有过数据分析工作经历的运营者都知道，采集到的第一手数据一般都是无法直接进行分析的，这时候就需要对亚马逊数据进行“清洗”，特别是对于报表采集的数据需要结合特定的分析目的进行清洗。在数跨境BI中，提供了多种功能以供进行亚马逊数据清洗，本文以订单报告为例，为大家介绍5种主流的亚马逊数据清洗方法。

1）币种统一：左右合并

场景：不同站点币种不一，需要统一币种后才能计算整体销售额。

方法：使用数跨境BI自带的《实时汇率表》，并使用其类似vlookup的【左右合并】功能，根据订单报告中的币种信息和交易时间，在汇率表中查找出相应日期的汇率，从而完成币种折算。

2）数据过滤：筛选

场景：计算店铺周一到周日的销售额变化趋势（周权重指数）的时候，需要收集各店铺最近1个完整年度的销售数据，并剔除Prime day、黑五、deals秒杀等异常值数据。

方法：使用数跨境BI的【筛选】功能，能根据特定条件快速过滤掉不需要参与进一步分析的亚马逊数据。筛选方式有满足全部条件、满足任一条件、精确筛选、模糊筛选等。筛选后的数据可以进行后续计算。

3）表头统一：字段重命名

场景：需要将好几份亚马逊数据报告结合起来分析，发现亚马逊数据报告存在各种语种不一的表头名称，甚至同一字段在不同报告中的名称也会存在差异，需要进行统一。

方法：可以使用数跨境BI的【字段重命名】功能进行名称上的统一

4）日期格式处理： 字段类型转换

场景：在做用户购物习惯分析时，其中最关键的亚马逊数据就是订单报表中的订单时间。有的订单时间乍一看没有大问题，如“2023-01-13T21:44:15+00:00”，但进行分析的时候，发现根本无法直接识别。

方法：使用数跨境BI的【字段类型转换】功能，一步将其转换成标准的、可供进一步分析的时间格式“2023-01-13 21:44:15”

5）复杂时间格式处理：公式

场景：亚马逊后台报告根据站点不同，会出现各种类型不一的时间格式，如“Feb 1.2023 12:37:23 AM PST”，这种时间格式是难以处理的，对汇总数据进行统一分析造成了障碍。

方法：数跨境BI提供了多种公式函数，组合使用，可以对各种类型复杂的时间格式进行处理。例如下图即为组合使用todate、substitute和right函数将“Feb 1.2023 12:37:23 AM PST”日期处理为“2023-02-01 12:37:23”

以上就是使用数跨境BI对亚马逊数据清洗的几种方法，希望对大家有帮助！数跨境BI提供了分类汇总，筛选，排序，上下合并，左右合并，参数值，公式函数，应用/取消应用等功能，让卖家以极低的学习成本将数据处理成需要的结果。