.read_csv('sales_data.csv')
df.head()

df.info()
df.describe()

doanh_thu_theo_san_pham = df.groupby('Sản phẩm')['Doanh thu'].sum().sort_values(ascending=False)
print(doanh_thu_theo_san_pham)

df['Ngày'] = pd.to_datetime(df['Ngày'])
df['Tháng'] = df['Ngày'].dt.month

doanh_thu_theo_thang = df.groupby('Tháng')['Doanh thu'].sum()
print(doanh_thu_theo_thang)

import matplotlib.pyplot as plt

doanh_thu_theo_thang.plot(kind='bar', color='skyblue')
plt.title('Doanh thu theo tháng')
plt.xlabel('Tháng')
plt.ylabel('Tổng doanh thu')
plt.show()

so_luong_theo_danh_muc = df.groupby('Danh mục')['Số lượng'].sum()
print(so_luong_theo_danh_muc)