数据可视化之PowerQuery篇（十二）客户购买频次分布

https://zhuanlan.zhihu.com/p/100070260

商业数据分析通常都可以简化为对数据进行筛选、分组、汇总的过程，本文通过一个实例来看看PowerBI是如何快速完成整个过程的。

假设数据为一个订单明细表，含有下单日期、客户名称、产品名称等数据，业务需求为：

根据订单表，计算出截止某个日期，购买次数为1-7次、8-14次、14-21次……的客户分别有多少？

看到要求就知道这是个分组问题，一般可以通过计算列或者度量值的方式来完成，之前PowerBI星球也分享过关于分组的文章：

这几种数据分组的方式，你应该掌握！

使用度量值进行分组统计

 

需要根据日期动态计算，那么就不能通过计算列的方式来实现，只能通过度量值来完成。

下面是PowerBI解决这个问题的过程，只需要简单的3个步骤。

1、数据建模

 

根据订单表提取出客户表，以及建立一个涵盖所有订单日期的日期表，分别与订单表建立一对多的关系。

因为要进行分组，所以还要建一个分组表，可以在PowerBI中"输入数据"，手工建一个，数据如下：

 

这个表不要与其他表建立关系，数据模型如下：

 

2、建立度量值

建立一个[客户购买次数]的度量值，如下图：

 

 

这个度量值中体现了筛选、分组和汇总的整个计算，值得你好好练习研究一下。

3，数据呈现

将这个度量值放入到矩阵中计算结果，

 

从这里可以看出购买15-21次的客户最多。

可以通过切片器选择任意一个日期查看，

 

还可以通过图表查看每个订单日期的客户累计购买次数分布，

 

 

通过这个面积图，可以明显看出随着时间的推移，客户的复购次数越来越多。

 

 

通过堆积面积图来看，虽然客户的重复下单次数在增加，但总客户数近一年来停止增长，值得关注。

这样就完成了任意一个日期的客户累计下单次数的分组统计，是不是很高效。

以上也是PowerBI数据分析的一个基本流程，从数据建模、DAX的运用到数据呈现，用户最终看到的只是最后一步：数据呈现，你也许觉得最重要的是第二步，写出那个度量值，从难度上来说，这确实需要一定的积累。

但更关键的其实是第一步，建立模型是数据分析的基础，一个良好的模型可以更简单的完成数据分析的需要，也会让度量值的编写变得简洁高效，而糟糕的数据模型，可能你压根无法写出可以实现需求的度量值。

关于数据建模，更需要不断的积累，你不仅要学会分析技术，更要精深业务，每个人都会建立数据模型，但并不意味着你会建立一个良好的模型，数据建模是一门科学，也是一门艺术。