数据分析——狐逻&泰罗学院学员画
一、数据源
数据来源于集团数据库，学员大表
该数据集中共有26w+学员报名的数据，字段信息29个，可大致分为
1.订单相关字段
子订单id
子订单编号
学员id
姓名
报名时间
服务期截止时间
支付金额
支付方式
订单状态
2.课程相关字段：
一级项目
二级项目
班型
3.班主任相关字段：
学院
家族
花名
班级名称
4.出勤信息相关字段：
连续缺勤直播次数
应出勤课程数
出勤率
累计学习时长
持续休眠天数
5.学员信息相关字段：
是否有考试计划
准考证填写情况
报考省份
报考城市
是否绑定官微
标签
加微信状态
二、提出需求
对这些数据做描述性统计分析也可以获取一些有价值的信息，首先提出问题：
1. 学员地理位置分布如何？
2. 学生班主任分布如何？
3.课程分布情况如何？
三、数据清洗
1. 选择子集
由于数据所含字段较多，根据分析所需对其他无关数据进行隐藏，选择相关数据另存到新的工作表中，方便进行下一步操作。
2. 列名重命名
此数据中列名为英文，将其改为中文。
3. 删除重复值
对学员名称进行操作删除重复值，发现同一学员id但上线日期不同，应为有效数据，予以保留。
4. 处理缺失值
对数据区域进行空值的定位查找，发现无缺失值，每一列计数项均一致。
5. 一致性处理、排序、处理异常值
本数据较为规范，无需进行额外操作，可直接进行下一步分析。
四、构建模型
1. 学员分布城市主要包括为那些地区，各比例如何？
2. 哪些课程较受欢迎，学生数较多？
3. 哪些班主任较受欢迎，学生数较多？
4. 课程持续时长不同是否会影响学生完成情况？
五、数据分析可视化
1.利用数据透视表，对地理位置进行分析，如图1所示，地理位置分布情况如下：
图1 各地理位置分布条形图
进一步对省份进行分析，结果如图1所示，广东地区学员人数最多。
2. 以课程分布为依据，选择自考的学生数较多，其次教师资格证的学生较多。
3. 以班主任分布为依据，选择教师资格证的张涛老师的学生数较多，但是自考穆登容老师在运营中获得的流水数量最多。
六、结论
通过以上分析，可以得出一些比较有意思的结论：
1.自考学生带来了大量的流水，教师资格证带来了大量的学员人数。
2.广东地区学员接收线上成人教育的接收程度较其他地区较显著。