一、趋势分析
分析维度:时间(年份,月份)
数据收集:时间表、产品分类表、销售记录表
数据建模:
时间表-日期——销售记录-下单日期
产品分类-产品ID——销售记录-产品ID
由于日期表中的月份列为文本型,因此为了使坐标轴中的日期按正常时间顺序排列,可以使用month函数从日期中提取一列月份列作为辅助列
如果不想要把添加的辅助列展示出来,可以选中该列,然后右键单击,选择从客户端中隐藏
辅助列月=MONTH('时间表'[日期])
数据指标:销售总金额、销售数量、订单数量、客户数量
销售总金额:=SUM([金额])
销售数量:=SUM([数量])
订单数量:=DISTINCTCOUNT([订单编号])
已购买客户数量:=DISTINCTCOUNT([客户ID])
可视化呈现:
Power bi可视化-折线图
二、年度增长分析
1、分析维度:产品维度
数据指标:2018销售总金额、2019销售总金额、年度增长YOY
2018年销售总金额:=CALCULATE([销售总金额],'时间表'[年份]="2018年")
2019年销售总金额:=CALCULATE([销售总金额],'时间表'[年份]="2019年")
年度增长率YOY:=DIVIDE([2019年销售总金额]-[2018年销售总金额],[2018年销售总金额])
可视化呈现:
2、分析维度:时间维度
同环比设置:
- 在数据透视表的值字段再次添加【销售总金额】,值字段显示设置差异百分比,分别设置同比和环比
- 在设置之前需要有年份和月份作为维度
可视化呈现:
三、产品分析
分析维度:产品维度
数据指标:销售总金额、销售数量、订单数量、客户数量、平均购买金额
分析方法:8020法则:80%的销售额来自于20%的产品
值字段设置:父行汇总的百分比
可视化呈现:
Power BI可视化:词云图,条形图
四、客户分析
可以根据客户的购买数量对它进行分组,可以分为未购买客户、一次购买客户、多次购买客户等,也可能是根据他的购买金额,分成大客户、中客户和小客户等,在此按照客户的购买次数分组
数据收集:客户表
数据建模:客户表-客户ID——销售记录-客户ID
分析维度:客户维度——未购买、一次购买、多次购买
数据分析计算:
由于客户表和销售记录表是一对多的关系,所以可以直接在客户表中引用多端的度量值,在客户表中增加订单数量列:订单数量2=[订单数量],然后利用if进行条件判断:客户分组=IF('客户表'[订单数量2]=1,"一次购买客户",IF('客户表'[订单数量2]>=2,"多次购买客户","未购买客户"))
数据指标:销售总金额、销售数量、订单数量
可视化呈现:
五、区域分析
分析维度:区域、省份
数据指标:销售总金额、销售数量、订单数量、客户数量、客户渗透率
数据建模:省份区域表-省份——销售记录-客户省份
由于客户表中也存在着客户省份多端,因此可以和省份区域表建立联系,该关系模型可以简化为省份区域表(省份)——客户表(客户省份)/(客户ID)——销售记录表(客户ID)
数据指标:客户渗透率
客户渗透率:=DIVIDE([已购买客户数量],[客户数量])
可视化呈现:
注意:这里在客户表和销售记录表中分别计算了客户渗透率度量值
-
当拉取了产品表的切片,会发现其能控制销售记录表的客户渗透率,但不能控制客户表中的客户渗透率,因为产品表与客户表没有关系
-
解决方案:要么找关系,要么考虑是否将度量值计算于通用的多表上(即销售记录表),要么就不要放这个切片器
Power BI可视化:点地图,堆积条形图
六、任务额完成率分析
数据收集:销售人员架构表、销售人员任务额表
数据建模:
销售人员构架表-销售ID——客户表-销售ID
销售人员构架表-销售ID——销售人员任务额-销售代表ID
实际情况下:每个销售人员都有每月的任务指标,那是否可以利用日期维度对任务额进行分析,即日期表控制任务额表。利用表中现有的月份列,通过date函数建立辅助列日期,构建时间表-日期——销售人员任务额-辅助列日期
辅助列日期:=DATE(2019,'销售人员任务额'[月份],1)
数据指标:任务额完成率
数据分析计算:
销售人员总任务额:=SUM([任务额])
任务额完成率:=DIVIDE([2019年销售总金额],[销售人员总任务额])
添加KPI的方法: