[正版新书]Power BI 零售数据分析实战 power bi入门书籍商业智能数据分析Power Query数据可视

                                                                                                            店铺公告

为保障消费者合理购买需求及公平交易机会，避免因非生活消费目的的购买货囤积商品，抬价转售等违法行为发生，店铺有权对异常订单不发货且不进行赔付。异常订单：包括但不限于相同用户ID批量下单，同一用户（指不同用户ID，存在相同/临近/虚构收货地址，或相同联系号码，收件人，同账户付款人等情形的）批量下单（一次性大于5本），以及其他非消费目的的交易订单。 温馨提示：请务必当着快递员面开箱验货，如发现破损，请立即拍照拒收，如验货有问题请及时联系在线客服处理，（如开箱验货时发现破损，所产生运费由我司承担，一经签收即为货物完好，如果您未开箱验货，一切损失就需要由买家承担，所以请买家一定要仔细验货）， 关于退货运费：对于下单后且物流已发货货品在途的状态下，原则上均不接受退货申请，如顾客原因退货需要承担来回运费，如因产品质量问题（非破损问题）可在签收后，联系在线客服。

如遇套装商品/书籍无法选择选项，请联系在线客服。如不联系统一不发货，做不发货处理。

本书基于零售数据分析及 Power BI 的综合实现，全面、详细地介绍 Power BI 在零售数据分析领域的专业解决方案。本书从指标体系、业务场景、技术流程、经典模型、模块实现、图表展示等多个维度给出可供读者直接复用的整套方案及 Power BI 模板系统。读者直接按照数据格式模板导入数据，一键刷新即可实现整套零售商业智能分析方案。

　　本书内容由浅入深，从业务到体验再到深度实践。首先，引入和介绍零售行业的核心业务知识，包括零售行业核心指标含义、零售行业常用业务场景、零售行业常用数据分析模型。其次，介绍通过 Power BI工具来构建数据分析技术实现流程，让读者理解业务问题和技术工具结合的可行性和**性。*后，详细介绍如何利用 Power BI 从运营管理分析、商品管理分析、会员管理分析这三大板块和在 13 个高频应用场景进行零售数据分析的思路和技术实现，其中包括每个场景中的业务问题痛点、技术构建思路、综合运用 Power BI 及 DAX 制作可视化分析图表的过程。

　　本书立足于零售业务，并通过 Power BI 实现技术落地，实操性强，适合专业的零售数据分析师、使用一般数据分析工具但遇到技术瓶颈的零售数据分析“老兵”，以及对零售数据分析、Power BI 感兴趣的分析师和爱好者阅读

编辑引荐

（1）一本讲解如何将Power BI应用于零售业务领域的实战指南，零售 数据 Power BI的深度融合。

（2）详细介绍如何利用 Power BI 从运营管理分析、商品管理分析、会员管理分析这三大板块和在13个高频应用场景进行零售数据分析的思路和技术实现，其中包括每个场景中的业务问题痛点、技术构建思路、综合运用Power BI 及DAX 制作可视化分析图表的过程。

（3）作者曾获“微软Power BI可视化大赛”零售行业特别奖，拥有从门店业务到商品规划到会员管理十年以上零售分析经验，精通于搭建各类零售分析模型解决实际业务问题，拥有丰富的传统零售企业数字化转型经验

第 1章　零售数据分析概述　1

1.1　零售行业核心指标含义　1

1.1.1　运营类业务指标　2

1.1.2　商品类业务指标　4

1.1.3　会员类业务指标　6

1.2　零售行业常用业务场景　8

1.2.1　运营板块业务场景　8

1.2.2　商品板块业务场景　16

1.2.3　会员板块业务场景　24

1.3　零售行业常用数据分析模型　30

1.3.1　帕累托模型　30

1.3.2　波士顿矩阵模型　31

1.3.3　购物篮模型　33

1.3.4　转化漏斗模型　34

1.3.5　AARRR模型　35

1.3.6　RFM模型　36

1.3.7　杜邦分析模型　37

1.3.8　销售预测模型　38

本章小结　39

第 2章　Power BI数据分析流程　40

2.1　Power BI 基础知识　40

2.1.1　Power BI Desktop操作界面　40

2.1.2　Power Query操作界面　43

2.2　利用Power BI进行数据分析的流程　45

2.3　基于Power BI的零售数据分析案例　46

2.3.1　业务理解　46

2.3.2　数据获取　49

2.3.3　数据转换　51

2.3.4　数据建模　52

2.3.5　报告制作　54

2.3.6　报告发布　60

本章小结　62

第3章　零售数据模型介绍　63

3.1　模型数据源介绍　63

3.1.1　维度表及事实表字段介绍　64

3.1.2　维度表及事实表维护建议　69

3.2　数据获取及数据转换　71

3.2.1　Excel工作簿获取数据　71

3.2.2　从文件夹获取数据　73

3.3　数据源路径的参数化设置　76

3.4　查询报表分组及命名　78

3.5　日期表创建　79

3.6　数据模型构建　81

本章小结　82

第4章　经营概况　83

4.1　核心指标分析　84

4.1.1　业绩指标　84

4.1.2　四核指标　85

4.1.3　三效指标　88

4.1.4　拓展指标　90

4.1.5　同期指标　91

4.1.6　核心指标“KPI”图制作　93

4.2　各区域销售额及店效分析　95

4.3　销售额月度达成情况分析　96

4.4　各部门销售额达成情况分析　98

4.5　各经营业态及经营模式销售分析　98

本章小结　100

第5章　区域分析　101

5.1　核心指标区域结构分析　102

5.1.1　各时间区间基础度量值书写　103

5.1.2　单指标动态时间区间度量值书写　106

5.1.3　多指标动态时间区间度量值书写　108

5.1.4　动态时间区间切片器制作　109

5.1.5　核心指标“折线和簇状柱形图”制作　110

5.2　重点城市销售额帕累托分析　110

5.2.1　基础帕累托图制作　111

5.2.2　帕累托图动态配色　112

5.3　门店销售排名　112

5.4　销售额构成“环形图”制作　114

本章小结　115

第6章　单店分析　116

6.1　核心指标关键时间区间对比分析　117

6.1.1　日均单据数度量值书写　117

6.1.2　核心指标“多行卡”制作　118

6.2　核心指标当月趋势分析　119

6.2.1　核心指标当月度量值书写　119

6.2.2　核心指标当月趋势图制作　120

6.2.3　销售完成率移动均值度量值书写　121

6.3　*近30日销售完成率移动均值趋势分析　124

6.4　新品款色数及销售额同期对比分析　124

6.4.1　新老品业务概念　125

6.4.2　新品及同期新品款色数度量值书写　127

6.4.3　新品及同期新品款色旋风图制作　128

本章小结　129

第7章　开关店分析　130

7.1　开店趋势及结构分析　130

7.1.1　开关店场景度量值书写　131

7.1.2　开关店场景“瀑布图”制作　131

7.2　开关店详情对比　132

7.2.1　门店数相关度量值书写　133

7.2.2　开关店详情“矩阵”制作　134

本章小结　135

第8章　销售预测　136

8.1　*近30日业绩指标拆解　137

8.2　历史同比法销售预测　137

8.2.1　模型业务逻辑　138

8.2.2　动态参数设定　138

8.2.3　模型构建　140

8.3　杜邦分析法二级指标目标设定及策略调整　141

8.3.1　模型业务逻辑　141

8.3.2　动态预测模型构建　142

本章小结　144

第9章　商品概述　145

9.1　售罄率分析　146

9.1.1　售罄率概念　146

9.1.2　售罄率相关指标度量值书写　146

9.2　商品总体销售结构分析　152

9.3　品类销售趋势分析　154

9.3.1　品类周销售额占比趋势分析　154

9.3.2　新品周售罄率趋势分析　155

本章小结　156

第 10章　新品入库及发放　157

10.1　新品入库分析　157

10.1.1　新品采购宽度/深度分析　158

10.1.2　新品总仓累计入库分析　159

10.2　新品发放率分析　160

10.3　新品区域期末库存分析　161

本章小结　163

第 11章　新品销售　164

11.1　新品销量及区域售罄率分析　165

11.2　新品区域售罄率周趋势分析　166

11.3　新品销售额/区域售罄率/折扣率综合分析　167

11.3.1　新品销售相关度量值书写　168

11.3.2　波士顿矩阵“散点图”制作　169

11.4　品类销售额前20分析　170

11.4.1　新品进销存相关度量值书写　171

11.4.2　品类销售额前20可视化“表”制作　173

11.5　单品销售趋势对比　174

11.5.1　单品销售相关度量值书写　175

11.5.2　单品销售趋势“折线和簇状柱形图”制作　175

本章小结　176

第 12章　品类关联分析　177

12.1　关联指标讲解　178

12.2　品类关联明细对比　181

12.3　品类关联分析“散点图”制作　182

本章小结　183

第 13章　会员结构　184

13.1　会员核心指标介绍　185

13.2　会员年龄分布分析　188

13.2.1　会员年龄计算列书写　188

13.2.2　会员年龄分组计算列书写　189

13.2.3　会员年龄分布“簇状条形图”制作　192

13.3　会员消费等级分布分析　193

13.4　会员平均年龄趋势分析　194

13.4.1　会员平均年龄度量值书写　194

13.4.2　会员平均年龄趋势“折线图”制作　195

13.5　会员生命周期分布分析　196

本章小结　197

第 14章　新增及复购　198

14.1　会员区域业绩分析　199

14.1.1　会员业绩对比相关度量值书写　199

14.1.2　会员区域业绩对比“矩阵”制作　200

14.2　新会员趋势分析　200

14.3　复购趋势分析　201

14.4　新老会员占比分析　202

本章小结　205

第 15章　会员转化　206

15.1　会员消费次数转化漏斗分析　206

15.1.1　会员消费次数度量值书写　207

15.1.2　会员消费次数转化“漏斗图”制作　208

15.2　会员**消费与二次消费间隔天数累计人数分析　209

15.2.1　会员**消费、二次消费相关指标书写　209

15.2.2　会员**消费与二次消费间隔天数累计人数帕累托图制作　212

15.3　会员消费详情分析　212

15.3.1　会员消费详情相关度量值书写　213

15.3.2　会员消费详情表制作　214

本章小结　214

第 16章　RFM模型　215

16.1　RFM业务逻辑　216

16.1.1　RFM模型逻辑构建　216

16.1.2　RFM表间关系建立　220

16.2　会员RFM等级分析　220

16.3　会员消费次数分布分析　221

16.4　会员*后一次消费距今月数分布分析　223

16.4.1　会员*后一次消费距今月数相关指标书写　224

16.4.2　会员*后一次消费距今月数帕累托图制作　225

16.5　会员RFM等级明细展示　226

本章小结　227

郑志刚 南京大学硕士研究生。Power BI 可视化大赛零售行业特别奖。 作品收录进微软 Power BI 官方文档。《DAX设计模式》译者之一。历任大型零售集团数据分析师，从门店运营到商品规划到会员管理10年以上零售行业业务研究及实战经验，精通于搭建各类零售分析模型解决实际业务问题，拥有丰富的传统零售企业数字化转型经验