商业数据分析工具「电商数据分析讲解」

互联网 2023-04-08 16:03:32

今天给大家普及一下商业数据分析工具「电商数据分析讲解」相关知识,最近很多在问商业数据分析工具「电商数据分析讲解」,希望能帮助到您。

加voommvoomm代做。

先看下效果,搞的一个电商销售数据的分析看板,主要是动态ABC的运用,可以动态切片。

订单表如下。

三张关联表(产品表、城市表、客户表),先联立模型,均与销售订单表建立一对多的关系。

做BI大屏,最核心的是要想清楚大屏作用,本次大屏作用如下:

找出贡献收入以及贡献毛利的关键产品,并从时间、渠道、城市三个维度查看这些产品的表现情况,最后在电商网站上做重点推广。

下一步就是找方法做问题解构:

找关键产品,自然能联想到二八原则、ABC方法、帕累托分析。本次我们选择ABC,对产品进行分组,再从各种角度探索。

先创建计算列,匹配产品表的产品名称。

产品名称 = LOOKUPVALUE('产品表'[产品名称],'产品表'[产品ID ],'销售订单表'[产品ID])

因为是要按照不同维度实现动态ABC,所以肯定要写DAX实现,因为计算列无法实现动态切换效果。

接下来对照EXCEL报表实现方法,梳理下动态ABC的思路:

1、按照产品销售额进行排序

2、对产品销售额从上到下进行累加,计算累积数

3、A类为累积销售额的前百分之80,B类为前80%-90%,C类为90%-100%,就是要计算累积销售额的占比

先建立些基础度量值。

销售额 = sum('销售订单表'[销售收入])销量累计 = sum('销售订单表'[数量]) 平均单价 = [销售额]/[销量累计]商品品类数量 = distinctcount('销售订单表'[产品名称])成本累计 = sum('销售订单表'[成本])利润率 = ([销售额]-[成本累计])/[销售额]

按照上面的思路,有了销售额之后,来计算销售额排序后从高到低的累积销售额。在DAX中从高到低排序累加求和就是直接筛选出比当前值更大的进行累加操作。其实就是一句话思路就出来了,筛选所有产品中销售额大于当前销售额的其他数据进行求和:筛选filter,所有产品all,大于就是进行比较>,当前销售额,用var定义。

累计销售额 = var sales =[销售额]return calculate([销售额],filter(ADDCOLUMNS(all('销售订单表'[产品名称]),"销售额2",[销售额]),[销售额2]>sales))

累计销售额出来之后,累计收入占比也出来了。

累计收入占比 = var sales =[销售额]var accumulatedsales = calculate([销售额], filter(ADDCOLUMNS(all('销售订单表'[产品名称]),"销售额2",[销售额]) ,[销售额2]>sales))var sales_all = CALCULATE([销售额],all('销售订单表'[产品名称]))return pide(accumulatedsales,sales_all)

既然是动态,那就是要创建参数了,创建两个参数。

A类参数 = GENERATESERIES(0, 1, 0.1)B类参数 = GENERATESERIES(0, 1, 0.1)

接下来分别计算ABC类的商品数量与销售额。

A类销售额 = CALCULATE([销售额],filter(values('销售订单表'[产品名称]),[累计收入占比]<=[A])) A类商品数量 = CALCULATE([商品品类数量],filter(values('销售订单表'[产品名称]),[累计收入占比]<=[A])) B类销售额 = CALCULATE([销售额],filter(values('销售订单表'[产品名称]),[累计收入占比]>=[A]&&[累计收入占比]<=[B])) B类商品数量 = CALCULATE([商品品类数量],filter(values('销售订单表'[产品名称]),[累计收入占比]>=[A]&&[累计收入占比]<=[B])) C类销售额 = CALCULATE([销售额],filter(values('销售订单表'[产品名称]),[累计收入占比]>=[B])) C类商品数量 = CALCULATE([商品品类数量],filter(values('销售订单表'[产品名称]),[累计收入占比]>=[B]))

所有度量值就建完了,剩下的就是拖拉拽了。

一个关键要素就是为了让ABC单独展示,这里需要在筛选器里定义好,比如A类,直接在这里定义大于90%以上的商品。

上述方法其实就是动态切片分析的核心思想,把上下文搞清楚了,就是按照思路一步一步来就好了。

其实除了这道题本身的价值以外,更重要的是这道题的解法拓展:用户画像的BI实现!如对用户、供应商、部门等等打标签,这一般是搞数仓的时候工程师做的。但是有了上述解法,就可以在BI里构造标签,实现标签复用,如对客户分为首次客户、首年客户、忠诚客户,然后再把这些构造好的标签用在其它分析上,有空了再来实操。

最后总结下以上方法作用:

1、动态ABC分群分组,找出关键贡献者2、用户画像BI解法的核心思路,实现标签复用