作者介绍：10年大厂数据\经营分析经验，现任大厂数据部门负责人。
会一些的技术：数据分析、算法、SQL、大数据相关、python
欢迎加入社区：码上找工作
作者专栏每日更新：
备注说明：方便大家阅读，统一使用python，带必要注释，公众号 数据分析螺丝钉
背景
一家电商公司希望分析其过去一年的各项成本，包括材料、劳动力、市场营销、固定成本和杂项支出。目标是了解成本结构，识别成本控制和优化的机会。
实施步骤
首先，收集并整理全年各月份的成本数据。
使用Python的数据分析和可视化库（如Pandas和Matplotlib）进行分析或者其他工具
对生成的图表进行深入分析，提取关键洞察。
成本数据
每个月提供了五种成本类型（材料、劳动力、市场营销、固定成本和杂项支出）的具体数字和对应的用量，并计算了每个月的总成本
import pandas as pd import numpy as np # 设置随机数种子以确保数据的一致性 np.random.seed(42) # 创建模拟的月份数据 months = ['January', 'February', 'March', 'April', 'May', 'June', 'July', 'August', 'September', 'October', 'November', 'December'] # 创建不同成本类型的模拟数据，包括总成本和用量 data = { 'Month': months, 'Material Cost ($)': np.random.randint(10000, 30000, size=12), 'Material Quantity': np.random.randint(100, 300, size=12), 'Labor Cost ($)': np.random.randint(8000, 25000, size=12), 'Labor Hours': np.random.randint(200, 500, size=12), 'Marketing Cost ($)': np.random.randint(5000, 15000, size=12), 'Marketing Campaigns': np.random.randint(1, 5, size=12), 'Fixed Cost ($)': np.random.randint(4000, 8000, size=12), 'Fixed Assets': np.random.randint(10, 20, size=12) } # 转换为DataFrame cost_df = pd.DataFrame(data) pd.set_option('expand_frame_repr', False) print(cost_df)
初步的分析
分析方法: 初始分析仅涉及计算每个月的总成本和成本构成，并通过简单的趋势图展示。
成本构成组成图，可以看到主要的成本应该是材料费用，但是具体占比多少其实还看不清楚，然后波动趋势的话 因为组合型柱形图没法做每个月的对比
成本构成趋势图，如果仔细看的话，可以看到材料费用的波动比较大，但是原因是什么不清楚，因为费用跟使用情况有关系
这个是一个热力图，可以看到材料和市场活动的波动会比较大，导致的总成本的波动也比较大
问题:
- 缺乏细节：总成本的展示忽略了成本结构的复杂性，无法识别哪些成本类型对总支出的贡献最大。
- 无法识别趋势：没有展示各成本类型随时间的变化趋势，难以分析季节性变化或特定事件对成本的影响。
- 决策困难：缺少深入分析，管理层难以基于这些数据做出有针对性的成本控制或优化决策。
代码
import pandas as pd import numpy as np import matplotlib.pyplot as plt import seaborn as sns np.random.seed(42) # Creating DataFrame from provided data cost_data = { 'Month': months, 'Material Cost ($)': np.random.randint(10000, 30000, size=12), 'Labor Cost ($)': np.random.randint(8000, 25000, size=12), 'Marketing Cost ($)': np.random.randint(5000, 15000, size=12), 'Fixed Cost ($)': np.random.randint(4000, 8000, size=12), } cost_df = pd.DataFrame(cost_data) cost_df['Total Cost'] = cost_df['Material Cost ($)']+cost_df['Labor Cost ($)']+cost_df['Marketing Cost ($)']+cost_df['Fixed Cost ($)'] plt.figure(figsize=(12, 6)) plt.plot(cost_df.index, cost_df['Total Cost'], marker='o') plt.title('Monthly Total Cost - Unclear Visualization') plt.ylabel('Cost ($)') plt.xlabel('Month') plt.xticks() plt.tight_layout() plt.show() # Set 'Month' as index cost_df.set_index('Month', inplace=True) # 1. Stacked Bar Chart for Monthly Costs cost_df.plot(kind='bar', stacked=True, figsize=(10, 6)) plt.title('Stacked Bar Chart of Monthly Costs') plt.ylabel('Amount ($)') plt.xticks(rotation=45) plt.legend(title='Cost Type') plt.tight_layout() plt.show() # 2. Trend Line Chart for Each Cost Type plt.figure(figsize=(12, 6)) for column in cost_df.columns: plt.plot(cost_df.index, cost_df[column], marker='o', label=column) plt.title('Trend Lines for Each Cost Type') plt.xticks(rotation=45) plt.ylabel('Amount ($)') plt.legend() plt.tight_layout() plt.show() # 3. Heatmap for Monthly Costs # Creating a new DataFrame suitable for heatmap heatmap_data = cost_df.T # Transpose to get cost types as rows and months as columns plt.figure(figsize=(12, 6)) sns.heatmap(heatmap_data, cmap="YlGnBu", annot=True, fmt="d") plt.title('Heatmap of Monthly Costs') plt.xlabel('Month') plt.ylabel('Cost Type') plt.tight_layout() plt.show()
改进后的分析
为了克服这些限制，我们需要采用更合理的数据可视化方法，首先是查看各项占比，组合柱形图如果不展示各项占比，这个图的会变得很难解读，所以从图中可以看出材料费用的占比在30%-50%左右，还有就是劳动力成本，这两个成本需要重点分析。
代码
import matplotlib.pyplot as plt import pandas as pd import numpy as np np.random.seed(42) # 确保结果可复现 months = ['January', 'February', 'March', 'April', 'May', 'June', 'July', 'August', 'September', 'October', 'November', 'December'] # 使用提供的数据创建DataFrame cost_data = { 'Month': months, 'Material Cost ($)': np.random.randint(10000, 30000, size=12), 'Labor Cost ($)': np.random.randint(8000, 25000, size=12), 'Marketing Cost ($)': np.random.randint(5000, 15000, size=12), 'Fixed Cost ($)': np.random.randint(4000, 8000, size=12), } cost_df = pd.DataFrame(cost_data) # 计算每个月总成本 cost_df['Total Cost ($)'] = cost_df.drop('Month', axis=1).sum(axis=1) # 计算各成本项占总成本的比例 for column in cost_df.columns[1:-1]: # 排除'Month'和'Total Cost ($)' cost_df[f'{column} Percentage'] = (cost_df[column] / cost_df['Total Cost ($)']) * 100 # 绘制各成本项的柱状图 cost_df.set_index('Month').iloc[:, :4].plot(kind='bar', stacked=True, figsize=(14, 7)) plt.title('Monthly Costs with Percentages') plt.ylabel('Cost ($)') # 添加占比标签 for i, month in enumerate(cost_df['Month']): total_cost = cost_df.loc[i, 'Total Cost ($)'] cumulative_height = 0 for column in cost_df.columns[1:5]: # 选择四个成本列 cost = cost_df.loc[i, column] percentage = (cost / total_cost) * 100 label_y_position = cumulative_height + cost / 2 # 计算标签的y位置 plt.text(i, label_y_position, f'{percentage:.1f}%', ha='center', color='white', fontsize=9) cumulative_height += cost plt.xticks(rotation=45) plt.legend(title='Cost Type') plt.tight_layout() plt.show()
接着需要去掉用量的影响，因为成本金额大不一定有问题，可能是量也比较大，我们构建一个单位成本的指标，单位成本是指对应成本总额除以相应的量度（如材料成本除以材料量，劳动力成本除以工时等。
这里是单位材料成本和单位劳动力成本，可以看到在3月、10月的单位材料成本大涨，经过分析发现这两个月进入了一批新的材料比以往的采购价都更贵。发现单位工时成本在2月和12月上涨比较多，是因为这两个月招聘了高技术的人才，之后下降是由于上线了平台系统提高了整体的工作效率。
单位成本代码
import matplotlib.pyplot as plt import pandas as pd import numpy as np # 设置随机数种子以确保数据的一致性 np.random.seed(42) # 创建模拟的月份和成本数据 months = ['Jan', 'Feb', 'Mar', 'Apr', 'May', 'Jun', 'Jul', 'Aug', 'Sep', 'Oct', 'Nov', 'Dec'] data = { 'Month': months, 'Material Cost ($)': np.random.randint(10000, 30000, size=12), 'Material Quantity': np.random.randint(100, 300, size=12), 'Labor Cost ($)': np.random.randint(8000, 25000, size=12), 'Labor Hours': np.random.randint(200, 500, size=12), } cost_df = pd.DataFrame(data) cost_df['Unit Material Cost ($)'] = cost_df['Material Cost ($)'] / cost_df['Material Quantity'] cost_df['Unit Labor Cost ($)'] = cost_df['Labor Cost ($)'] / cost_df['Labor Hours'] # 绘制没有网格线和边框的折线图 plt.figure(figsize=(10, 6)) plt.plot(cost_df['Month'], cost_df['Unit Material Cost ($)'], label='Unit Material Cost ($)') plt.plot(cost_df['Month'], cost_df['Unit Labor Cost ($)'], label='Unit Labor Cost ($)') plt.title('Monthly Unit Cost Analysis') plt.xlabel('Month') plt.ylabel('Unit Cost ($)') plt.legend() # 移除边框 plt.gca().spines['top'].set_visible(False) plt.gca().spines['right'].set_visible(False) plt.gca().spines['bottom'].set_visible(False) plt.gca().spines['left'].set_visible(False) # 移除网格线 plt.grid(False) plt.show()
总结
除了要在展示的时候能更清晰的从图中看出具体的数值外，我们在分析成本的时候需要去掉用量的因素的影响，单位成本是一个常见的分析指标
欢迎关注微信公众号 数据分析螺丝钉
