⭐ Python Developer · Chặng 8Bài 4/4Thực hành~90 phút

Thực hành Python: phân tích dữ liệu bán hàng từ SQLite bằng pandas

Quy trình phân tích dữ liệu thật: sinh dữ liệu vào SQLite, truy vấn SQL, xử lý bằng pandas, trả lời câu hỏi kinh doanh, xuất Excel.

Thực hành Python: phân tích dữ liệu bán hàng từ SQLite bằng pandas

Học xong bài này, bạn sẽ

  • Kết hợp SQL và pandas trong một quy trình
  • Trả lời câu hỏi kinh doanh bằng số liệu
  • Xuất báo cáo nhiều sheet

Nên học trước: pandas cơ bản cho lập trình viên

Nội dung bài viết
  1. 1. Bốn câu hỏi cần trả lời
  2. 2. Sinh dữ liệu mẫu
  3. 3. Phân tích
  4. 4. Đọc kết quả thành câu trả lời
  5. Bài tập

Bài thực hành cuối chặng 8 mô phỏng một việc rất thật: chuỗi cửa hàng cà phê có 4 chi nhánh, dữ liệu bán hàng 6 tháng nằm trong cơ sở dữ liệu, và quản lý cần câu trả lời cho vài câu hỏi kinh doanh trước cuộc họp sáng mai. Bạn sẽ kết hợp SQL (lấy và nối dữ liệu) với pandas (phân tích), rồi xuất báo cáo Excel nhiều sheet.

1. Bốn câu hỏi cần trả lời

  1. Doanh thu theo tháng đang tăng hay giảm?
  2. Sản phẩm nào mang lại nhiều doanh thu nhất, chiếm bao nhiêu phần trăm?
  3. Chi nhánh nào có giá trị đơn trung bình cao nhất?
  4. 10% khách mua nhiều nhất đóng góp bao nhiêu phần trăm doanh thu?

Bắt đầu từ câu hỏi, không bắt đầu từ dữ liệu. Câu hỏi quyết định cần cột nào, nhóm theo gì, và biểu diễn kết quả ra sao.

2. Sinh dữ liệu mẫu

Script dưới đây tạo ban_hang.db gồm 4 bảng: san_pham, khach_hang, don_hang (mỗi đơn của một khách tại một chi nhánh) và chi_tiet (mỗi đơn có một đến ba món). random.seed(2026) bảo đảm ai chạy cũng ra cùng dữ liệu, nên bạn đối chiếu được kết quả với bài.

"""sinh_du_lieu.py: tạo CSDL bán hàng mẫu ban_hang.db (5.000 đơn, cố định nhờ seed)."""

import random
import sqlite3
from datetime import date, timedelta

random.seed(2026)
SAN_PHAM = [
    ("Cà phê sữa", "Đồ uống", 29_000),
    ("Trà đào", "Đồ uống", 39_000),
    ("Bạc xỉu", "Đồ uống", 32_000),
    ("Bánh mì", "Đồ ăn", 25_000),
    ("Croissant", "Đồ ăn", 35_000),
    ("Cà phê hạt 250g", "Hàng đóng gói", 120_000),
]
CHI_NHANH = ["Hoàn Kiếm", "Cầu Giấy", "Quận 1", "Thủ Đức"]
TRONG_SO = [1 / i**0.8 for i in range(1, 301)]  # khách số nhỏ mua thường xuyên hơn

conn = sqlite3.connect("ban_hang.db")
conn.executescript("""
DROP TABLE IF EXISTS chi_tiet; DROP TABLE IF EXISTS don_hang;
DROP TABLE IF EXISTS san_pham; DROP TABLE IF EXISTS khach_hang;
CREATE TABLE san_pham (id INTEGER PRIMARY KEY, ten TEXT, nhom TEXT, gia INTEGER);
CREATE TABLE khach_hang (id INTEGER PRIMARY KEY, ten TEXT);
CREATE TABLE don_hang (id INTEGER PRIMARY KEY, khach_id INTEGER REFERENCES khach_hang(id),
                       chi_nhanh TEXT, ngay TEXT);
CREATE TABLE chi_tiet (don_id INTEGER REFERENCES don_hang(id),
                       san_pham_id INTEGER REFERENCES san_pham(id), so_luong INTEGER);
""")
with conn:
    conn.executemany("INSERT INTO san_pham (ten, nhom, gia) VALUES (?, ?, ?)", SAN_PHAM)
    conn.executemany(
        "INSERT INTO khach_hang (ten) VALUES (?)", [(f"Khách {i:03d}",) for i in range(1, 301)]
    )
    bat_dau = date(2026, 4, 1)
    for don_id in range(1, 5001):
        ngay = bat_dau + timedelta(days=random.randrange(183))  # 01/04 → 30/09/2026
        khach = random.choices(range(1, 301), weights=TRONG_SO)[0]
        conn.execute(
            "INSERT INTO don_hang VALUES (?, ?, ?, ?)",
            (don_id, khach, random.choice(CHI_NHANH), ngay.isoformat()),
        )
        for sp in random.sample(range(1, 7), k=random.choice([1, 1, 2, 3])):
            conn.execute(
                "INSERT INTO chi_tiet VALUES (?, ?, ?)", (don_id, sp, random.randint(1, 3))
            )
print(
    conn.execute("SELECT COUNT(*) FROM don_hang").fetchone()[0],
    "đơn,",
    conn.execute("SELECT COUNT(*) FROM chi_tiet").fetchone()[0],
    "dòng chi tiết",
)
5000 đơn, 8835 dòng chi tiết

Cấu trúc bốn bảng là thiết kế chuẩn hóa đã học ở bài SQL: giá nằm ở san_pham, không lặp lại trong từng dòng chi tiết. Trọng số 1 / i ** 0.8 làm khách có số thứ tự nhỏ mua thường xuyên hơn, giống thực tế: luôn có một nhóm khách quen mua rất nhiều.

3. Phân tích

Chiến lược: để SQL làm việc nó giỏi nhất (nối bảng, lọc), lấy về một bảng phẳng mỗi dòng là một món trong một đơn, rồi để pandas làm phần tổng hợp linh hoạt.

"""phan_tich.py: trả lời 4 câu hỏi kinh doanh từ ban_hang.db và xuất báo cáo Excel."""

import sqlite3

import pandas as pd

SQL = """
SELECT d.id AS don_id, d.ngay, d.chi_nhanh, d.khach_id, k.ten AS khach,
       s.ten AS san_pham, s.nhom, c.so_luong, s.gia, c.so_luong * s.gia AS thanh_tien
FROM chi_tiet AS c
JOIN don_hang  AS d ON d.id = c.don_id
JOIN san_pham  AS s ON s.id = c.san_pham_id
JOIN khach_hang AS k ON k.id = d.khach_id
"""

with sqlite3.connect("ban_hang.db") as conn:
    df = pd.read_sql(SQL, conn, parse_dates=["ngay"])
df["thang"] = df["ngay"].dt.to_period("M")
print(df.shape, f"tổng doanh thu {df['thanh_tien'].sum():,}đ")

# 1. Doanh thu theo tháng tăng hay giảm?
theo_thang = df.groupby("thang").agg(doanh_thu=("thanh_tien", "sum"), so_don=("don_id", "nunique"))
theo_thang["tang_truong"] = theo_thang["doanh_thu"].pct_change()
print(
    theo_thang.to_string(formatters={"doanh_thu": "{:,}".format, "tang_truong": "{:+.1%}".format})
)

# 2. Sản phẩm nào mang lại nhiều doanh thu nhất, chiếm bao nhiêu phần trăm?
theo_sp = (
    df.groupby(["nhom", "san_pham"])["thanh_tien"].sum().sort_values(ascending=False).reset_index()
)
theo_sp["ty_trong"] = theo_sp["thanh_tien"] / theo_sp["thanh_tien"].sum()
print(
    theo_sp.head(3).to_string(
        index=False, formatters={"thanh_tien": "{:,}".format, "ty_trong": "{:.1%}".format}
    )
)

# 3. Chi nhánh nào có giá trị đơn trung bình cao nhất?
don = df.groupby(["don_id", "chi_nhanh"], as_index=False)["thanh_tien"].sum()
print(
    don.groupby("chi_nhanh")["thanh_tien"].mean().round(-2).sort_values(ascending=False).to_dict()
)

# 4. 10% khách mua nhiều nhất đóng góp bao nhiêu phần trăm doanh thu?
theo_khach = df.groupby("khach")["thanh_tien"].sum().sort_values(ascending=False)
top = theo_khach.head(len(theo_khach) // 10)
print(
    f"{len(theo_khach)} khách; top {len(top)} khách đóng góp {top.sum() / theo_khach.sum():.1%} doanh thu"
)

with pd.ExcelWriter("bao_cao_ban_hang.xlsx") as w:
    theo_thang.assign(thang=theo_thang.index.astype(str)).to_excel(
        w, sheet_name="Theo tháng", index=False
    )
    theo_sp.to_excel(w, sheet_name="Theo sản phẩm", index=False)
    top.rename("doanh_thu").reset_index().to_excel(w, sheet_name="Top khách hàng", index=False)
print(pd.ExcelFile("bao_cao_ban_hang.xlsx").sheet_names)
(8835, 11) tổng doanh thu 826,130,000đ
          doanh_thu  so_don tang_truong
thang                                  
2026-04 138,430,000     845         NaN
2026-05 139,398,000     815       +0.7%
2026-06 136,634,000     818       -2.0%
2026-07 145,092,000     885       +6.2%
2026-08 140,873,000     850       -2.9%
2026-09 125,703,000     787      -10.8%
         nhom        san_pham  thanh_tien ty_trong
Hàng đóng gói Cà phê hạt 250g 361,800,000    43.8%
      Đồ uống         Trà đào 113,607,000    13.8%
        Đồ ăn       Croissant  99,260,000    12.0%
{'Quận 1': 166600.0, 'Hoàn Kiếm': 166100.0, 'Thủ Đức': 164400.0, 'Cầu Giấy': 163800.0}
299 khách; top 29 khách đóng góp 48.9% doanh thu
['Theo tháng', 'Theo sản phẩm', 'Top khách hàng']

4. Đọc kết quả thành câu trả lời

Con số chưa phải là câu trả lời. Quản lý cần câu kết luận kèm số liệu:

  1. Doanh thu dao động quanh 136–145 triệu đồng mỗi tháng từ tháng 4 đến tháng 8, nhưng tháng 9 giảm 10,8% xuống 125,7 triệu, chủ yếu do số đơn giảm (787 so với 850). Cần tìm hiểu nguyên nhân.
  2. Cà phê hạt đóng gói chiếm 43,8% doanh thu dù chỉ là một trong sáu sản phẩm, vì giá cao gấp 3–5 lần đồ uống. Mặt hàng này đáng được ưu tiên trưng bày và khuyến mãi.
  3. Giá trị đơn trung bình của 4 chi nhánh gần như bằng nhau (163.800–166.600đ, chênh chưa tới 2%): không có chi nhánh nào nổi trội về giá trị đơn.
  4. 10% khách mua nhiều nhất (29 trên 299 khách) đóng góp gần một nửa doanh thu (48,9%). Chương trình khách hàng thân thiết cho nhóm này có tác động lớn.

Vài kỹ thuật pandas đáng chú ý trong bài:

  • pd.read_sql(SQL, conn) chạy câu truy vấn và trả thẳng DataFrame.
  • ("don_id", "nunique") đếm số đơn khác nhau: một đơn có nhiều dòng món, đếm dòng sẽ ra số sai.
  • pct_change() tính phần trăm thay đổi so với dòng trước; tháng đầu không có tháng trước nên là NaN.
  • Câu 3 phải cộng thành tiền theo đơn trước rồi mới lấy trung bình; lấy trung bình trên từng dòng món sẽ ra "giá trị món trung bình", một con số khác hẳn.
  • pd.ExcelWriter ghi nhiều DataFrame vào nhiều sheet của cùng một file.
Dữ liệu mẫu, kết luận mẫuDữ liệu ở đây được sinh ngẫu nhiên nên "tháng 9 giảm" không mang ý nghĩa gì về thị trường thật. Với dữ liệu thật, trước khi kết luận cần loại trừ các nguyên nhân kỹ thuật: tháng 9 đã có đủ dữ liệu chưa, có chi nhánh nào đóng cửa vài ngày không, có đơn bị hủy chưa lọc không.

Bài tập

Bài 1. Chạy lại và trả lời

Sinh dữ liệu, chạy phân tích, đối chiếu kết quả với bài. Sau đó trả lời thêm: ngày nào trong tuần có doanh thu cao nhất?

Xem đáp án
# (minh họa) nối tiếp phan_tich.py, dùng DataFrame df
THU = ["Thứ Hai", "Thứ Ba", "Thứ Tư", "Thứ Năm", "Thứ Sáu", "Thứ Bảy", "Chủ nhật"]
theo_thu = df.groupby(df["ngay"].dt.day_of_week)["thanh_tien"].sum()
theo_thu.index = [THU[i] for i in theo_thu.index]
print(theo_thu.sort_values(ascending=False).head(3).map("{:,}".format).to_dict())
{'Thứ Tư': '135,926,000', 'Chủ nhật': '119,760,000', 'Thứ Ba': '116,663,000'}

dt.day_of_week trả 0 cho thứ Hai đến 6 cho Chủ nhật; ánh xạ sang tên tiếng Việt bằng list thay vì day_name() tiếng Anh. Với dữ liệu ngẫu nhiên phân bố đều, chênh lệch giữa các thứ chỉ là may rủi; với dữ liệu thật, đây là câu hỏi giúp xếp lịch nhân viên.

Bài 2. Thêm sheet doanh thu chi nhánh × tháng

Thêm vào báo cáo sheet "Chi nhánh theo tháng": mỗi dòng một tháng, mỗi cột một chi nhánh, giá trị là doanh thu, có dòng tổng cuối bảng.

Xem đáp án
# (minh họa) nối tiếp phan_tich.py
bang = df.pivot_table(index="thang", columns="chi_nhanh", values="thanh_tien", aggfunc="sum",
                      margins=True, margins_name="Tổng")
print(bang[["Quận 1", "Tổng"]].tail(2))
with pd.ExcelWriter("bao_cao_ban_hang.xlsx", mode="a", engine="openpyxl", if_sheet_exists="replace") as w:
    bang.rename(index=str).to_excel(w, sheet_name="Chi nhánh theo tháng")
print(pd.ExcelFile("bao_cao_ban_hang.xlsx").sheet_names)
chi_nhanh     Quận 1       Tổng
thang                          
2026-09     29701000  125703000
Tổng       208900000  826130000
['Theo tháng', 'Theo sản phẩm', 'Top khách hàng', 'Chi nhánh theo tháng']

margins=True thêm dòng và cột tổng. mode="a" mở file Excel đã có để thêm sheet thay vì ghi đè cả file; if_sheet_exists="replace" cho phép chạy lại nhiều lần. Tổng ở góc dưới phải đúng bằng tổng doanh thu in ở dòng đầu của phân tích: 826.130.000đ.

Nguồn tham khảo: pandas.read_sql; pandas.DataFrame.pivot_table; pandas.ExcelWriter.

Bài tập thực hành

  1. Sinh dữ liệu 5.000 đơn hàng bằng script trong bài, trả lời đủ 4 câu hỏi kinh doanh.
  2. Xuất báo cáo Excel 3 sheet: theo tháng, theo sản phẩm, top khách hàng.

Làm xong bài tập mới chuyển sang bài tiếp theo: tự viết code là cách duy nhất để nhớ lâu.

Bài tiếp theo
Ban biên tập HocFree

Chúng tôi viết những bài hướng dẫn dễ hiểu, thực tế để ai cũng có thể tự học lập trình và AI, hoàn toàn miễn phí.