面向榆林中小型煤礦的煤炭銷售數(shù)據(jù)分析及可視化方法

馮治東，劉 格，何郁娜，郭紅波

(榆林學(xué)院 信息工程學(xué)院，陜西 榆林 719000)

榆林煤炭資源豐富，本地煤炭產(chǎn)業(yè)發(fā)達(dá)，整個(gè)地區(qū)有600多家煤礦，而中小型煤礦企業(yè)占據(jù)了半數(shù)以上，中小型煤礦在銷售煤炭產(chǎn)品過程中，形成了陜北地區(qū)特有的模式。由于政府煤管部門的參與，使用統(tǒng)一的磅房軟件當(dāng)屬最大的特點(diǎn)。這種統(tǒng)一的磅房軟件部署到各個(gè)煤礦以后，為政府監(jiān)管煤炭銷售情況發(fā)揮重要的作用。但是，對于煤礦而言，銷售數(shù)據(jù)到了磅房以后就停止了，沒有和客戶的回款、余額、開票等情況關(guān)聯(lián)，因此只能借助手工Excel進(jìn)行數(shù)據(jù)管理和統(tǒng)計(jì)。不同客戶享受不同優(yōu)惠價(jià)格，且一般有承兌和現(xiàn)金兩種結(jié)算方式，客戶使用結(jié)算方式有可能更換。業(yè)務(wù)員在本地煤炭銷售過程中充當(dāng)了不可或缺的因素，體現(xiàn)在回款、余額、開發(fā)票和發(fā)貨單管理等煤炭銷售過程中。煤礦事先定價(jià)，調(diào)價(jià)頻繁，礦價(jià)的制訂先于售煤，但是銷售數(shù)據(jù)的統(tǒng)計(jì)又是在售煤之后。另外，部分煤礦采用了發(fā)貨單模式，發(fā)貨單一式四聯(lián)、編號統(tǒng)一，包括存根聯(lián)、提煤單、裝車聯(lián)和出門證。對內(nèi)，需要將發(fā)出去的發(fā)貨單四聯(lián)全部收回并進(jìn)行統(tǒng)計(jì)。對外，需要跟蹤業(yè)務(wù)員領(lǐng)取發(fā)貨單情況，包括領(lǐng)出與回收。

Excel在數(shù)據(jù)分析與可視化方面擁有大批用戶，可以對少量數(shù)據(jù)進(jìn)行深入分析。但對于煤礦企業(yè)而言，雖然Excel手工操作也能滿足煤礦日常銷售數(shù)據(jù)的統(tǒng)計(jì)，但是由于煤炭產(chǎn)品銷售額巨大，長期使用這種方式，存在以下問題：

(1)由于煤炭產(chǎn)品銷售數(shù)量多、金額大，因此一旦在統(tǒng)計(jì)銷售數(shù)據(jù)的過程中發(fā)生了一些人為干預(yù)的情況，造成的損失就比較大，而且多個(gè)崗位共同管理數(shù)據(jù)，發(fā)生錯(cuò)誤也不易查到出問題的環(huán)節(jié)。

(2)銷售統(tǒng)計(jì)關(guān)鍵業(yè)務(wù)工作量較大，且長期依賴某些熟悉業(yè)務(wù)的操作員，一旦發(fā)生請假、辭職等情況，會造成業(yè)務(wù)停滯或錯(cuò)誤率較高的現(xiàn)象。

(3)銷售結(jié)算涉及銷售部門和財(cái)務(wù)部門，需要不同崗位工作人員協(xié)同工作，而Excel操作無法實(shí)現(xiàn)業(yè)務(wù)聯(lián)動和數(shù)據(jù)共享。

(4)銷售數(shù)據(jù)量較大，無法為領(lǐng)導(dǎo)和股東提供和統(tǒng)計(jì)透明、可靠的實(shí)時(shí)數(shù)據(jù)。歷史數(shù)據(jù)量龐大，存儲不方便，不能快速、有效地為查詢者定位查詢的數(shù)據(jù)。

(5)發(fā)貨單數(shù)量龐大，手工管理者任務(wù)繁重，出錯(cuò)率較高。

(6)Excel表格無法實(shí)現(xiàn)權(quán)限明確劃分，因此對于參與銷售統(tǒng)計(jì)的工作人員，信息量太大、權(quán)限過高。

顯然，面對海量數(shù)據(jù)，Excel并不是最好的處理工具，更多人愿意使用第三方數(shù)據(jù)分析工具。例如，榆林學(xué)院智能礦山團(tuán)隊(duì)出品的銷煤結(jié)算大師軟件，以煤炭銷售“粗放式管理”、“定價(jià)隨意”、“數(shù)據(jù)不透明”為痛點(diǎn)，以煤企實(shí)際銷售業(yè)務(wù)應(yīng)用為市場契入點(diǎn)，可以實(shí)現(xiàn)中小型煤礦企業(yè)銷售業(yè)務(wù)的自給自足。但數(shù)據(jù)經(jīng)數(shù)據(jù)庫導(dǎo)出后，復(fù)雜的銷售數(shù)據(jù)使工作人員分析與查看時(shí)非常吃力，耗費(fèi)工作人員大量的時(shí)間。而且在對海量數(shù)據(jù)進(jìn)行分析時(shí)，工作人員需要從多方面對數(shù)據(jù)進(jìn)行分析與比對，這無疑是一件費(fèi)時(shí)費(fèi)力的事情。本研究在該軟件的基礎(chǔ)上又進(jìn)行了更深一步的探究，有效數(shù)據(jù)得到后如何在極短時(shí)間內(nèi)進(jìn)行可視化展現(xiàn)。

為此，本文提出了“面向榆林中小型煤礦的煤炭銷售數(shù)據(jù)分析及可視化”的技術(shù)研究，利用Python在數(shù)據(jù)分析、交互及數(shù)據(jù)可視化等方面的良好特性，借助pandas、matplotlib和tkinter等強(qiáng)大的數(shù)據(jù)處理工具，進(jìn)行銷售數(shù)據(jù)可視化組件的研究，并結(jié)合實(shí)例分析，力求為當(dāng)代煤礦企業(yè)的數(shù)據(jù)可視化分析處理提供可靠的數(shù)據(jù)支撐。

1 煤炭銷售數(shù)據(jù)分析及可視化原理和步驟

1.1數(shù)據(jù)分析及可視化的原理及特點(diǎn)

數(shù)據(jù)可視化指運(yùn)用計(jì)算機(jī)圖形學(xué)、圖像、人機(jī)交互等技術(shù)，將采集或模擬的數(shù)據(jù)映射為可識別的圖形、圖像、視頻或動畫，并允許用戶對數(shù)據(jù)進(jìn)行交互分析的理論、方法和技術(shù)[1]。它通過信息技術(shù)將抽象信息轉(zhuǎn)化為交互型的可視化形式，增強(qiáng)了人們的對抽象信息的認(rèn)知，成為人們發(fā)現(xiàn)規(guī)律，輔助人們進(jìn)行決策的有力支撐。數(shù)據(jù)可視化技術(shù)廣泛應(yīng)用于計(jì)算機(jī)以及各個(gè)領(lǐng)域，它主要有以下三個(gè)特點(diǎn)：

(1)交互性，實(shí)現(xiàn)界面和用戶的交互，使得用戶可以自主來選擇查看數(shù)據(jù)。

(2)多維性，需要操作的變量或者對象的屬性是多維的，數(shù)據(jù)根據(jù)每一維進(jìn)行分類，組合，排序和顯示。

(3)可視性，由于通過動畫、三維立體、二維圖形、曲線和圖像來對數(shù)據(jù)進(jìn)行顯示，這樣就可以對數(shù)據(jù)的相互關(guān)系以及模式來進(jìn)行可視化分析[2]。

1.2煤炭銷售數(shù)據(jù)分析及可視化步驟

本研究以煤礦企業(yè)的銷售數(shù)據(jù)作為研究對象，數(shù)據(jù)由數(shù)據(jù)庫導(dǎo)出為.csv格式文檔。使用Python進(jìn)行組件的開發(fā)，pandas進(jìn)行數(shù)據(jù)分析處理，tkinter和matplotlib相結(jié)合進(jìn)行圖形繪制。首先，讀取并分析銷售數(shù)據(jù)。其次，繪制銷售數(shù)據(jù)圖形。最后，創(chuàng)建GUI界面并添加子圖進(jìn)行圖像展示。具體步驟如下：

第一步：畫布整體布局及事件驅(qū)動

(1)在tkinter的GUI上放置一個(gè)畫布，并調(diào)用.pack()方法來調(diào)整布局。

(2)放置按鈕部件，并設(shè)置按鈕的事件函數(shù)。

(3)啟動事件循環(huán)。

第二步：獲取GUI界面參數(shù)，利用該參數(shù)繪制圖像

(1)清空圖像，以使得前后兩次繪制的圖像不會重疊。

(2)借助pandas良好的數(shù)據(jù)分析處理特性，通過Pandas.read_csv()方法讀取文件，采用此庫的其他方法獲取需要進(jìn)行可視化的列，再對列進(jìn)行分組統(tǒng)計(jì)得出分組結(jié)果。

(3)使用matplotlib進(jìn)行圖形繪制，獲取GUI界面上的參數(shù)，生成散點(diǎn)圖、餅圖和柱狀圖等圖形。并調(diào)用draw()方法創(chuàng)建GUI界面將圖形展現(xiàn)在界面上。

2 煤炭銷售數(shù)據(jù)分析及可視化應(yīng)用

在煤炭銷售數(shù)據(jù)中，每個(gè)客戶購買的煤炭數(shù)量及品種或者客戶在公司的結(jié)余賬款數(shù)都不盡相同，其中可能隱藏著某種規(guī)律。為此，在本研究中，將對煤種、客戶和業(yè)務(wù)員三要素進(jìn)行分析及可視化。

針對客戶、購買噸數(shù)和客戶結(jié)余數(shù)采用了K-Means聚類算法進(jìn)行研究。首先，進(jìn)行數(shù)據(jù)清洗，將原始數(shù)據(jù)“結(jié)余”和“噸數(shù)”列中存在空值的記錄刪去。其次，選出“結(jié)余”列和“噸數(shù)”列，并根據(jù)客戶編碼對這兩個(gè)特征屬性分組計(jì)算。最終，對得到的36名客戶進(jìn)行K-means聚類分析。其中k值設(shè)置成2，即選定兩個(gè)聚類中心，分別代表兩類客戶，高結(jié)余高噸數(shù)客戶和低結(jié)余低噸數(shù)客戶。不斷迭代最終運(yùn)算的結(jié)果會趨近于一個(gè)數(shù)值不變[3]：

(1)

將得到的結(jié)果集繪制散點(diǎn)圖，對這三者之間的關(guān)系進(jìn)行可視化展示。

使用組件繪制柱狀圖分別對煤種與銷售噸數(shù)、交易次數(shù)、銷售車次、銷售金額之間的關(guān)系進(jìn)行可視化展示。繪制折線圖分別對3-8塊、8-15塊、籽煤、面煤、混煤在2018年10至2019年4月期間的價(jià)格走勢進(jìn)行可視化展示，并在另一張圖中對這五種煤的價(jià)格走勢進(jìn)行對比。繪制餅圖分別對客戶與購買噸數(shù)和消費(fèi)金額之間的關(guān)系進(jìn)行可視化展示，并分析每個(gè)客戶購買煤炭和消費(fèi)金額的比例。繪制折線圖分別對100號業(yè)務(wù)員、200號業(yè)務(wù)員、400號業(yè)務(wù)員、500號業(yè)務(wù)員銷售的煤種和噸數(shù)進(jìn)行可視化展示。

2.1 數(shù)據(jù)準(zhǔn)備

基于榆林地區(qū)極具地域特色的煤炭銷售模式，榆林學(xué)院智能礦山團(tuán)隊(duì)，專門為榆林地區(qū)中小型煤礦量身定做，開發(fā)了一款煤炭銷售結(jié)算和發(fā)貨單管控軟件——銷煤結(jié)算大師。本研究煤炭銷售數(shù)據(jù)均來源于此，數(shù)據(jù)由數(shù)據(jù)庫導(dǎo)出，共采集到251條記錄，其中主要研究屬性包括：結(jié)算方式、客戶編碼、業(yè)務(wù)員編碼、煤種編碼、煤種名稱、噸數(shù)、單價(jià)、金額、車數(shù)、結(jié)余。

2.2 噸數(shù)與結(jié)余可視化

客戶的購買噸數(shù)和結(jié)余數(shù)可以展現(xiàn)出客戶的購買力和信譽(yù)度?，F(xiàn)對煤炭銷售數(shù)據(jù)的“噸數(shù)”列和“結(jié)余”列進(jìn)行可視化分析。

通過導(dǎo)入sklearn.cluster中的KMeans類,建K-means類對象設(shè)置參數(shù)為：n_clusters=2表示選定兩個(gè)聚類中心，max_iter=300表示每次迭代的數(shù)量為300。

借助fit()方法進(jìn)行聚類：

from sklearn.cluster import KMeans

estimator=KMeans(n_clusters=2,max_ite

r=300)

estimator.fit(X)

以客戶購買的煤炭噸數(shù)為橫軸，客戶在煤礦公司的結(jié)余款數(shù)為縱軸，繪制散點(diǎn)圖。購買噸數(shù)與結(jié)余數(shù)可視化結(jié)果如圖1所示，實(shí)心圓代表低結(jié)余低噸數(shù)客戶，分布在圖的左下方，共34名客戶。五角星代表高結(jié)余高噸數(shù)客戶，分布在右上方，共2名客戶。

圖1 噸數(shù)及結(jié)余聚類圖

由圖1噸數(shù)和結(jié)余數(shù)可以找出對應(yīng)的客戶，對“客戶編碼”、“噸數(shù)”和“結(jié)余”進(jìn)行分類統(tǒng)計(jì)，如表1高結(jié)余高噸數(shù)客戶和表2低結(jié)余低噸數(shù)客戶所示?？梢钥闯觯?中的客戶，購買量和結(jié)余數(shù)較高，有利于企業(yè)的盈利和運(yùn)營。表2中的客戶，購買量和結(jié)余數(shù)較低，不利于企業(yè)的盈利和運(yùn)營。

表1 高結(jié)余客戶表

表2 低結(jié)余客戶表

2.3 煤種銷售數(shù)據(jù)及價(jià)格走勢可視化

對于煤礦企業(yè)而言，需要統(tǒng)計(jì)各煤種的銷售噸數(shù)、交易次數(shù)及價(jià)格走勢等銷售數(shù)據(jù)，以便了解煤炭的銷售情況。為探究煤種與這些變量之間的關(guān)系，現(xiàn)對銷售數(shù)據(jù)進(jìn)行可視化。

圖2 各煤種與其它變量關(guān)系柱狀圖

圖3 各煤種價(jià)格走勢折線圖

以煤種為橫軸，各變量為縱軸分別建立煤種與噸數(shù)、煤種與交易次數(shù)、煤種與車次、煤種與金額的可視化圖形。并選取2018年10月至2019年4月為研究的時(shí)間段，探究五種煤炭的價(jià)格走勢。以時(shí)間為橫軸，單價(jià)為縱軸對各個(gè)煤種的價(jià)格走勢進(jìn)行可視化。

煤種與其他變量的可視化結(jié)果如圖2所示，可以看出，面煤的銷售情況最好，噸數(shù)為44246噸，金額為2128.8197萬元，車次為1337次，交易次數(shù)為88次。籽煤的銷售情況最差，金額為48.36萬，噸數(shù)為920噸，車次為28次，交易次數(shù)為7次。由此可知，面煤在該煤礦企業(yè)中，銷售比重最大，給企業(yè)帶來的收益最多，其次是混煤、3-8塊、8-15塊和籽煤。

煤種價(jià)格走勢的可視化結(jié)果如圖3所示，可以看出，單價(jià)最高的是籽煤，2019年1月為籽煤單價(jià)的低谷期，價(jià)格為520.0元,2019年2月和4月達(dá)到頂峰，價(jià)格為530.0元，價(jià)格均值為525.3元。單價(jià)最低的是混煤，2018年12月為混煤單價(jià)的低谷期，價(jià)格為455.7元,2019年1月達(dá)到頂峰，價(jià)格為469.4元，價(jià)格均值為464.0元。綜合來看，籽煤單價(jià)最高，企業(yè)獲利也最多，其次是3-8塊煤、8-15塊煤、面煤和混煤。

圖4 客戶與噸數(shù)及金額關(guān)系餅狀圖

圖5 業(yè)務(wù)員業(yè)績折線圖

2.4 客戶購買噸數(shù)及消費(fèi)金額可視化

在煤礦企業(yè)的眾多客戶中，每個(gè)客戶對煤炭的購買力不盡相同。這些客戶購買煤炭的重量和種類不同，進(jìn)而煤礦企業(yè)對于每種煤炭的銷售重量和獲得的利潤也不同。而如何在大數(shù)據(jù)的基礎(chǔ)上分析客戶的特點(diǎn)，從而針對不同的客戶提供定制化服務(wù)[4]。針對此問題，可以從客戶與購買噸數(shù)和消費(fèi)金額兩方面進(jìn)行可視化分析，企業(yè)工作人員可以根據(jù)可視化結(jié)果迅速得出每個(gè)客戶的購買力，進(jìn)而得知哪些客戶是企業(yè)的大客戶。

客戶與噸數(shù)及金額可視化結(jié)果如圖4所示，可以看出，客戶編碼為50005的客戶在2018年10月到2019年4月共購買了17326.10噸煤，占煤礦企業(yè)的22.853%，購買金額是829.6668萬元，占公司收入的22.62%。其次是客戶編碼為10015的客戶，購買了13616.48噸煤，共占煤礦企業(yè)的17.96%，購買金額為651.44104萬元，約占公司收入的17.76%。故由此可得出客戶編碼為50005和10015的兩位客戶購買力最強(qiáng)，正是煤礦企業(yè)需要重點(diǎn)關(guān)注的大客戶。顯然，這大大減少了工作人員的工作量，使銷售業(yè)務(wù)更精確、更有針對性。

2.5 業(yè)務(wù)員銷售煤種及金額可視化

業(yè)務(wù)員是煤礦銷售流程中的重要力量，針對業(yè)務(wù)員銷售金額和煤種進(jìn)行分析，可以判斷出業(yè)務(wù)員的業(yè)務(wù)能力。現(xiàn)以煤種為橫軸，噸數(shù)為縱軸，對業(yè)務(wù)員的業(yè)績進(jìn)行可視化展示。

業(yè)務(wù)員業(yè)績可視化結(jié)果如圖5所示，可以看出，對于面煤而言，編號為500的業(yè)務(wù)員所銷售的噸數(shù)最多，金額最大。對于3-8塊而言，編號為100的業(yè)務(wù)員銷售的噸數(shù)最多，金額最大。對于8-15塊而言，編號為100編碼的業(yè)務(wù)員銷售的噸數(shù)最多，金額最大。對于混煤而言，編號為100的業(yè)務(wù)員銷售的噸數(shù)最多，金額最大。對于籽煤而言，編號為400的業(yè)務(wù)員銷售的噸數(shù)最多，金額最大。企業(yè)對業(yè)務(wù)員的業(yè)績進(jìn)行考核并給予適當(dāng)?shù)莫剟睿梢约顦I(yè)務(wù)員拓展業(yè)務(wù)，增加煤礦企業(yè)的煤炭銷售量。

3結(jié)論

通過對煤種、客戶和業(yè)務(wù)員三要素進(jìn)行深入挖掘，闡述了煤炭銷售數(shù)據(jù)分析及可視化方法，開發(fā)了一款面向榆林中小型煤礦的煤炭銷售數(shù)據(jù)分析及可視化組件。能夠從不同角度對煤炭銷售數(shù)據(jù)的可視化展示，深度挖掘各個(gè)屬性之間的內(nèi)在聯(lián)系，在較短時(shí)間內(nèi)找到隱藏在數(shù)據(jù)背后的規(guī)律。極大地提高了銷售數(shù)據(jù)分析整理的效率，并為企業(yè)決策提供可靠的數(shù)據(jù)保障，具有一定的現(xiàn)實(shí)意義。