帕累托分析中的累计优化

最新推荐文章于 2024-06-02 18:38:58 发布

PowerBI木小桼

最新推荐文章于 2024-06-02 18:38:58 发布

阅读量1.3k

点赞数 1

分类专栏： PowerBI 文章标签：数据分析 powerbi

本文链接：https://blog.csdn.net/bluefire5/article/details/126199000

版权

本文介绍了帕累托分析（ABC分析）的应用，并探讨了在计算累计值时可能出现的问题及其优化方法。通过逐行累计和优化算法，解决了相同销售额商品分类不一致及累计曲线不平滑的问题。同时，提出了确保最大销售额商品归为A类的策略，以提高分析的准确性。

摘要由CSDN通过智能技术生成

帕累托分析又称ABC分析，也许有些人是第一次听到这样的叫法，实际它就在我们的身边。比如世界上百分之九十的财富掌握在十个人手里；头部商品占了公司80%的营业额；项目中应该把80%的时间投入到那80%重要的20%的事情中去。

回到主题，今天，要介绍的是在实际业务中计算ABC分类时累计值应该怎么算。为了方便看出效果，模拟数据比较简单

为了方便调整ABC的分类的阈值，这里也创建了一个参数

对应的A的值和B的值如下：

A范围 = MIN( 'ABC参数'[ABC参数] ) * 0.01

B范围 = MAX( 'ABC参数'[ABC参数] ) * 0.01

基础度量如下

销售 = SUM('销售表'[销售])

我们最常见的计算累计的思路也很简单，销售大于等于当前产品销售的所有产品的累计销售额

累计销售 = 
VAR cursales=[销售]
RETURN  
CALCULATE (
    [销售],
    FILTER (
        ALL ('销售表'),
        '销售表'[销售] >= cursales
    )
)

计算累计占比就更简单了&#

关注

专栏目录