kyra1997的博客

目标可视化库存情况零售价和促销价指标细节可视化热销商品多压货库存情况销售行业卖的是商品，如果商品准备不充足或不合理，必然会影响销售业绩eg：市场充足屯粮，每个月拿货和一次性拿货（内存放不下）收回扣点比例不同导致资源浪费。零售价和促销价零售价：白签，原价促销价：黄签，第一次促销周期要隔开7天卖原价才能开启第二次促销要比第一次低。指标1、基础度量值，将需要计算的字段分别新建度量值总数量 = SUM(‘明细’[销量])总金额 = SUM(‘明细’[销售额])总库存 = SUM(‘明细’

目录原理拆表现状建表dates in period建模原理对前期历史数据进行平均消除不规则影响呈现整体发展趋势，根据趋势预测未来走向。eg：股票均线拆表现状正常情况下，一家店铺，日均销售都会在一个区间范围内，比如60000至130000 但是这之间差距达到了70000建表日期表 = SUMMARIZECOLUMNS(‘销售表’[日期])总金额 = SUM(‘销售表’[销售金额])dates in period从现在数多少天（‘表’【列】，min表列，往前多少，天/月）15天移

目录拆分表拆分表1、提取月2、统计上期三月和本期三月的客户（假设1——6月）calculatable（表，筛选条件），跨表筛选【新建列】月份 = MONTH(‘订单’[日期])【新建表】前3个月下单客户 = calculatetable(values(‘订单’[客户]), filter(‘订单’,‘订单’[月份]<=3))表示订单表里面的顾客是不重复值，筛选前三个月【新建表】近3个月下单客户 = calculatetable(values(‘订单’[客户]), filter(‘订单’

目录拆分表目标指标建立客户表建立日期表建立关联在一家企业要保证老客户不流失，提升新客户，发展自己业务扩大自己规模。拆分表目标指标提出问题每个月 总计客户有多少人老客户——总花费新客户——总花费【度量值】客户数 = DISTINCTCOUNT(‘订单表’[姓名])【度量值】总金额 = SUM(‘订单表’[销售金额])【新建列】第一次消费日期 = minx(filter(‘订单表’,earlier(‘订单表’[姓名])=‘订单表’[姓名]),‘订单表’[日期])【新建表】客户表 = SU

目录实验目的分析步骤拆分表单建立关联实验目的频次分组eg： 1—7次 每次有几人分析步骤拆分表单1、建立日期表——sum。。。筛选不重复日期2、建立顾客表——订单总数（新建度量值）countrows找到对应关系（一个人在不同时间段消费次数）补充：统计活跃天数distinctcount（订单表的日期）非重复列；建立关联3、统计下单次数calculate筛选行上下文——下单次数 = CALCULATE(‘顾客表’[订单总数], FILTER(‘日期表’,‘日期表’[日期]<=MAX

目录原理分析步骤指标参数假设可视化原理销售金额杜邦分析图左边可以看成客服右边可以看成用户商品售价=总金额/总数量杜邦分析法利用各个主要财务比率之间的内在联系，建立财务比率分析的综合模型，来综合地分析和评价企业财务状况和经营业绩的方法。采用杜邦分析图将有关分析指标按内在联系加以排列，本思想是 将企业的净资产收益率逐级分解为多项比例的乘积，有助于快速发现企业经营业绩变化成因。从而直观地反映出企业的财务状况和经营成果的总体面貌。分析步骤分析思路：1、提升平均零售价或销售折扣，有助于提升每件单

目录导读一、前期调研1.平台选择2.用户定位3.内容生产4.用户增长二、数据分析1.分析方法1.1[漏斗分析法](https://zhuanlan.zhihu.com/p/56102268)1.2[RFM模型法](https://www.zhihu.com/question/49439948)2.游客行为数据可视化3.粉丝行为数据行为可视化3.社群建立三、结论建议1. 在内容创意层面上2. 在传播数据层面上导读2018年博主创建了自媒体账号，运营期间投放了13个稿件（内容关于考研学习，软件推荐，个人生活