零售資料分析操作篇15:用總聚合做銷售分析
上一講講了記憶體計算篩選,又可稱之為自定義計算成員篩選,即當某列是透過自定義計算成員得到的時候,還要想利用其作為篩選條件,就需要用到自定義計算成員篩選功能。
上一講還給大家出了道作業,就是: 想知道哪些門店的客單價低於平均客單價,怎麼實現?
我們先來理一下思路:1、我們要先計算各門店的客單價;2、再得到公司整體的平均客單價;3、然後再將各門店的客單價與平均客單價相減,得到的差值(客單價差)即為我們要篩選的來源計算成員;4、在篩選區域按差值(客單價差)<0,即得到低於平均客單價的門店。
思路是理完了,接下來我們進系統操作一下:
1、 計算各門店的客單價
由於客單價=收入/客流量,因此我們要新建表格,先把收入、客流量計算出來。
收入:點【彙總】旁【+】,點選選擇【收入】,點確定。
客流量:點【彙總】旁【+】,點選選擇【訂單號】,點左下角選擇【唯yi計數】後點確定。得到一個【唯 yi計數_訂單號】,點選旁邊的【…】,選擇【重新命名】為【客流量】。
到這一步就可以利用自定義表示式來計算客單價。
客單價:點選【彙總】旁【+】,點【fx】,在【計算成員1】中輸入【客單價】,點選左下角【彙總區域】後,在【自定義表示式】中點選輸入公式:收入/客流量後點選確定。
點選【行維度】旁的【+】,點選【門店】後點確定,即可得到下圖效果:
2、 得到公司整體的平均客單價
我們發現沒辦法繼續操作下去了,因為得到【平均客單價】這一步驟好像並沒有那麼簡單。那麼,到底怎麼樣才能得到【平均客單價】呢? 今天我們要講的內容【總聚合】就剛好是幫助我們理解並解決類似的 零售資料分析 場景的。
本期內容
所謂【總聚合】,就是為了方便我們將某一個彙總欄位的總計那一行的值,重複引用,而專門配置的一種記憶體聚合方式,包括總計、計數、平均值、最大值、最小值。
為了方便大家理解,我們回到上節的作業。我們剛才已經得到了下表所示的內容,此時,我們會發現,公司整體的平均客單價就等於公司總的收入/總的客流量,也就是下圖中標識的部分,它出現在客單價這一列,總計這一行中。
那接下來怎麼操作呢?我們重新進入到 bi資料分析系統 。
點【客單價】旁的【…】,點選【總聚合】,點【行總計】後,表格中將立即出現一列【行總客單價】,這個其實就是我們要的【平均客單價】,只需點【…】選擇【重新命名】進行修改即可。
3、計算差值(客單價差)
將各門店的客單價與平均客單價相減,得到的差值(客單價差)即為我們要篩選的來源計算成員 。
點【彙總】旁的【+】,點【fx】,勾選左下角【彙總區域】,然後在【計算成員1】中輸入【差值】,在【自定義表示式】中點選輸入公式:客單價-平均客單價,點確定。
4、篩選得到 低於平均客單價的門店
在篩選區域按差值(客單價差)<0,即得到低於平均客單價的門店 。
點選【篩選】旁的【+】,點【fx】,選擇【差值】後點確定,進入條件篩選器。將【等於】改為【小於】,數值為【0】後,點【OK】。
上期作業講完了,大家會發現這個作業難點就在於怎麼得到平均客單價,而這剛好也是本次課程的重點。在這個例子講完後,大家應該大概有些理解了。我們接下來再舉一個例子 。
我們在銷售預測二的影片中,提到了一個周權重係數的概念,用它可以更精準的來進行銷售預測。接下來,我們就嘗試 使用總聚合的記憶體計算方式,在前端得到周權重係數報表。
我們先溫習一下週權重係數的概念:
周權重係數 ,它就是將週一到週日的波動特性量化 。我們先來看它的計算過程:
第一步: 計算歷史年份中(過去1-3年)歷史銷售情況,按週一到週日進行彙總,這樣,就得到了所有周一到週日的銷售資料。
第二步: 找到其中最小值的是星期幾,然後以它為基數(周權重係數為1),其他都除以基數,就得到週一到週日每一天的周權重係數。
這裡面要用到的最小值,就可以透過【總聚合】-【行最小值】來獲取。接下來,我們進系統操作一下:
第一步: 得到週一到週日的銷售資料
點選【彙總】旁的【+】,選擇【收入】後點確定,將收入放到彙總區域中;
點選【行維度】旁的【+】,勾選時間表下的【時間星期】,點確定。這樣就可以得到週一到週日的銷售資料 。
第二步:以最小值的是星期幾為基數, 得到週一到週日每一天的周權重係數
依次點選【收入】旁的【…】、【總聚合】、【行總最小值】。
點選【彙總】旁的【+】,點選【fx】,勾選左下角【彙總區域】,在【計算成員1】中輸入【周權重係數】,在【自定義表示式】中輸入公式:收入/行總最小收入,點確定。
如上圖所示,如果出現小數點太少導致周權重係數差別不大,甚至是看不出差別,就可以調整它的小數點。
點選右側【表列】,在序列中選擇【周權重係數】,在列格式下將值小數位改為【4】。
敲黑板, 講重點
當我們需要將某一列的某一行,拿來進行其他計算時,就可以使用【總聚合】的記憶體計算方式。
如果是想拿該彙總總計那一行的資料,就選擇行總計或行父級總計,這裡有父級和沒父級的區別之前在講佔比時已經提及,就是當有多個行維度時會有差異,大家再自行理解;
如果是想拿該彙總所有行中最小值或最大值,則可以選擇行最小值或行最大值;
如果是想得到該彙總所有行的行數,則可以選擇行計數;
如果是想得到該彙總所有行的平均值,則可以選擇行平均值。
今天沒有操作的總聚合方式,大家可以自行操作並消化一下。
最後,給大家出一道思考題: 在哪些應用場景下,普通的聚合與總聚合可以得到同樣的結果呢?
我們零售資料分析操作篇講到這裡,也已經接近尾聲了,基本上零售資料分析會遇到的場景以及這些場景用到的功能,我們都講的差不多了,接下來這個操作篇我們將會暫時休息,將會迴歸到以零售資料分析應用場景為主的內容,當然,也可能我們還會遇到某些功能 還需要補充或強化,再穿插回來。接下來,請大家移步到《老周道資料之零售行業資料分析系列課程》,我們在那裡再見 。
來自 “ ITPUB部落格 ” ,連結:http://blog.itpub.net/70024013/viewspace-2946641/,如需轉載,請註明出處,否則將追究法律責任。
相關文章
- 零售資料分析之操作篇11:銷售佔比分析
- 零售資料分析之操作篇10:銷售排名與TOP分析
- 零售資料分析操作篇14:利用記憶體計算做銷售篩選分析記憶體
- 零售資料分析操作篇7:分析售罄率,決定何時做促銷
- 零售資料分析之操作篇9:用歷史聚合計算歷史銷售SKU數
- 零售資料分析之操作篇12:子查詢的應用
- 零售資料分析之操作篇8:用歷史聚合巧算庫存
- 零售資料分析指導銷售:促銷時機看售罄率
- 點選、拖曳,15分鐘搞定BI零售資料分析
- 1電商平臺零售資料分析
- BI零售資料分析:以自身視角展開分析
- 智雲通CRM:如何用銷售思維分析銷售資料?
- 用Python爬蟲分析演唱會銷售資料Python爬蟲
- 讓BI自動生成零售資料分析報表?用模板
- BI零售資料分析方案,看了就想擁有
- BI零售資料分析,當代零售企業的核心競爭力
- 對這套BI零售資料分析方案心動,是零售人天性
- 資料處理 聚類分析聚類
- 分享 | BI零售資料分析模板,視覺化,更易懂視覺化
- 大資料分析對新零售的作用是什麼?大資料
- 聚類分析軟體操作流程聚類
- 零售資料分析報表這樣做,老闆狂點贊!
- 零售資料分析做得好的BI軟體有哪些?
- 2022資料分析: 電商天貓維生素類藥品銷售分析
- 銷售業績如何提升?我用資料分析助你迎戰Q4旺季
- tableau 對比銷售額分析
- 資料分析在微博營銷中的應用
- 挖掘資料隱含的業務資訊(1)——訂單銷售交易類資料分析
- 自動計算零售資料分析指標?BI軟體表示可行指標
- 提升線下零售企業的市場競爭力--資料分析!
- 深挖銷售資料走勢 助企業分析市場動向
- 星圖資料:2020.11.11全網銷售直播資料分析
- 零售資料分析師熬夜整理:人、貨、場、供、財這樣做
- 銀行大資料分析解決方案,助力銀行零售業務轉型大資料
- 聚類分析聚類
- 網聚寶:品牌零售資料如何驅動業務增長(附下載)
- 2022-2026年美國零售電子商務銷售額佔零售總額比預測(附原資料表)
- Kantar :2013年歐美零售排名及企業銷售資料排名