f分布表完整图a=0.025_第7章 分布分析

分布分析用于展现同一维度下不同个体的分布情况。例如,散点图、直方图就是分布分析的普遍应用。

本章内容涵盖次数分布分析、时间分布分析、合计百分比分布分析等案例。

---

7.1 次数分布分析

商业场景:

本节案例为分析客户购买次数分布,主要目的在于找出一段时间范围内客户

购买的规律。

图71.1所示为依据客户D统计客户购买次数的分布情况。结果呈现正态分布,

即大部分客户的购买次数为5~7次,分析师可进一步分析这组客户的用户特征,获取更有价值的洞察。

可视化: 柱形图

数据源：示例-超市（订单）

新建表：

客户表 = VALUES('订单'[客户 ID]) //返回以客户ID为唯一值的一张表，要建立连接

新建列：

客户表中：

购买次数 = CALCULATE(DISTINCTCOUNT('订单'[订单 ID]))

新建度量值：

客户不重复计数 = DISTINCTCOUNT('客户表'[客户 ID])

---

7.2 时间分布分析

商业场景:客户二次购买时间分布分析,用于分析新用户在初次购买后,会在多久发生第二次购买。

如图7.2.1所示,在2015年的第2季度获得的新客户中,有38人在1个季度后会进行第二次购买,矩形的颜色越深,意味着客户数量越密集。

通过分析客户二次购买的时间分布规律,可以为不同客户群提供不同的销售策略,以少流失客户的可能性。

可视化: 矩阵图（Matrix）与表格不同的是,矩阵图的横坐标轴和纵坐标轴都可

设置为维度,横坐标和纵坐标交叉处为矩阵点,可用颜色进行标记,如图7.2.1所示。

数据源：示例-超市

新建表：

客户表 = VALUES('订单'[客户 ID]) //注意要建立连接

新建列：

最初购买日期 = CALCULATE(MIN('订单'[订单日期]))

购买次数 = CALCULATE(DISTINCTCOUNT('订单'[订单 ID]))

第二次购买日期 = CALCULATE( MINX(EXCEPT(VALUES('订单'[订单日期]),VALUES('客户表'[最初购买日期])),[订单日期]))

新建度量值：

客户不重复计数 = DISTINCTCOUNT('客户表'[客户 ID])

客户表

条件格式中高级控件

---

7.3 合计百分比分布分析

商业场景:本节案例为7.1节的案例的延伸。

分析客户购买次数,仅仅是客户分析的开始。在实际中仍然需要继续细化分析。

例如得出不同购买次数的客户数在总客户数中的占比。

如图73.1所示,这里统计了客户的购买平均次数(比如统计平均每季度购买一次的客户数,平均每两季度购买一次的客户数等),并计算出相应的客户数在总客户数中的占比。

可视化: 柱形图

数据源：示例-超市

新建表：

客户表 = VALUES('订单'[客户 ID]) //注意要建立连接

新建列：

最初购买日期 = CALCULATE(MIN('订单'[订单日期]))

购买次数 = CALCULATE(DISTINCTCOUNT('订单'[订单 ID]))

第二次购买日期 = CALCULATE( MINX(EXCEPT(VALUES('订单'[订单日期]),VALUES('客户表'[最初购买日期])),[订单日期]))

二次购买日期（季度） = DATEDIFF([最初购买日期],[第二次购买日期],QUARTER)

末次购买日期 = CALCULATE(MAX('订单'[订单日期]))

客户成长期（季度） = DATEDIFF([最初购买日期],[末次购买日期],QUARTER)

购买平均次数（箱） = ROUND('客户表'[客户成长期（季度）]/[购买次数],0)

购买平均次数 = '客户表'[客户成长期（季度）]/[购买次数]

新建度量值：

客户不重复计数 = DISTINCTCOUNT('客户表'[客户 ID])

全体购买平均次数 = AVERAGEX(ALLSELECTED('客户表'),[购买平均次数])

与平均值差 = AVERAGE('客户表'[购买平均次数（箱）]) - [全体购买平均次数]

下拉箭头计算百分比

---

7.4 静态象限图分析

商业场景:很少用到，

可视化: 【Quadrant Chart by MAQ Software】

数据源：2019GartnerBI魔力象限.xlsx

---

7.5 动态象限图分析(略)

---

7.6 帕累托分析

商业场景:

帕累托分析的原理就是我们日常所说的“80/20”原则,比如企业中80%的

利润来自20%的商品销售;反之,80%的商品创造了20%的利润。

帕累托分析有助于让企业关注利润价值高的商品,同时减少利润少的商品,提升企业的总体利润。

本节使用帕累托分析洞察商品与利润之间的关联。

可视化:

帕累托图( Plato Chart )。帕累托图用于显示合计百分比的分析结果。

在本节实例中,主要计算包含两个维度的合计百分比:产品数量合计百分比和产品利润合计百分比。

数据源：示例-超市

新建表：（注意：关联）

子类别表 = VALUES('订单'[子类别])

新建列：

利润 = CALCULATE([利润求和])

利润排名 = COUNTROWS(FILTER(ALL('子类别表'),EARLIER('子类别表'[利润])<=[利润]))

合计利润 = SUMX(FILTER(ALL('子类别表'),EARLIER('子类别表'[利润])<=[利润]),[利润])

合计利润百分比% = [合计利润]/SUM('订单'[利润])

子类别个数汇总百分比 = [利润排名]/COUNTA('子类别表'[子类别])

新建度量值：

利润求和 = SUM('订单'[利润])

注意：

因为产品过多，所以取掉一些后面的产品。创建子类表再关联。

我使用计算列，避开复杂的度量值计算

完整的帕累托分析