当百度统计遇到数据观｜数据洗一洗分析更健康

　　文：数据观

　　［摘要］：

　　来自：数据观

　　https://www.shujuguan.cn/?from=tszn

　　数据清洗在数据分析中的重要性毋庸置疑。就像日料一样，“食材”质量越高，“食物”的口感就越好。然而这个过程并不简单，令很多有分析愿望的业务人员都望“洗”生畏。其实，数据观的ETL工具就可以帮助你快速地完成一些主要的清洗工作，而且非常简单。快跟小观练起来吧！

　　［主文］：

　　料理菜式：

　　找出最近30天内，访问量最高的7个入口页面（不含首页），并能下钻查看网页的累计访问次数和平均访问时长。

　　所需食材：

　　1、一份Down自百度统计的实时访客CSV文件。

　　2、一个数据观免费使用账号。

　　料理前的准备工作：

　　1、连接数据

　　点击“数据连接”，选择“文件”，选择“上传CSV”，上传您的实时访客数据即可。

　　2、新建ETL

　　点击“创建数据”，选择“ETL”，进入到这张画布，激动人心的时刻就要开始啦！

　　食材处理难关之——

　　［日子每天都在过，表格每天都得做？］

　　描述：我每天都想知道最近30天访问量最高的入口页面，但是我并不想每天调数据。有自动跟着变的方案吗？

　　答案：有！

　　秘密武器：［日期计算］＋［过滤］

　　［日期计算］顾名思义，就是对日期进行计算。您可以对日期、月份、年份、季度等不同时间段动手脚。而我们这次要用的叫做“日期差”，可以很轻松地计算出每一次访问的“距今时间”。

　　将新列命名为“距今天数”，将操作方式选择为“日期差”，用“当前日期”减去“访问时间”，您的原始表格上就会出现一个名为“距今天数”的新列，并且里面是算好的天数啦！

　　接下来，我们用一手［过滤］，直接解决“30天内”这个需求。

　　将需要过滤的列选为“距今天数”，比较类型为“小于等于”，因为天数是我们自己设定的，所以选成“与指定值比较”，并输入“30”。

　　PS：如果您希望得到的7天或者15天，那么输入“7”或“15”就可以了。

　　我们会得到“距今天数”小于等于30的数据，也就是在30天内的访问数据。

　　食材处理难关之——

　　［时长构成太混乱，不是整数怎么算？］

　　描述：我要计算访问时长的平均值，但默认格式是文本，里面有空值、未知、正在访问等等，时长数值后面还有个单位‘s’，完全不具备把它转换为“整数”的条件。有什么功能能批量把单位去掉，并把空值、未知、正在访问都转换为空值吗？

　　答案：有！

　　秘密武器：［替换文本］＋［修改列类型］

　　第一次［替换文本］，解决的是单位问题。

　　我们需要处理的列是“访问时长”，所以选择该列，输入要去掉的字符“s”，将之替换为“空字符串”即可。

　　第二次［替换文本］，解决的是将“未知”转成空值的问题。

　　第三次［替换文本］，解决的是将“正在访问”转成空值的问题。

　　最终，“访问时长”只剩下数值及空值，此时再来一招［修改列类型］，将“文本”转换成“整数”即可。

　　此时，“访问时长”已经变成“整数”类型了。

　　是数字就好办——计数、平均、最大值、最小值……想怎么算就怎么算！

　　食材处理难关之——

　　［入口页面一大批 偏偏只想看前七］

　　描述：访客从各个页面来访，但我们最关注的是前七个页面，能实现只看TOPN，而不看其它吗？

　　答案：能！

　　秘密武器：［排序和累计］

　　首先扪心自问——我要对什么排序？在空白框中写下你的答案——“访问量排序”。

　　接下来选择排序的方法——“排序值（连续）”。

　　然后找到右上方那个“应用”按钮，点击，即可进入下一步设置了。

　　选择要排序的列——“访问入口页面”

　　然后选择排序方式——“降序”

　　所有访问入口页面的名次就出来啦！不过，这还不是前七啊？别着急，前七的问题，“摆盘”的时候就给您解决！

　　摆盘：

　　首先，将图表类型选择为“条图”——最适合展示TopN的图表类型。

　　然后，将“纵轴”选为“访问入口页面”，横轴选为“访问IP”（统计方式为“计数”），所有访问入口页面就按照访问量排列出来了。

　　此时，我们添加“过滤”，将过滤字段选为“访问量排序”，将数值设为“1～7”，前七位就出来啦！当然，如果您想看前10，前20，也可以随时调整，非常方便。

　　最后，点击“数据下钻”，添加想要查看的列，就可以看到该页面的详情。是不是很方便呢？

　　最方便的是，这些处理您只做一次就行。以后，更新数据，结果自动出图哦～

　　手动处理这些数据，台前1分钟，台后一天功。

　　交给数据观ETL工具的话，台前1分钟，台后也就10分钟。

　　［结语］：

　　百度统计后台设计的已经足够好，但如果能把百度统计的数据按照自己的需求进行分析，甚至和产品数据、其它推广渠道的数据结合起来共同分析，那就更好。

　　当很多运营都止步于那份看起来密密麻麻的CSV文件时，你手起刀落，干净利索地将之变成一份有价值的数据洞察，是多么有成就感的事。

　　大家的原始字段虽然都是流水线出品，但有些字段的待遇却是萨维尔街的，这就是运营与运营之间的不同。

　　当普通运营把后台当作一切，而你把后台当作一切的开始时，你就赢了。

　　让我们都具备让数据说话、让商业智能的魔力吧！

　　更多ETL知识，请阅读：数据观数据处理手册

　　亲手做过才是自己的哦！