Power BI零售数据分析实战_郑志刚_AZW3_MOBI_EPUB_电子书(无页码)_郑志刚

内容节选

第5章区域分析 区域分析场景分为两个页面:区域结构分析和门店销售排名。区域结构分析主要从组织结构角度对比各个核心指标在各区域的销售表现,帮助决策者快速找到业绩指标相对落后的区域,并可层层下钻进行深入分析。同时通过帕累托图快速锁定重点城市,优化资源配置,提升管理效率。区域结构分析页面可视化展示如图5-1所示。 图5-1 区域结构分析页面可视化展示 门店销售排名分析聚焦单店销售对比。页面中提供基础的门店销售业绩排名,通过筛选时间区间,可以查看各关键时间区间的门店销售排名;通过筛选区域、省份,可以查看细分区域内的门店销售排名;通过筛选品类,可以查看某一个品类的门店销售排名。这可满足决策者对于各场景下的排名需求。针对单个门店,不仅可以显示其排名和销售业绩,单击具体门店名称还可联动右侧的产品销售明细。对于排名靠前的门店,可以知道卖的是什么季节、哪些品类的产品,是新品还是老品,哪些产品卖得比较好。这些信息对于其他门店,尤其是地理位置接近的门店,有很大的参考价值。如图5-2所示,当前时间区间为“昨日”,区域为“营销二区”的“湖北省”,可以看到昨日湖北省的门店销售排名以及销量构成情况。对于卖得好的品类,比如连衣裙和半身裙,及排名靠前的单品,可以给区域内其他门店提供参考,增大其销售成功概率。 图5-2 门店销售排名页面可视化展示 5.1 核心指标区域结构分析 核心指标区域结构对比图简洁、信息量很大。在指标维度,可以动态筛选与门店经营相关的8个核心指标;在时间维度,可以动态筛选7个重要的关键时间区间。通过动态指标和动态时间区间的组合,决策者可以快速获取任意关键时间区间,核心指标在各个区域的销售表现。对于指标异常的区域可下钻进行深入分析。核心指标区域结构对比如图5-3所示。 图5-3 核心指标区域结构对比图 5.1.1 各时间区间基础度量值书写 本章的核心指标区域对比分析以及帕累托分析都是基于几个关键时间区间进行分析的。其中,“昨日”“本周至今”“本月至今”“本年至今”是与绩效考核、日常经营管理高度相关的时间区间;“最近7日”“最近30日”“最近1年”则是用于辅助决策的时间区间。 以销售额为例,上述时间区间的度量值书写如下。 “Controller”表中的度量值 昨日 销售额= CALCULATE ( [Core销售额], FILTER ( ALL ( 'Model-Dimdates' ), 'Model-Dimdates'[日期]=[最后报表日期] ) ) 本周至今 销售额= CALCULATE ( [Core销售额], FILTER ( ALL ( 'Model-Dimdates' ), 'Model-Dimdates'[年份周数] =YEAR ( [最后报表日期] ) * 100+WEEKNUM ( [最后报表日期], 2 ) ) ) 本月至今 销售额= CALCULATE ( [Core销售额], FILTER ( ALL ( 'Model-Dimdates' ), 'Model-Dimdates'[年月] =YEAR ( [最后报表日期] ) * 100+MONTH ( [最后报表日期] ) ) ) 本年至今 销售额= CALCULATE ( [Core销售额], FILTER ( ALL ( 'Model-Dimdates' ), 'Model-Dimdates'[年]=YEAR ( [最后报表日期] ) ) ) 以上4个度量值写法思路一致,均使用FILTER+ALL的模式。ALL函数忽略外部筛选上下文对日期表的筛选,返回日期表的所有行,FILTER函数在包含所有日期的表中逐行扫描,筛选出度量值[最后报表日期]所在的日、周、月、年等时间区间,最终在这些筛选时间区间计算销售额。 “Controller”表中的度量值 最近7日 销售额= CALCULATE ( [Core销售额], DATESINPERIOD ( 'Model-Dimdates'[日期], [最后报表日期], -7, DAY ) ) 最近30日 销售额= CALCULATE ( [Core销售额], DATESINPERIOD ( 'Model-Dimdates'[日期], [最后报表日期], -30, DAY ) ) 最近1年 销售额= CALCULATE ( [Core销售额], DATESINPERIOD ( 'Model-Dimdates'[日期], [最后报表日期], -1, YEAR ) ) 以上3个度量值用于计算最近N日或最近1年的销售额,使用时间智能函数DATESINPERIOD,构造以[最后报表日期]为基准日,往前移动N日或1年的时间区间,并计算该时间区间的销售额。 以上是各时间区间本期度量值的写法,同期度量值书写如下。 “Controller”表中的度量......

  1. 信息
  2. 内容提要
  3. 推荐序1
  4. 推荐序2
  5. 自序
  6. 前言
  7. 资源与支持
  8. 第1章 零售数据分析概述
  9. 第2章 Power BI数据分析流程
  10. 第3章 零售数据模型介绍
  11. 第4章 经营概况
  12. 第5章 区域分析
  13. 第6章 单店分析
  14. 第7章 开关店分析
  15. 第8章 销售预测
  16. 第9章 商品概述
  17. 第10章 新品入库及发放
  18. 第11章 新品销售
  19. 第12章 品类关联分析
  20. 第13章 会员结构
  21. 第14章 新增及复购
  22. 第15章 会员转化
  23. 第16章 RFM模型