# 数据说明

## 数据来源

本项目的原始数据来自 **阿里云天池 · 淘宝母婴购物数据集（Baby Goods Info Data）**。

- 数据集主页：https://tianchi.aliyun.com/dataset/45
- 数据提供方：淘宝 / 天猫
- 数据性质：已脱敏、已抽样（用户 ID、商品 ID、类目 ID、属性键均已做匿名化处理）
- 使用目的：数据分析学习与作品展示，不作商业用途

> 本项目使用的是该数据集公开的**采样样本**，并非全量数据。
> 全量数据约含 9,000,000+ 条儿童信息与 2,990,000+ 条交易记录，需在天池平台登录后获取。

## 文件清单

| 文件名 | 行数 | 大小 | 说明 |
| --- | --- | --- | --- |
| `mum_baby.csv` | 953 | 21 KB | 宝宝信息表（生日 + 性别） |
| `mum_baby_trade_history.csv` | 29,971 | 8.5 MB | 交易明细表 |

## 字段字典

### 表 1：`mum_baby.csv`（宝宝信息）

| 字段 | 类型 | 说明 |
| --- | --- | --- |
| `user_id` | Bigint | 用户 ID，与交易表关联 |
| `birthday` | Int | 宝宝出生日期，格式 `YYYYMMDD`，由用户自行填写，可能不准确 |
| `gender` | Int | 宝宝性别：`0` = 女宝，`1` = 男宝，`2` = 未知 |

> **编码口径提示**：上表依据天池官方数据集 Overview 的英文说明
> （*"0" denotes female, "1" denotes male, "2" denotes unknown*）。
> 部分中文二手资料将其写为「0=男、1=女」，两者互相矛盾。
> 本项目的所有性别相关结论均作**对称表述**，不依赖该映射的具体方向。

### 表 2：`mum_baby_trade_history.csv`（交易明细）

| 字段 | 类型 | 说明 |
| --- | --- | --- |
| `user_id` | Bigint | 用户 ID，与宝宝表关联 |
| `auction_id` | Bigint | 商品（交易）ID，平台已脱敏 |
| `cat_id` | Bigint | 商品二级类目 ID |
| `cat1` | Bigint | 商品一级类目 ID |
| `property` | String | 商品属性串，格式 `键:值;键:值;...`，键与值均已脱敏 |
| `buy_mount` | Bigint | 本次购买数量 |
| `day` | Int | 交易日期，格式 `YYYYMMDD` |

### 一级类目编码对照

| 编码 | 中文名（社区整理） |
| --- | --- |
| `50008168` | 奶粉 / 辅食 |
| `28` | 尿裤 / 湿巾 |
| `50014815` | 童装 / 童鞋 |
| `50022520` | 喂养 / 洗护 |
| `122650008` | 妈妈专区 |
| `38` | 玩具 / 童车 |

> 该对照表来自社区资料整理，**数据集本身附带的 `sam_tianchi_mum_baby_meaning.csv` 类目含义表未包含在本次样本中**。
> 因此报告中所有图表均同时标注原始编码，便于核对。此处对照仅供理解参考。

## 数据的重要结构特征

拿到数据后做的第一件事是**质量体检**，结论直接决定了后续能做什么分析：

1. **按行随机抽样，不是用户行为序列**
   29,971 笔交易对应 29,944 个用户，人均仅 **1.0009 笔**，只有 25 个用户存在复购。
   → 无法构造用户级行为特征，因此 **RFM、复购周期、用户生命周期、性别预测等分析在本数据上不成立**。

2. **存在极端大额订单**
   单笔最大购买 **10,000 件**（童装 / 童鞋），一笔即占全部件数的 **13.1%**；Top10 大单合计占 **27.5%**。
   → 所有「平均值」类指标都需给出「含 / 不含大单」两个口径。

3. **时间区间不完整**
   数据覆盖 2012-07-02 ~ 2015-02-05，其中 **仅 2013、2014 两个年度是完整的**。
   → 趋势与季节性分析只使用这两个年度。

4. **无金额字段**
   只有数量（`buy_mount`）没有成交金额，所有规模结论均为**件数口径**，不等同于 GMV 口径。

## 数据使用声明

数据版权归原提供方所有。本仓库中的原始数据仅用于**学习与作品展示**，
如需用于其他用途，请前往天池数据集主页查看并遵守其使用条款。