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。
有能力爱自己，有余力爱别人！ 2022-06-16 加入
CSDN全栈领域优质创作者，万粉博主；阿里云专家博主、星级博主、技术博主、阿里云问答官，阿里云MVP；华为云享专家；华为Iot专家；
评论