原标题：10大行业公开数据免费下载：电商行业
新零售=电商+零售+微商
这本书里包括了国内电商、跨境电商、业公业零售行业的开数数据和分析案例
1）数据集描述
数据下载地址：Tianchi:Data sets
商品表格字段：
user_id:用户身份信息
auction_id:购买行为编号
cat_id:商品种类序列号
cat:商品序列号
property:商品属性
buy_mount:购买数量
day:购买时间
婴儿信息表格字段：
birthday:出生日期
gender:性别（0 male；1 female）
2）参考分析案例
1）数据集描述
记录了一百万名有行为的淘宝用户行为记录样本，包含1，据免0015，费下0806条数据，载电987994个不同用户,商行4162024个不同商品,3623个不同商品分类， 4种行为（点击、大行购买、业公业加购、开数喜欢）数据。据免各个字段含义和数据下载地址：天池数据集
2）参考分析案例
1）数据集描述
亚马逊智能产品评论（kindle，费下Fire TV Stick等），载电数据下载地址：Consumer Reviews of Amazon Products
数据集介绍在页面这个地方：
用下面红框中的商行数据集
数据集一共有34655行，17个字段分别为：
id-用户编号
name-产品名称
asins-产品编号
brand-品牌
categories-产品类别
keys-类别关键字
manufacturer-制造商
date-评论时间
dateAdded-追评时间
dateSeen-评论可见时间
doRecommend-评论是大行否被推荐
numHelpful-帮助性分子数
rating-评分
sourceURLs-评论链接
text-评论文字内容
title-评论标题
username-用户名
2）参考分析案例
1）数据集描述：
该数据集包括对来自亚马逊的精美食品的评论。这些数据的使用期限超过10年，包括1999年10月至2012年10月约500,000条评论。评论包括产品和用户信息，评级以及纯文本评论。它还包括来自所有其他亚马逊类别的评论。
数据形状为：568k 行x 10列，10个字段分别为：ID，产品ID，用户ID，用户名，帮助性分子数，帮助性分母数，评分（1-5），评论时间，评论概括，评论内容
数据获取地址：https://www.kaggle.com/snap/amazon-fine-food-reviews
2）数据集中各字段含义：
ProductId （产品ID）
UserId （用户ID）
ProfileName （用户名）
HelpfulnessNumerator （认为评论有用的用户数量）
HelpfulnessDenominator （表明他们是否认为该评论有用的用户数量）
Score （评分：从1至5）
Time （发表评论的时间）
Summary （对于评论的概括）
Text （评论的内容）
3）参考分析案例
1）数据集描述：
这份数据收集了亚马逊2017年有关商品的制造商，售价，评论，库存等10000条信息。
数据获取地址：https://data.world/promptcloud/fashion-products-on-amazon-com
2）数据集中各字段含义：
product_name- 产品名称
manufacturer-制造商
price-价格
number_available_in_stock- 库存
number_of_reviews- 评论数量
number_of_answered_questions-回答的问题数
average_review_rating-平均评价
amazon_category_and_sub_category-分类与子分类
product_information-产品信息
items_customers_buy_after_viewing_this_item-项目-客户_购买_后查看_此_项目
customer_reviews-客户评论内容
3）参考分案例
亚马逊kindle
1）数据集描述
来自亚马逊上关于kindle，Fire TV Stick等产品的评论。此数据文件为CSV格式，大小6MB。数据集包括每种产品的基本产品信息，评级，纯文本评论等。
数据集下载地址：Consumer Reviews of Amazon Products
数据形状为：34655行 * 17列，17个字段分别为：用户ID，产品名称，产品编号，品牌，产品类别，类别关键字，制造商，评论时间，追评时间，评论可见时间，评论是否被推荐，帮助性分子数，评分（1-5），评论链接，评论文字内容，评论题目，用户名
女鞋
1）数据集描述
这是关于女鞋及其产品信息的列表。
数据集包括鞋子名称，品牌，价格等。每个鞋子的每个价格都有一个条目，有些鞋子可能有多个条目。
数据集下载地址：Womens Shoe Prices
该数据集有23列，共33802行，各字段含义如下：
2）参考分案例
1）数据集描述
kaggle平台采集的有关ebay的摩托车的销售情况，
数据获取地址：Ebay Motorcycle Prices
字段含义：
Condition：摩托车新旧情况（new：新的 和used：使用过的）
Condition_Desc：对当前状况的描述
Price：价格
Location：发获地址
Model_Year：购买年份
Mileage：里程
Exterior_Color：车的颜色
Make：制造商（牌子）
Warranty：保修
Model：类型
Sub_Model：车辆类型
Type：种类
Vehicle_Title：车辆主题
OBO：车辆仪表盘
Watch_Count：表数
N_Reviews：评测次数
Seller_Status：卖家身份
Auction：拍卖（Ture或者False）
Buy_Now:现买
Bid_Count：出价计数
2）参考分案例
1）数据集描述
这是一个跨国数据集，其中包含2010年12月12日至2011年12月9日期间发生的所有在英国注册的非商店在线零售业务的交易。该公司主要销售独特的全场礼品，并且大部分客户是批发商。
数据获取地址：E-Commerce Data
2）字段含义
数据形状为：542k 行x 8列，8个字段分别为发票号，发票日期，商品码，商品描述，数量，单价，顾客ID，国家。
InvoiceNo: 发票号码，每笔交易分配唯一的6位整数，而退货订单的代码以字母c开头。StockCode: 产品代码，每个不同的产品分配唯一的5位整数。
Description: 产品描述，对每件产品的简略描述。
Quantity: 产品数量，每笔交易的每件产品的数量。
InvoiceDate: 发票日期和时间，每笔交易发生的日期和时间。
UnitPrice: 单价（英镑），单位产品价格。
CustomerID:顾客号码，每个客户分配唯一的5位整数。
Country: 国家的名字，每个客户所在国家/地区的名称。
3）参考分案例
1）数据集描述
Olist的巴西电子商务公共数据集，数据源中的字段较多，其中比较关键的字段有：订购产品价值、订购商品数量、订购卖家数量、客户城市、产品类别名称和评分。
2）参考分案例
电商数据初探究之我上我也行(excel)
1）数据集描述
数据下载地址：Telco Customer Churn
1，customerID(String)--用户ID
2，gender(String)--性别（男，女）
3，SeniorCitizen(Numeric)--用户是否属于老年人(1:是 0:不是)
4，Partner(String)--用户是否有伴侣(是，否)
5，Dependents(String)--用户是否有受赡养者（是，否）
6，tenure(Numeric)--用户在网多少个月
7，PhoneService(String)--用户是否有电话服务（是，否）
8，MultipleLines(String)--用户是否有多线服务（是，否）
9，InternetService(String)--用户的上网服务提供商（DSL，Fiber optic）
10，OnlineSecurity(String)--用户是否有在线安全服务（是，否）
11，OnlineBackup(String)--用户是否有在线备份服务（是，否）
12，DeviceProtection(String)--用户是否做了设备保护（是，否）
13，TechSupport(String)--用户是否有技术支持服务（是，否）
14，StreamingTV(String)--用户是否有stream Tv服务(是，否)
15，StreamingMovies(String)--用户是否有stream movie服务（是，否）
16，Contract(String)--用户的合同期是怎样的（一个月，一年，两年）
17，PaperlessBilli(String)--用户是否有无纸账单（是，否）
18，PaymentMethod(String)--用户支付方式（电子支票，邮寄支票，银行转账）
19，MonthlyCharges(Numeric)--用户每月缴纳的费用
20，TotalCharges(Numeric)--用户历史总共缴纳的费用
21，Churn(Numeric)--用户现在是否流失转
2）社群会员作业
第1关行业选择：数据分析小白的进击之路
1）参考分案例
1）数据集描述
数据收集了位于不同地区的45家沃尔玛商店的历史销售数据
字段含义：
features.csv 8191*12
此文件包含关于给定日期的商店、部门和区域活动的附加数据。它包含以下字段:
Store 商店号
Date 日期
Temperature 区域平均温度
Fuel_Price 区域燃料成本
MarkDown1-5 沃尔玛正在运行的促销标记相关的匿名数据。MarkDown数据只在2011年11月之后可用，并非所有商店都一直可用。缺失值都用NA标记。
CPI 消费价格指数
Unemployment 失业人数
IsHoliday 是否为特殊节假日
stores.csv 45k*3
Store 商店号
Type 类型
Size 规模
train.csv 422k*5
历史训练数据，涵盖2010－02-05至2012-11-01。在文件中将找到以下字段：
Store 商店号
Dept 部门号
Date 日期
Weekly_Sales 星期销售
IsHoliday - whether the week is a special holiday 是否为特殊节假日
test.csv 115k*4
需要预测的数据文件
Store 商店号
Dept 部门号
Date 日期
IsHoliday - whether the week is a special holiday 是否为特殊节假日
合并给出16个数据指标为
store 、dept、 date 、weekly_sales 、 lsHoliday
temperature 、 fuel_price 、 MarkDown1-5
cpi、unemployment、type、size
1）数据集描述
餐厅营业收入预测建模竞赛提供了137家餐厅的信息作为数据，包括：开业时间、地点、城市类型、人口统计、房地产和商业等相关属性信息。
数据下载地址：
https://www.kaggle.com/c/restaurant-revenue-prediction
食品营养成分数据包括10万多种食品的营养物质、有效成分、过敏原等组成，由全世界150多个国家的志愿者协作贡献生成。
数据获取地址：
https://www.kaggle.com/openfoodfacts/world-food-facts
1）数据集描述
来自kaggle的手机数据
数据下载地址：Amazon Reviews: Unlocked Mobile Phones
2）字段含义
商品名称，价格，评分，评价，评价推荐。
1）数据集描述
这个数据类似于国内很多便利商店 （商品种类有限），如seven-eleven，罗森，甚至专注于食品的盒马鲜生的销售数据分析和会员情况分析。
包括了558077个交易，总单品量240008，这个数据包括了7个字段。
数据下载地址：https://www.kaggle.com/sanjeet41/online-retail
字段含义：
Invoice_number： 发票代码
Stock_code：存活代码
Invoice_date：开票日期/购买日期，year month类型
Quantity：数量
Unit_Price：单价
Customer_ID：会员编号，非会员为missing value
Country：国家
1）数据集描述
kaggle上面找到关于黑五的数据，一共有550000条数据。
零售商店中的交易数据，没有时间维度，职业、城市、婚姻状况进行了编码处理，产品分类进行了模糊处理。
数据获取地址：https://www.kaggle.com/mehdidag/black-friday
2）数据集中各字段含义：
数据包含12个字段，分别如下：
User_ID：用户编码
Product_ID：产品编码
Gender：性别（F表示女性，M表示男性）
Age：年龄（分0~17、18~25、26~35、36~45、46~50、51~55、55+共7个年龄段）
Occupation：职业（分为0~20 共20个类别）
City_Category：城市类别（分ABC共3个类别）
Stay_In_Current_City_Years：在当前城市停留的年数（分0、1、2、3、4+共5个类别）
Marital_Status：婚姻状况（0表示未婚，1表示已婚）
Product_Category_1：商品所属分类1，不可为空
Product_Category_2：商品所属分类2
Product_Category_3：商品所属分类3
Purchase：购买价格，以美元计算
【问】这个商品所属分类1（Product_Category_1）下面的数字代表的是啥？
【答】商品所属分类1（Product_Category_1）是个大类，下面包括其他小类。比如类别是钱，下面又可以细分为几类：人民币，美元，澳币等。
商品所属分类1（Product_Category_1），商品所属分类2（Product_Category_2），商品所属分类3（Product_Category_3）是什么关系？
一个商品可以属于不同类别，所以会有分类1，分类2，你打开一个亚马逊的网站里面的商品，可以看到这个商品属于不同类别。
【问】比如我通过数据筛选，确定一个产品编码，得到1类产品，下面数字都是5，按理说这是同一种商品吧？为啥价格完全不一样呢？
【答】这一列是消费金额，不是商品的单价，比如你买1个苹果是1元，买10个苹果是10元
3）参考分案例
其他行业数据集在这里：数据分析和挖掘有哪些公开的数据来源？
————领取福利分界线——————
（作者：新能源汽车电瓶）
