一、运用通用业务思维确立分析的客体
(一)分析主题:销售订单分析
(二)分析维度:
1、销售区域: 地区;
2、客户属性:职业、行业、细分(公司、消费者、小公司);
3、产品类别: 技术、家具、办公用品
(三)量化分析指标(KPI)及业务逻辑:
KPI1 营业收入 = 销售数量 * 销售单价 * (1- 折扣率) 注:也可能没有折旧率 ;
KPI2 利润(利润) = 营业收入 - 营业成本
营业成本 = 销售数量 * 单位成本
KPI3 订单数量:订单的个数,通常是一条记录一个订单,则记录条数;如果是一个订单多条记录,则取订单号的个数。
(四)ABC分析法
运用28法则,找出占比20%,贡献80%的产品。
二、转化POWER BI 分析框架
(一)数据准备
本案例中涉及的表,理想状态是可以从ERP中导出下列报,通过Power Query整理后,转换成“数据模型表”,“数据模型表”通常是通过对原始数据的清洗后得来。根据个人做数据模型的经验,建立好数据模型后,这个数据模型就是一整张表,当有一张表出现问题,则整个数据都会出现问题,准备数据是一项非常基础且重要的环节,特别是使用真实数据时,脏数据是会影响到整个数据模型。
准备的表(数据)如下:
1、订单表及字段:产品ID、订单日期、发货日期、邮寄方法、客户ID、城市、销售额 、数量、折扣、利润
2、产品表及字段:产品ID、类别、子类别;
3、日期表及字段:日期、年份名称 、年份序号 、月份名称 、月份序号 、年月名称 、年月序号(注:日期表可能用不上,但,时间是描述事实发生重要维度,数据模型中不可缺少的维度)
4、地区表及字段:国家、地区、省/自治区、城市
5、客户表及字段:客户ID、客户名称、性别、年龄、职业、行业、细分
(二)数据建模(表+关系)
在数据模型中,表被分类为两种:
1、事实表(fact table ):记录业务真实发生的过程,通过字段可以看出“订单表”记录了业务发生过程,也是本次分析的主体,记录表就是事实表;
2、维度表 (Dimension table ):分析事实表的角度。
在Power BI 中数据建模就是建立表与表之间的关系,关系是通过表与表之间相同的字段建立起来的索引,就像书中的目录,可以通过目录找到的指定的内容或是地点。如:订单表与客户表是通过客户ID字段建立了关系,进一步说是客户表对订单表建立了一对多的查询关系,值得注意的是,维度表与事实表建立关系最好是单向的、一对多关系,而不是双向的、多对多关系,因为,双向与多对多增加了模型的复杂性和关系传递的多路径,会导致“筛选”计算子集出现错误。
(三)图形草稿及需要构件
佐罗老师已经给了图例,按图制做就可以。
补充一下:在写销售占比 度量值时,考虑到环境以外的上下文环境时,才意识到,自己对案例框架并没有清晰的了解,也低估了“全动态”三个字的真正含义。还是需要用图的方式来进一步说明如何“全动态”!
ABC分析受到所有外部筛选环境的影响:
1、右侧字段共享轴是由左侧分析元素决定的,分析元素是一个变量,元素类型包括:省份、行业、职业和产品四类,当选择其中一个元素名称时,则共享轴依据元素类型控制元素名称所变化,如:此时元素类型为省份,在ABC矩阵中则显示的是各个省份的帕累托图形;
2、图中标注2的筛选条件,仍然对ABC矩阵有筛选作用,如,在地区中选择东北,ACB矩阵只会显示东北省份的数据;
3、图中标注3的筛选条件,是对分析指标的筛选,此时,是对销售额的筛选,也可以切换为 利润和订单数量的分析,分析的结果会显示在ABC矩阵分析图中。
细思极恐!!!
未完,待续……
pbi中可视化数据汇总不等于数据表格里原因数据可视化的意义是帮助人更好的分析数据,信息的质量很大程度上依赖于其表达方式。
对数字罗列所组成的数据中所包含的意义进行分析,使分析结果可视化。其实数据可视化的本质就是视觉对话。数据可视化将技术与艺术完美结合,借助图形化的手段,清晰有效地传达与沟通信息。
在生活中:
表格应用于各种软件中,有表格应用软件也有表格控件,典型的像Office Word,Excel, 表格是最常用的数据处理方式之一,主要用于输入、输出、显示、处理和打印数据,可以制作各种复杂的表格文档,甚至能帮助用户进行复杂的统计运算和图表化展示等。
表格控件还可常用于数据库中数据的呈现和编辑、数据录入界面设计、数据交换(如与Excel交换数据)、数据报表及分发等。比如Spread,ComponentOne的FlexGrid。
欢迎分享,转载请注明来源:内存溢出
评论列表(0条)