深入浅出 DAX:数据分析
01、区间分析
1. 数据区间分析
在 Power BI 中,选择“主页”→“输入数据”,创建“区间辅助表”,如图 1 所示。
■ 图 1 区间辅助表
创建度量值 M.区间次数,表达式如下:
在可视化区域选择“表”,将区间辅助表的区间、起始值、结束值及度量值 M.区间次数拖入“值”区域。相关设置及返回的值如图 2 所示。
■ 图 2 统计入库量在各所属区间内出现的次数
2. 频次分析
采用 DATATABLE()函数,创建频次表,表达式如下:
返回的值如图 3 所示。
■ 图 3 频次表
在 Power BI 中,选择“主页”→“Excel 工作簿”,打开“D:\深入浅出 DAX\2 数据源\DEMO.xlsx”,在导航器中选择订单及日期表,单击“加载”按钮。创建度量值 M.订单次数,表达式如下:
在可视化区域选择“表”,将频次表中的频次及度量值 M.订单次数拖入“值”区域。返回的值如图 4 所示。
如需加入'日期'[日期]为切片器,只需将度量值 M.订单次数中的注释符号(表达式中语句前面的--)取消。
02、ABC 分析
ABC 分析起源于 80/20 分析,在质量管理、库存管理等方面应用较为广泛。ABC 分析是一种分类管理技术,将对象划分为重要的 A 类、一般的 B 类及不重要的 C 类。
1. 动态 ABC 分析(一)
新建静态 ABC 表,表达式如下:
在静态 ABC 表中,新建计算列累计值、累计百分比、ABC 分类,表达式如下:
返回的值如图 5 所示。
■ 图 5 在表中新增 3 列
创建度量值 M.数量和、M.ABC 识别,表达式如下:
在可视化区域,选择“折线和簇状柱形图”,相关设置如图 6 所示。
■ 图 6 添加与设置视觉对象(1)
返回的值如图 7 所示。
■ 图 7 添加与设置视觉对象(2)
2. 动态 ABC 分析(二)
在运单表中创建计算列列.年,表达式如下:
在静态 ABC 表中,增加'运单'[运.年]。表达式如下:
创建度量值 M.累计百分比,表达式如下:
将图 7-的“折线和簇状柱形图”中的“行值”更换为度量值 M.累计百分比。在可视化区域新增两个切片器,“字段”分别为静态 ABC 表中的运.年、包装方式。相关设置及返回值如图 8 所示。
■ 图 8 添加与设置视觉对象(3)
选择切片器,返回的值如图 9 所示。
■ 图 9 添加与设置视觉对象(4)
03、RFM 分析
RFM 模型是衡量客户价值和客户创造利益能力的重要工具和手段,RFM 是最近一次消费时间间隔(Recency),消费频率(Frequency)、消费金额(Monetary)三个指标首字母组合,其中,R 值具备望小特性,F 值和 M 值为具备望大特性,即 R 值越小越好而 F 值和 M 值则是越大越好。
1. 模型设计
在管理过程中,对 R、F、M 这三个因子进行高低二水平的全因子组合设计,则 2k 全因子组合设计后可形成 8 种(23=8)组合方案。若对其中的低水平用 1 表示、高水平用 2 表示,则组合设计后的 RFM 客户价值分析模型见表 1。
■ 表 1 RFM 价值分析模型
R 值的高、低水平的判定逻辑与计算顺序:
(1)用事实表中的最大日期与该客户的最近活跃日期相比较,获取日期的间隔天数。
(2)将所有客户的日期间隔天数进行求平均,得到事实表中 R 值的整体平均值。
(3)以整体均值为依据,对各客户的间隔天数进行 1(低水平)2(高水平)代码化。
采用类似的方法对 F 值及 M 值代码化,然后将代码化的 R 值、F 值、M 值进行组合,最终形成类似 222、212 这样的 RFM 组合码,由此得到该客户的价值分类,其中,M 代码为 2 的为重要客户,否则为一般客户。RF 组合码为 22 的属价值客户,RF 组合码为 11 的属已流失客户。RF 组合码为 21 的需深耕以提高其消费频率的客户;RF 组合码为 12 的属近期无交易需唤回以继续消费的客户。
2. 数据准备
在 Power BI 中,通过“主页”→“Excel 工作簿”,将 DEMO.xlsx 中的订单、运单、RFM 表进行加载并在订单表与运单表中创建关联,主键是订单表的运单编号,外键是运单表的运单编号。由于模型中无客户字段,现暂以订单表中的“订单来源”字段比拟客户进行 RFM 分析。相关数据模型与表格如图 10 所示。
■ 图 10 RFM 数据模型
3. 计算 R 值
计算各客户最近活跃日的间隔天数,表达式如下:
计算 R 值的整体平均值,表达式如下:
对 R 值的高低水平代码化,表达式如下:
4. 计算 F 值
计算各客户最近活跃的频率数,表达式如下:
计算 F 值的整体平均值,表达式如下:
对 F 值的高低水平代码化,表达式如下:
5. 计算 M 值
计算各客户最近活跃的数量额,表达式如下:
计算 M 值的整体平均值,表达式如下:
对 M 值的高低水平代码化,表达式如下:
6. RFM 客户价值归类
对客户的 RFM 价值进行归类。
7. RFM 客户价值分析
创建表,对客户进价价值分析。
返回的值如图 11 所示。
■ 图 12 RFM 客户价值分析
8. 可视化分析
创建度量值 M.RFM 订单来源,表达式如下:
在 Power BI 可视化区域,单击矩阵图。将 RFM 客户价值分析表中的客户类型拖入“行”区域,勾选度量值 M.RFM 订单来源。相关设置及返回的值如图 13 所示。
■ 图 13 视觉对象设置及返回的值
版权声明: 本文为 InfoQ 作者【TiAmo】的原创文章。
原文链接:【http://xie.infoq.cn/article/86dc3aca9a79a63d4cea338bb】。文章转载请联系作者。
评论