Power BI 電商數據分析與商業智能, 2/e

零一沐垚科技創始人，電商自媒體人，資深數據分析師，具有10年電商從業經驗，擅長Excel、Power BI、R、Python等工具，主要研究數據化運營、商業智能和人工智能在電商領域的應用，專注“數據+電商”的新零售服務。

聶健華精通Excel、Power BI，擅長淘系業務數據分析及數據建模。
目前就職於一家淘品牌公司，擔任數據顧問職務，通過精準的數據化運營，享受數據變現帶來的紅利。

目錄
第1 章　Power BI Desktop 簡介 1
1.1 什麼是Power BI Desktop 2
1.2 如何選擇版本 6

第2 章　Power BI 基礎入門 8
2.1 Power BI Desktop 的獲取及安裝方法 9
2.2 Power BI Desktop 操作界面 10
2.3 Power BI Desktop 界面設置 13

第3 章　搭建電商BI 系統的框架 16
3.1 數據框架 17
3.2 業務框架 18
3.3 維度和指標體系 20

第4 章　數據分析方法論 22
4.1 對比法 23
4.2 拆分法 24
4.3 排序法 25
4.4 分組法 27
4.5 交叉法 27
4.6 降維法 28
4.7 增維法 29
4.8 指標法 30
4.9 圖形法 30

第5 章　應用場景：數據採集 33
5.1 靜態數據採集 34
5.2 動態數據採集 46

第6 章　應用場景：市場分析 52
6.1 業務背景 53
6.2 Excel 數據加載與清洗 53
6.3 數據建模 57
6.3.1 創建日期維度表 58
6.3.2 添加屬性維度表 61
6.3.3 數據關係建模 62
6.4 數據可視化展示及拓展應用 65
6.4.1 可視化對像操作 65
6.4.2 篩選器 71
6.4.3 數據鑽取 76
6.4.4 編輯交互 79
6.5 分析指標計算 81
6.5.1 計算同環比 81
6.5.2 計算品牌集中度 88
6.5.3 計算價格段分組 97

第7 章　應用場景：客戶分析 103
7.1 業務背景 104
7.2 MySQL 數據加載與清洗 104
7.3 客戶地域分佈 107
7.3.1 提取省、市信息 107
7.3.2 統計地域客戶數量 108
7.3.3 計算人均消費金額 109
7.3.4 地域分佈的四象限 111
7.4 流失客戶分析 114
7.4.1 統計流失金額 114
7.4.2 分析訂單付款時間 115
7.5 客戶生命週期 117
7.5.1 提取客戶*近消費的時間間隔 117
7.5.2 計算消費間隔的累計佔比 121
7.6 RFM 客戶價值分析模型 124
7.6.1 計算R 125
7.6.2 計算F 126
7.6.3 計算M 126
7.6.4 分析RFM 模型 126

第8 章　應用場景：貨品分析 130
8.1 業務背景 131
8.2 品類銷售分析 131
8.2.1 建立關係模型 131
8.2.2 合併查詢 132
8.2.3 統計品類銷售情況 134
8.2.4 計算商品真實售價 138
8.3 商品銷售分析 143
8.3.1 商品地域分佈 143
8.3.2 商品銷售趨勢 149
8.3.3 商品的銷售生命週期 152
8.3.4 波士頓矩陣 153
VIII Power BI電商數據分析與商業智能（第2版）
8.3.5 補貨預測模型 159

第9 章　應用場景：流量分析 164
9.1 業務背景 165
9.2 流量渠道分析 166
9.2.1 流量渠道分析報表 166
9.2.2 切換報表主題 169
9.2.3 快速分析數據變化的原因 170
9.3 關鍵詞有效度分析 172
9.3.1 數據準備 172
9.3.2 詞根有效度分析 174
9.3.3 詞根裂變分析 178

第10 章　應用場景：輿情分析 186
10.1 業務背景 187
10.2 輿情關鍵詞提取 187
10.2.1 關鍵詞提取 187
10.2.2 詞云圖及網絡圖 189
10.3 情感分析 198
10.3.1 計算輿情情感得分 198
10.3.2 分析情感得分 200

第11 章　發布數據 203
11.1 將數據發佈到Web 204
11.2 將數據發佈到移動端 205