Power BI企业运营分析——购物篮分析
Power BI企业运营分析——购物篮分析
欢迎来到Powerbi小课堂，在竞争激烈的市场环境中，企业运营分析平台成为提升竞争力的核心工具。借助多源数据的整合与关键指标的实时监控，该平台犹如企业的智慧之眼，能够精确剖析业务现状，迅速捕捉机遇与挑战。
其可视化看板和智能预警功能，帮助管理者直观掌握运营动态，优化资源分配；而深度分析模块则能挖掘潜在趋势，支撑战略决策。无论是致力于降本增效、风险管控的稳健前行，还是积极寻求市场拓展的锐意进取，该平台都能以数据为翼，助力企业翱翔于精细化运营与可持续增长的蓝天。
本期课程我们依然将重点放到整合前期分散知识点，帮助您建立清晰的模板搭建思路，本节课程涵盖购物篮分析、关联最优组合推荐，本节课程重点关联指标计算及动态切换分析方法，难度已经增加，跟紧脚步不要掉队哦。
想要一份这样的可视化看板吗？想学吗？我教你呀！
一、案例背景：
我司作为国内一家大型服装电商企业，业务范围涵盖男装、女装、童装和配饰。当前，我们正全力打造企业运营分析系统，该系统旨在借助先进技术手段，实现业绩的稳步增长、指标的全面监控、绩效考核的精准实施、客户关系的深度维护与开发，以及企业发展的科学预测。通过促进数据的无缝共享与流程的不断优化，我们将进一步提升决策效率与运营效率，优化资源配置结构，加强风险控制能力，为企业的长远发展注入强劲动力。
二、设计思路：
通过财务、产品、客户、盈亏预测精准掌控企业发展方向，建立科学的考核机制，并通过控制变动成本，优化企业盈利。
（1）准备基础数据
（2）数据清洗
（3）建立关系视图
（4）个性美化设计
（5）数据建模（度量值）
（6）制作可视化报告
2.1准备基础数据
将维度产品表引用一份
公式：
维度-产品切片器 = '维度-产品'2.3建立关系视图
将维度-产品表产品ID、维度-产品切片器表产品ID与事实-订单表产品ID建立关系，其中维度-产品切片器表产品ID与事实-订单表产品ID关系选择不可用
2.5数据建模
2.5.1、分析方法表建立
公式：
购物篮分析维度 =
DATATABLE(
"分析维度", STRING , "序号" , INTEGER , { { "购买AB销售额" , 1 } ,{ "购买AB客户数" , 2 }}
)购物篮算法 = DATATABLE( "算法" , STRING , "序" , INTEGER ,
• {
• { "客户置信度" , 4 } ,
• { "业绩置信度" , 3 } ,
• { "关联客户数" , 2 } ,
• { "关联销售额" , 1 }
• })公式逻辑解析：DATATABLE函数,用于手动创建一个内存中的静态表，无需连接外部数据源。
语法：
DATATABLE(
列名1, 数据类型1, 列名2, 数据类型2, ..., {{`行`1`数据`},{行2数据},...})定义了两列：
分析方法：文本类型（STRING），描述购物篮分析的具体方法。
序号：整数类型（INTEGER），标识方法的顺序。
2.5.2 度量值建立
公式：
判断是否重复 = IF( SELECTEDVALUE( '维度-产品'[子类别] ) = SELECTEDVALUE( '维度-产品切片器'[子类别] ) , 1 , 0 )公式逻辑解析：公式比较这两个SELECTEDVALUE返回的值是否相等
公式：
购买A产品客户数 =
VARA = CALCULATE( [客户数量] , USERELATIONSHIP( '维度-产品切片器'[产品ID] , '事实-订单表'[产品ID]) , ALL( '维度-产品' ))
RETURN
IF ( [判断是否重复] = 1 , BLANK() , A )购买A产品销售额 =
VARA = CALCULATE( [销售金额] , USERELATIONSHIP( '维度-产品切片器'[产品ID] , '事实-订单表'[产品ID]) , ALL( '维度-产品' ))
RETURN
IF ( [判断是否重复] = 1 , BLANK() , A )公式逻辑解析：
VAR A = CALCULATE(...)
[客户数量]：这是一个预先定义的度量值，计算客户数量。
USERELATIONSHIP：
临时激活 '维度-产品切片器'[产品ID] 和 '事实-订单表'[产品ID] 之间的关系（即使它们原本没有直接关系）。
这样，计算 [客户数量] 时会基于 '维度-产品切片器' 的选择来筛选订单数据。
ALL( '维度-产品' )：
移除 '维度-产品' 表的所有筛选条件，确保计算不受当前产品筛选的影响。
VAR A 计算的是：
在 '维度-产品切片器' 选中的产品（A产品）的订单中，有多少不同的客户购买过该产品。
RETURN IF( [判断是否重复] = 1, BLANK(), A )
[判断是否重复] 是另一个度量值，用于检查当前行（或筛选上下文）的产品是否与 '维度-产品切片器' 选中的产品相同。
如果 [判断是否重复] = 1（即当前产品 = A产品），则返回 BLANK()（不显示）。
否则，返回 A（即购买A产品的客户数）。
→ 逻辑目的：
避免在报表中重复显示当前产品的客户数（因为可能已经有其他列显示该数据）。
仅显示 非当前产品 的客户购买A产品的情况。
公式：
购买B产品客户数 = IF([判断是否重复]=1, BLANK(),CALCULATE(
• [客户数量],
• KEEPFILTERS('维度-产品') ))购买B产品销售额 = IF([判断是否重复]=1, BLANK(),CALCULATE(
• [销售金额],
• KEEPFILTERS('维度-产品')))公式逻辑解析：
(1)[判断是否重复] = 1
[判断是否重复] 是一个预先定义的度量值，用于检查当前行（或筛选上下文）的产品是否与某个特定产品（如B产品）相同。
如果 =1，表示当前产品 就是B产品。
如果 ≠1，表示当前产品 不是B产品。
(2) IF([判断是否重复]=1, BLANK(), ...)
如果当前产品是B产品（[判断是否重复]=1），则返回 BLANK()（即不显示）。
否则（当前产品不是B产品），执行 CALCULATE(...) 计算销售额。
(3) CALCULATE([销售金额], KEEPFILTERS('维度-产品'))
[销售金额]：这是一个预定义的度量值，用于计算具体的销售额。
KEEPFILTERS('维度-产品')：
通常情况下，CALCULATE 会覆盖现有筛选条件，但 KEEPFILTERS 会 保留当前对 '维度-产品' 的筛选。
这意味着在计算 [销售金额] 时，结果仍然会受到当前产品筛选条件的限制，即仅计算符合当前筛选条件的产品销售额。
2.5.3逻辑总结
如果当前行是B产品（[判断是否重复]=1）：
返回 BLANK()（不显示），避免重复计算。
如果当前行不是B产品：
计算 当前产品 的销售额（[销售金额]），并保留当前产品的筛选。
公式：
关联客户数 =
VARCustomersA = CALCULATETABLE(
• SUMMARIZE('事实-订单表', '事实-订单表'[客户ID]),
• USERELATIONSHIP('维度-产品切片器'[产品ID], '事实-订单表'[产品ID]),
• ALL('维度-产品'))
VARCustomersB = CALCULATETABLE(
• SUMMARIZE('事实-订单表', '事实-订单表'[客户ID]),
• KEEPFILTERS('维度-产品'))
RETURN
IF([判断是否重复]=1 || ISEMPTY(CustomersA) || ISEMPTY(CustomersB),BLANK(),COUNTROWS(INTERSECT(CustomersA, CustomersB))
)公式逻辑解析：
这个DAX公式 关联客户数 用于计算同时购买了两种产品（A产品和B产品）的客户数量，其中A产品由切片器选择，B产品由当前行决定。以下是详细解析：
(1) VAR CustomersA
作用：获取购买了 A产品（由切片器选择） 的所有客户列表。
逻辑：
SUMMARIZE('事实-订单表', '事实-订单表'[客户ID])：提取订单表中唯一的客户ID。
USERELATIONSHIP('维度-产品切片器'[产品ID], '事实-订单表'[产品ID])：临时激活切片器产品与订单表的关系。
ALL('维度-产品')：忽略当前产品筛选，确保计算基于切片器的选择。
(2) VAR CustomersB
作用：获取当前行产品（B产品）的所有客户列表。
逻辑：
SUMMARIZE('事实-订单表', '事实-订单表'[客户ID])：提取订单表中唯一的客户ID。
KEEPFILTERS('维度-产品')：保留当前行产品的筛选，仅计算当前产品的客户。
(3) RETURN IF(...)
条件判断：
[判断是否重复]=1：如果当前行产品 = A产品（切片器选择的产品），则跳过。
ISEMPTY(CustomersA)：如果A产品没有客户购买，则跳过。
ISEMPTY(CustomersB)：如果B产品（当前行产品）没有客户购买，则跳过。
返回值：
如果满足上述任一条件，返回 BLANK()。
否则，计算 CustomersA 和 CustomersB 的交集（即同时购买A和B的客户数），并返回其数量。
公式：
关联销售额 =
VARSelectedProduct = SELECTEDVALUE('维度-产品切片器'[产品ID])
VAROrdersWithA = CALCULATETABLE(
• VALUES('事实-订单表'[客户ID]),
• USERELATIONSHIP('维度-产品切片器'[产品ID], '事实-订单表'[产品ID]),
• ALL('维度-产品'))
RETURN
IF([判断是否重复]=1,BLANK(),CALCULATE(
• [销售金额],
• TREATAS(VALUES('维度-产品'[产品ID]), '事实-订单表'[产品ID]),
• OrdersWithA))公式逻辑解析：
(1) VAR SelectedProduct
获取切片器当前选择的产品ID（A产品），但实际公式中未直接使用此变量，可能是预留的。
(2) VAR OrdersWithA
作用：找出所有购买过切片器所选产品（A产品）的客户列表。
逻辑：
VALUES('事实-订单表'[客户ID])：提取订单表中唯一的客户ID。
USERELATIONSHIP：临时激活切片器产品与订单表的关系。
ALL('维度-产品')：忽略当前行产品的筛选，确保仅基于切片器选择计算。
(3) IF([判断是否重复]=1, BLANK(), ...)
如果当前行产品 = 切片器选择的产品（A产品），则返回 BLANK()（避免重复计算）。
否则，执行 CALCULATE 计算关联销售额。
(4) CALCULATE([销售金额], ...)
核心计算：统计与A产品相关联的销售额。
筛选条件：
TREATAS(VALUES('维度-产品'[产品ID]), '事实-订单表'[产品ID])：
将当前行产品的ID映射到订单表，筛选当前产品（B产品）的订单。
OrdersWithA：
进一步筛选仅包含购买过A产品的客户（即同时购买A和B的客户）
公式：
业绩支持度 = IF( [判断是否重复]=1 , BLANK() ,DIVIDE([关联销售额],CALCULATE([销售金额],ALL()
)))客户支持度 = IF( [判断是否重复]=1 , BLANK() ,DIVIDE([关联客户数],CALCULATE([客户数量],ALL()
)))公式逻辑解析：
(1) 条件判断 [判断是否重复] = 1
如果当前行产品 = 切片器选择的产品（A产品），则返回 BLANK()（避免自关联计算）
否则执行DIVIDE计算
(2) 分子 [关联客户数]
表示同时购买当前产品（B产品）和切片器选择产品（A产品）的客户数量
这是预先计算好的度量值，通常通过客户ID交集计算得出
(3) 分母 CALCULATE([客户数量], ALL())
[客户数量]：总客户数度量值
ALL()：移除所有筛选上下文，计算全局总客户数
这确保了分母是基准值（所有客户）
(4) DIVIDE函数
安全除法，自动处理分母为零的情况（返回BLANK）
计算比例：关联客户数 / 总客户数
公式：
客户提升度 = VARA=DIVIDE([购买A产品客户数],CALCULATE([客户数量],ALL()))
VAR B=DIVIDE([购买B产品客户数],CALCULATE([客户数量],ALL()))
VAR C=AB
RETURN
DIVIDE([客户支持度],C)业绩提升度 =VAR A=DIVIDE([购买A产品销售额],CALCULATE([销售金额],ALL()))
VAR B=DIVIDE([购买B产品销售额],CALCULATE([销售金额],ALL()))
VAR C=AB
RETURN
DIVIDE([客户支持度],C)公式逻辑解析：
变量A：A产品销售占比
[购买A产品销售额]：切片器选定A产品的销售额CALCULATE([销售金额], ALL())：全局总销售额（忽略所有筛选）作用：计算A产品销售额占全公司销售额的比例变量B：B产品销售占比逻辑同变量A，计算当前行产品（B产品）的销售占比变量C：联合影响因子将两个产品的销售占比相乘，形成组合权重
数学意义：客户支持度与产品组合权重的比值
公式：
客户置信度 = DIVIDE( [关联客户数] , [购买B产品客户数])
业绩置信度 = DIVIDE( [关联销售额] , [购买B产品销售额])公式逻辑解析：
用于评估产品组合销售质量的核心指标是：'B产品的销售中有多少比例是由A产品的客户贡献的'，这一指标反映了产品间的客户资源共享效率，
公式：
交叉客户潜力指数 =
[客户提升度] DIVIDE([关联客户数],[购买B产品客户数],0
)交叉销售潜力指数 =
[客户提升度] DIVIDE([关联销售额],[购买B产品销售额],0
)公式逻辑解析：
交叉销售潜力指数是一个用于衡量向现有客户推荐相关产品(B产品)成功可能性的指标
公式：
业绩推荐优先级 =
VAR LiftValue = [业绩提升度]
VAR SalesRatio = DIVIDE( [关联销售额],[购买B产品销售额], 0)
RETURN
SWITCH(TRUE(),ISBLANK(LiftValue) || ISBLANK(SalesRatio), BLANK(),LiftValue > 1&& SalesRatio > 0.1, "高优先级",LiftValue > 1 && SalesRatio > 0.05, "中优先级",LiftValue > 1, "低优先级","不推荐"
)客户推荐优先级 =
VAR LiftValue = [客户提升度]
VAR SalesRatio = DIVIDE( [关联客户数],[购买B产品客户数], 0)
RETURN
SWITCH(TRUE(),ISBLANK(LiftValue) || ISBLANK(SalesRatio), BLANK(),LiftValue > 1&& SalesRatio > 0.1, "高优先级",LiftValue > 1 && SalesRatio > 0.05, "中优先级",LiftValue > 1, "低优先级","不推荐"
)公式逻辑解析：
1.变量定义部分
LiftValue：存储客户提升度值，表示该客户的价值提升程度
SalesRatio：计算关联比率 = 关联客户数 / 购买B产品客户数
使用DIVIDE函数避免除以零错误，当分母为0时返回0
2.SWITCH逻辑判断部分
SWITCH函数按顺序评估条件，返回第一个匹配的结果：
数据检查：
ISBLANK(LiftValue) || ISBLANK(SalesRatio)：如果任一值为空，返回BLANK()
高优先级：
LiftValue > 1 && SalesRatio > 0.1：客户价值高且关联性强
表示：客户价值高于平均水平，且每10个购买B产品的客户中至少有1个会关联购买
中优先级：
LiftValue > 1 && SalesRatio > 0.05：客户价值高但关联性中等
表示：客户价值高，但每20个购买B产品的客户中才有1个会关联购买
低优先级：
LiftValue > 1：仅客户价值高，但关联性弱
表示：虽然客户有价值，但不太可能接受B产品的交叉销售
默认情况：
不符合以上条件的返回"不推荐"
公式：
RANK-客户数占比 = RANKX( ALLSELECTED( '维度-产品'[子类别] ) , [客户置信度])
RANK-客户数AB = RANKX( ALLSELECTED( '维度-产品'[子类别] ) , [关联客户数])
RANK-销售额占比 = RANKX( ALLSELECTED( '维度-产品'[子类别] ) , [业绩置信度])
RANK-销售额AB = RANKX( ALLSELECTED( '维度-产品'[子类别] ) , [关联销售额])公式逻辑解析：
RANKX函数
功能：对一组值进行排名计算
语法：RANKX(表, 表达式, [值], [顺序], [关系])
这里只使用了前两个参数：表和表达式
3.ALLSELECTED函数
功能：返回当前上下文中所有被选中的产品子类别，忽略行/列/切片器筛选
参数：'维度-产品'[子类别] - 指定要排名的维度列
特点：
保留外部筛选器(如页面级或报告级筛选器)
忽略视觉对象级别的筛选器
4.[关联销售额]
这是排名的依据指标，表示各产品子类别的关联销售额数值
公式工作原理
首先确定排名的范围：当前筛选上下文中所有被选中的产品子类别
然后计算每个子类别的关联销售额
最后根据关联销售额值对这些子类别进行排名
公式：
RANK-指标 =
VAR A = SELECTEDVALUE( '购物篮算法'[算法])
VAR B = SWITCH( TRUE() , A = "客户置信度" , [RANK-客户数占比] ,A = "业绩置信度" , [RANK-销售额占比] ,A = "关联客户数" , [RANK-客户数AB] ,A = "关联销售额" , [RANK-销售额AB] ,BLANK() )
RETURN
B购物篮气泡图指标 =
VAR A = SELECTEDVALUE( '购物篮分析维度'[分析维度])
VAR B = SWITCH( TRUE() ,A = "购买AB销售额" , [关联销售额] , [关联客户数] )
RETURN
B公式逻辑解析：将公式与算法切片器连接
公式：
推荐NO1客户关联占比 = CALCULATE ( [客户置信度] , FILTER( ALL( '维度-产品'[子类别] ) , [RANK-指标] = 1 ) )
推荐NO1客户数 = CALCULATE ( [关联客户数] , FILTER( ALL( '维度-产品'[子类别] ) , [RANK-指标] = 1 ) )
推荐NO1销售额 = CALCULATE ( [关联销售额] , FILTER( ALL( '维度-产品'[子类别] ) , [RANK-指标] = 1 ) )
推荐NO1销售关联占比 = CALCULATE ( [业绩置信度] , FILTER( ALL( '维度-产品'[子类别] ) , [RANK-指标] = 1 ) )公式逻辑解析：
\1. CALCULATE 函数
作用：修改当前筛选上下文，计算特定条件下的度量值。
参数：
[业绩置信度]：目标度量值（可能是关联销售额占比或其他业绩指标）。
FILTER(...)：筛选条件，仅保留排名第一的子类别。
2.FILTER 函数
作用：遍历所有产品子类别，筛选出符合 [RANK-指标] = 1 的记录。
参数：
ALL('维度-产品'[子类别])：移除对 '维度-产品'[子类别] 的所有筛选，确保计算所有可能的子类别。
[RANK-指标] = 1：仅保留排名第一的子类别。
\3. ALL('维度-产品'[子类别])
作用：忽略当前筛选上下文中的子类别筛选，确保计算所有子类别，而不仅仅是当前可见的。
\4. [RANK-指标] = 1
作用：筛选出排名第一的子类别（假设 [RANK-指标] 是一个预先计算的排名指标）。
公式：
推荐NO1产品 =
VARA = CALCULATETABLE( VALUES( '维度-产品'[子类别]) , FILTER( ALL( '维度-产品'[子类别] ) , [RANK-指标] = 1 ) )
VARB = CONCATENATEX( A , '维度-产品'[子类别] , "," , '维度-产品'[子类别] , DESC)
RETURN
B公式逻辑解析：
\1. VAR A = CALCULATETABLE(...)
作用：找出所有排名第一（[RANK-指标] = 1）的产品子类别。
CALCULATETABLE：返回一个表，其中包含满足条件的行。
VALUES('维度-产品'[子类别])：返回当前筛选上下文中的唯一子类别列表。
FILTER(ALL(...), [RANK-指标] = 1)：
ALL('维度-产品'[子类别])：移除所有子类别筛选，确保计算所有子类别。
[RANK-指标] = 1：筛选出排名第一的子类别。
结果：A 是一个表，包含所有排名第一的子类别（可能有多个并列第一）。
VAR B = CONCATENATEX(...)作用：将 A 表中的子类别名称用逗号连接成一个字符串。
CONCATENATEX：遍历表并连接指定列的值。
参数：
A：要处理的表（排名第一的子类别列表）。
'维度-产品'[子类别]：要连接的列。
","：分隔符（用逗号分隔）。
'维度-产品'[子类别]：排序依据（按子类别名称排序）。
DESC：降序排列（可选，也可以使用 ASC 升序）。
结果：B 是一个字符串，例如 "笔记本电脑,平板电脑"（如果有多个并列第一）。
\3. RETURN B
返回连接后的字符串，即排名第一的子类别名称列表。
公式：
购买A产品名称 = "购买 A 产品：" & SELECTEDVALUE( '维度-产品切片器'[子类别])
推荐组合 = "当客户购买 A 产品：" & SELECTEDVALUE( '维度-产品切片器'[子类别]) & "，根据"&SELECTEDVALUE( '购物篮算法'[算法]) &"算法，推荐客户购买 B 产品：" & [推荐NO1产品]公式逻辑解析：该公式通过组合多个字符串与动态值，构建出一个完整的推荐信息表述
2.6可视化报告制作
2.6.1 业绩概览制作
第一步：设置报表页格式选项，选择画布背景，上传我们设计好的素材
第二步：插入一个图像，AI机器人图标，点开操作功能，给此图像添加登录页书签。
第三步：插入一个切片器，将度量值合集字段分析维度-指标拖入切片器。
第四步：插入七个书签按钮，输入数据中心、产品维度、客户开发、业绩分析、地域分析、业绩考核、表格维度，并给书签按钮添加我们设计好的图标。
第五步：插入一个形状，用于给以上建立视觉对象添加背景。
第六步：插入三个切片器，将购物篮算法表算法拖入字段中，将日期表日期拖入字段中，将维度-产品切片器表子类别拖入字段中。
第七步：插入两个卡片图，将度量值购买A产品名称和度量值推荐组合，拖入卡片图，设置视觉对象格式，关闭类别标签。
第八步：制作六个卡片图，并依次添加以下度量值：'购买A产品客户数'、'购买A产品销售额'、'关联客户数'、'推荐NO1客户关联占比'、'关联销售额'和'推荐NO1销售关联占比'，然后将这些度量值拖入相应的字段中。
第九步：插入两个表格图，第一个表格图，列中拖入维度-产品表子类别字段，度量值购买B产品客户数、关联客户数、交叉客户潜力指数、客户置信度、客户提升度、客户支持度和客户推荐优先级，第二个表格图，列中拖入维度-产品表子类别字段，度量值购买B产品销售额、关联销售额、交叉销售潜力指数、业绩置信度、业绩提升度、业绩支持度和业绩推荐优先级，将两图重叠放置备用。
第十步：插入一个散点图，X轴拖入度量值客户置信度，Y轴拖入度量值业绩置信度，图例拖入维度-产品表子类别字段，大小拖入度量值购物篮气泡图指标，工具提示拖入度量值关联客户数、关联销售额，设置视觉对象格式，打开类别标签，像视觉对象添加进一步分析，添加两条中值线，给此图添加一个切片器，字段拖入购物篮分析维度表分析维度字段。
第十一步：插入一个矩阵图，行中拖入维度-产品切片器表子类别字段，列拖入购物篮算法表算法字段，值拖入度量值推荐NO1产品，将此图覆盖到散点图上。
第十二步：在视图窗口中选择功能，先隐藏矩阵图，再打开书签功能并添加书签，命名为‘象限推荐视图’。接着隐藏散点图，显示矩阵图，并添加书签命名为‘推荐明细表格’。然后隐藏客户数相关表格，再次打开书签功能，添加书签命名为‘业绩关联表格’。隐藏业绩相关表格，显示客户数相关表格，并添加书签命名为‘客户关联表格’。最后，选中这几个书签，右键选择分组，命名为‘页内切换购物篮分析’。
第十五步：插入四个书签按钮，点开样式文本分别输入象限推荐视图、推荐明细表格、业绩关联表格和客户关联表格，点开操作功能，将以上建立书签添加给按钮。
第十六步：如图美化界面
第十七步：打开视图窗口书签功能，为此页面添加一个书签
第十八步：数据中心页，点击文本为购物篮分析的按钮，打开操作功能，类型选择书签，将此页书签添加到按钮。
好的，今天的讲解就到这里。后期课程也会逐渐增加难度，有疑问可查看作者简介，精彩内容，敬请期待。