九道门丨案例教学：用Power BI对超市信息进行分析（上）

注：这里运用于的是某家在线商店的统计数据集。这个统计数据集涵盖产品线家具、办公用品和科技领域产品线在内的订购编号、订购/发货年份、客户个人信息、产品线个人信息、总产品线额、盈余……

现在推论广告宣传部门背着这个统计数据集来找寻我们，他们想知道我们对现有统计数据的看，并明确指出了请注意疑虑：

- 我们能否就使用量、产品线额或盈余确定出最佳产品线/子类别/类别？

- 什么物品一般是一同摊的？

- 你还能为我们发放哪些有用的劝告？

- 你能小弟我们随追踪这些 KPI 吗？

广告宣传部门的需求收到了，一个大我将用 Power BI 来说道他们的疑虑！

1. 为基础统计数据

首先，我们须要为基础并思考统计数据集：

Power Queries 图标，嵌入在 Power BI for desktop 中会。

在 Power BI 中会，一旦连接到源统计数据（传统 CSV 文件、SQL Server、API、电子表格……），我们就则会得到这个视图，它则会为我们发放有关统计数据质量的个人信息。

在这里，我们可以见到缺少一些行，该加涵盖数取值与界定取值，按加加出的不同取值的使用量，每加的最小取值/最大取值......

2.统计数据洗净

首先，在须要时修改加的统计数据类型：统计数据类型对于创建数值、相对统计数据非常关键。 年份意味著是自然语言（字符串）格式，我们须要将它格式标准化，把类型修改为年份类型。 用“，”替换进制加中会的每个“。” 截图正确行，可以用加的平均取值或最常见的取值替换缺少取值，或者通通截图不完整的行。

意味著统计数据集没有显示单位取值（价格、净利、%净利），所以我们须要掺入这些加：

产品线价格 产品线净利 ％ 盈余

就此，一旦将原始年份定义为年份类型，我们将掺入年份加：日订购、月订购、年订购……（这将有效地我们分析最佳产品线短时间）。

3. 先导统计数据处理

统计数据清除完毕后，我们可以进入下一层分析环节，首先运用于简单的统计数据三维：

从一个大的照片中会可以见到：

一些小城镇在产品线和盈余层面体现更好 3个品类在销售量上相对接近，但在销售量和净利上不近似于 产品线额和盈余每年都在放缓 我们针对3个愈来愈多，采用不同的产品线Mode 产品线可能在每月的 9 日至 13 年份间体现最佳。每个月的第一天相对低。最好的产品线月份是 11/9/12 …

一些小城镇正在亏损，我们须要更险恶地知晓可能。

当紫色在左边时，商店实际上是在亏损。

一些子公司也在赔钱，我们放大再来到底是哪些产品线正在亏损。

左边的紫色表示该产品线子类别正在亏损

下一篇内容中会我们则会接着来分析，讨厌的同学可以独自追捧哦～

常州治包皮过长医院
成都妇科医院哪家医院最好
德国海露滴眼液怎么样
北京妇科专业医院
南京肛肠医院哪个好