In this first chapter, you’ll build a dataset for sales and expense analysis. You’ll combine multiple files, filter out invalid data, and create metrics for customers and orders. Using a self-join on sales data, learn to create a correlation matrix.
Use the correlation matrix to determine products that are frequently bought together.


Analyzing ecommerce data in Tableau

Build a product sales data source

Product costs exercise

Data clean up

Create calculated metrics for customers

Create order and shipping metrics

Data source for market basket analysis

Standardize attribute names and values

Market basket visualization

Data Exploration

Next, you’ll create metrics for the most profitable products and customers. You’ll standardize location names and build a map of sales by state, before exploring the shipping cost metrics. Finally, you’ll build a what-if analysis to display the impact of shipping higher quantities on shipping costs.

Ecommerce analytics

Add state-region mapping

Shipping distance

Sales by state exercise

Customer lifetime value by state

Metrics for what-if analysis

Shipping costs by product

What-if analysis

Ecommerce Analytics

In the final chapter, you’ll build multiple dashboards and present them as a coherent story. You’ll display the product and customer attributes that will result in the highest ROI for the upsell/cross-sell campaign. To round off, you’ll recommend specific actions to reduce shipping expenses.

Creare una storia coerente

Ricavi per località e prodotti più venduti

KPI in Big Angry Numbers (BAN)

Crea un executive summary

Treemap della percentuale di profitto

Esercizio sulla percentuale di profitto

Dashboard delle opportunità di crescita

Dashboard dei costi di spedizione

Presenta la tua storia

Riepilogo

Visualize Your Analysis

Workbooks and Datasources

Metadata sheet

Pronto a mettere in pratica le tue abilità con Tableau per risolvere problemi di business reali? Per le aziende di e-commerce, aumentare le vendite e ridurre le spese sono priorità assolute. In questo caso di studio con Tableau, analizzerai un insieme di dati di una fittizia azienda online di prodotti per animali, Munchy's.
Analizzerai il dataset delle vendite per scoprire quali prodotti vengono spesso acquistati insieme e in quali quantità. Poi formulerai raccomandazioni di upsell e cross-sell costruendo una market basket analysis. I costi di spedizione restano una voce di spesa importante per i rivenditori online. Valuterai strategie come spedire più unità dello stesso prodotto per ridurre il costo per pezzo. Capirai dove si trovano i clienti e cosa acquistano, e formulerai raccomandazioni al management per la posizione di un nuovo magazzino.
Risponderai a queste domande creando campi calcolati e varie visualizzazioni in Tableau, come grafici a doppio asse, tabelle di evidenziazione e mappe. Userai filtri e parametri per rendere i grafici dinamici e poi combinerai tutto in una storia per condividere le tue conclusioni.

Sei pronto a usare le tue abilità con Tableau per risolvere problemi pratici di lavoro? Per le aziende di e-commerce, aumentare le vendite e ridurre le spese sono le priorità principali. In questo caso di studio di Tableau, analizzerai un set di dati di una ditta online di prodotti per animali che si chiama Munchy's.
<br><br>
<h2>Metti alla prova le tue abilità con Tableau con un caso di studio pratico</h2>
Prima di tutto, analizzerai i dati sulle vendite e scoprirai quali prodotti vengono comprati spesso insieme e in che quantità. Poi farai consigli di up-selling e cross-selling creando un'analisi del paniere di mercato.  
<br><br>
Poi, dovrai considerare che le spese di spedizione sono ancora un grosso costo per i negozi online. Ti occuperai di strategie come spedire più prodotti uguali per abbassare i costi per unità. Dovrai anche capire dove sono i clienti e cosa comprano per dare consigli alla direzione su dove mettere un nuovo magazzino.
<h2>Analizza i dati e mostra quello che hai scoperto</h2>
Mentre metti insieme i tuoi risultati, creerai campi calcolati e varie visualizzazioni in Tableau, come grafici a doppio asse, tabelle evidenziate e mappe. Infine, userai filtri e parametri per rendere dinamici i tuoi grafici e metterai tutto insieme in una storia per condividere i tuoi consigli.


Analyzing Data in Tableau

Nel commercio elettronico, aumentare le vendite e ridurre le spese sono priorità.

Caso di studio: analisi e-commerce in Tableau

KPI in Big Angry Numbers (BAN)

Caso di studio: analisi e-commerce in Tableau

Istruzioni dell'esercizio

Esercizio pratico interattivo