各位数据的朋友,大家好,我是老周道数据,和你一起,用常人思维+数据分析,通过数据讲故事。
上期回顾与作业解答
上一讲讲了内存计算筛选,又可称之为自定义计算成员筛选,即当某列是通过自定义计算成员得到的时候,还要想利用其作为筛选条件,就需要用到自定义计算成员筛选功能。(观看视频)
上一讲还给大家出了道作业,就是:想知道哪些门店的客单价低于平均客单价,怎么实现?
我们先来理一下思路:1、我们要先计算各门店的客单价;2、再得到公司整体的平均客单价;3、然后再将各门店的客单价与平均客单价相减,得到的差值(客单价差)即为我们要筛选的来源计算成员;4、在筛选区域按差值(客单价差)<0,即得到低于平均客单价的门店。
思路是理完了,接下来我们进系统操作一下:
1、计算各门店的客单价
由于客单价=收入/客流量,因此我们要新建表格,先把收入、客流量计算出来。
收入:点【汇总】旁【+】,点击选择【收入】,点确定。
客流量:点【汇总】旁【+】,点击选择【订单号】,点左下角选择【唯一计数】后点确定。得到一个【唯一计数_订单号】,点击旁边的【…】,选择【重命名】为【客流量】。
到这一步就可以利用自定义表达式来计算客单价。
客单价:点击【汇总】旁【+】,点【fx】,在【计算成员1】中输入【客单价】,点击左下角【汇总区域】后,在【自定义表达式】中点击输入公式:收入/客流量后点击确定。
点击【行维度】旁的【+】,点击【门店】后点确定,即可得到下图效果:
2、得到公司整体的平均客单价
我们发现没办法继续操作下去了,因为得到【平均客单价】这一步骤好像并没有那么简单。那么,到底怎么样才能得到【平均客单价】呢?今天我们要讲的内容【总聚合】就刚好是帮助我们理解并解决类似的零售数据分析场景的。
本期内容
所谓【总聚合】,就是为了方便我们将某一个汇总字段的总计那一行的值,重复引用,而专门配置的一种内存聚合方式,包括总计、计数、平均值、最大值、最小值。
为了方便大家理解,我们回到上节的作业。我们刚才已经得到了下表所示的内容,此时,我们会发现,公司整体的平均客单价就等于公司总的收入/总的客流量,也就是下图中标识的部分,它出现在客单价这一列,总计这一行中。
那接下来怎么操作呢?我们重新进入到bi数据分析系统。
点【客单价】旁的【…】,点击【总聚合】,点【行总计】后,表格中将立即出现一列【行总客单价】,这个其实就是我们要的【平均客单价】,只需点【…】选择【重命名】进行修改即可。
3、计算差值(客单价差)
将各门店的客单价与平均客单价相减,得到的差值(客单价差)即为我们要筛选的来源计算成员。
点【汇总】旁的【+】,点【fx】,勾选左下角【汇总区域】,然后在【计算成员1】中输入【差值】,在【自定义表达式】中点击输入公式:客单价-平均客单价,点确定。
4、筛选得到低于平均客单价的门店
在筛选区域按差值(客单价差)<0,即得到低于平均客单价的门店。
点击【筛选】旁的【+】,点【fx】,选择【差值】后点确定,进入条件筛选器。将【等于】改为【小于】,数值为【0】后,点【OK】。
上期作业讲完了,大家会发现这个作业难点就在于怎么得到平均客单价,而这刚好也是本次课程的重点。在这个例子讲完后,大家应该大概有些理解了。我们接下来再举一个例子。
我们在销售预测二的视频中,提到了一个周权重系数的概念,用它可以更精准的来进行销售预测。接下来,我们就尝试使用总聚合的内存计算方式,在前端得到周权重系数报表。
我们先温习一下周权重系数的概念:
周权重系数,它就是将周一到周日的波动特性量化。我们先来看它的计算过程:
第一步:计算历史年份中(过去1-3年)历史销售情况,按周一到周日进行汇总,这样,就得到了所有周一到周日的销售数据。
第二步:找到其中最小值的是星期几,然后以它为基数(周权重系数为1),其他都除以基数,就得到周一到周日每一天的周权重系数。
这里面要用到的最小值,就可以通过【总聚合】-【行最小值】来获取。接下来,我们进系统操作一下:
第一步:得到周一到周日的销售数据
点击【汇总】旁的【+】,选择【收入】后点确定,将收入放到汇总区域中;
点击【行维度】旁的【+】,勾选时间表下的【时间星期】,点确定。这样就可以得到周一到周日的销售数据。
第二步:以最小值的是星期几为基数,得到周一到周日每一天的周权重系数
依次点击【收入】旁的【…】、【总聚合】、【行总最小值】。
点击【汇总】旁的【+】,点击【fx】,勾选左下角【汇总区域】,在【计算成员1】中输入【周权重系数】,在【自定义表达式】中输入公式:收入/行总最小收入,点确定。
如上图所示,如果出现小数点太少导致周权重系数差别不大,甚至是看不出差别,就可以调整它的小数点。
点击右侧【表列】,在序列中选择【周权重系数】,在列格式下将值小数位改为【4】。
敲黑板,讲重点
当我们需要将某一列的某一行,拿来进行其他计算时,就可以使用【总聚合】的内存计算方式。
如果是想拿该汇总总计那一行的数据,就选择行总计或行父级总计,这里有父级和没父级的区别之前在讲占比时已经提及,就是当有多个行维度时会有差异,大家再自行理解;
如果是想拿该汇总所有行中最小值或最大值,则可以选择行最小值或行最大值;
如果是想得到该汇总所有行的行数,则可以选择行计数;
如果是想得到该汇总所有行的平均值,则可以选择行平均值。
今天没有操作的总聚合方式,大家可以自行操作并消化一下。
最后,给大家出一道思考题:在哪些应用场景下,普通的聚合与总聚合可以得到同样的结果呢?
我们零售数据分析操作篇讲到这里,也已经接近尾声了,基本上零售数据分析会遇到的场景以及这些场景用到的功能,我们都讲的差不多了,接下来这个操作篇我们将会暂时休息,将会回归到以零售数据分析应用场景为主的内容,当然,也可能我们还会遇到某些功能还需要补充或强化,再穿插回来。接下来,请大家移步到《老周道数据之零售行业数据分析系列课程》,我们在那里再见。
老周道数据,和你一起,用常人思维+数据分析,通过数据讲故事,我们下一讲再见!
如若转载,请注明出处:https://www.gooyie.com/41776.html