如何在PowerBI中识别产品的爆品周期和爆发态势？

准确识别产品的爆品周期和爆发态势对企业制定营销策略、优化库存管理和提高销售业绩至关重要。本篇文章将介绍如何在PowerBI中实现这一目的。

问题描述

为识别产品的爆品周期与爆发态势，现在需要按Item_code分组, 当时间段连续且amt数据连续上升3天(含)以上, 将这部分数据用其上升阶段的最大值替换，计算Trend Amt指标。

具体问题如下图所示：

本案例的初始数据如下：

date_code	item_code	amt
03/26	dc101	21
03/27	dc101	33
03/28	dc101	44
03/29	dc101	45
03/30	dc101	23
03/31	dc101	12
04/01	dc101	25
04/02	dc101	27
04/15	dc101	17
04/17	dc101	21
04/18	dc101	25
04/19	dc101	17
04/20	sf3122	17
04/21	sf3122	21
04/22	sf3122	24
04/26	dc101	20
02/01	sf3122	12
02/02	sf3122	12
02/03	sf3122	11
02/10	sf3122	15

若需其它辅助表等，可自行创建并建模。

解题要点

本案例的关键在于找出连续增长区间，这需要满足两个条件，一个是日期连续，另一个则是金额连续上升，而这可以通过先定位出每个连续增长区间的起始节点，然后进行累计分组来找出，具体思路如下表所示：

date_code	item_code	amt	start node	Acc Grp
2025/3/26	dc101	21	1	1
2025/3/27	dc101	33		1
2025/3/28	dc101	44		1
2025/3/29	dc101	45		1
2025/3/30	dc101	23	1	2
2025/3/31	dc101	12	1	3
2025/4/1	dc101	25		3
2025/4/2	dc101	27		3
2025/4/15	dc101	17	1	4
2025/4/17	dc101	21	1	5
2025/4/18	dc101	25		5
2025/4/19	dc101	17	1	6
2025/4/26	dc101	20	1	7
2025/2/1	sf3122	12	1	1
2025/2/2	sf3122	12	1	2
2025/2/3	sf3122	11	1	3
2025/2/10	sf3122	15	1	4
2025/4/20	sf3122	17	1	5
2025/4/21	sf3122	21		5
2025/4/22	sf3122	24		5

解决方案

首先，数据模型如下图所示：

然后，创建如下度量值：

Trend Amt = 
VAR N = 3
VAR AddGrp = 
	ADDCOLUMNS(
		DISTINCT(ALL('Order')),
		"grp",
			SUMX(
				WINDOW(1,ABS,0,REL,ORDERBY('Order'[date_code],1,'Order'[amt]),PARTITIONBY('Order'[item_code])),
				VAR CurAmt = 'Order'[amt]
				VAR PreAmt = CALCULATE(SUM('Order'[amt]),'Order'[date_code]=EARLIER('Order'[date_code])-1,ALL('Order'[amt]))
				RETURN
				IF(CurAmt<=PreAmt || PreAmt=BLANK(),1)
			)
	)
VAR CurGrp = MAXX(OFFSET(0,AddGrp),[grp])
VAR GrpTable = FILTER(AddGrp,'Order'[item_code]=MAX('Order'[item_code]) && [grp]=CurGrp)
RETURN
IF(COUNTROWS(GrpTable)>=N,MAXX(GrpTable,'Order'[amt]),SUM('Order'[amt]))

然后创建一个矩阵，并将日期和品类编码字段作为行标签，再将上面的度量值放入矩阵的值字段即可，如下图所示：

此外，为方便用户查看，也可以使用折线图等视觉对象进行可视化，如下图所示：

通过折线图，即可一目了然的看到产品的增长态势以及爆发能量。

总结

以上方法仅供参考，若有更优雅的解决方案，欢迎留言讨论，或者加入我们的技术交流群，一起享受这种思维碰撞的快乐吧！

PBI/DAX技术交流群(QQ)：344353627