零售数据分析操作篇4：本月、本年累计
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。（点击观看视频）上讲回顾与作业解答上一讲讲了同比环比的操作方法，奥威BI都统一放到了同期计算中，可以按任意的时间颗粒度（年、季、月、周、日）来进行任意偏移量的同期对比计算（包括同期值、同期比率与同期差值），操作非常简单。上一讲还留了两个作业，现在就来解答一下。 第一题：假设今天是2010年8月29日，想做一张门店销售日报，并分析本日与上一日的对比情况，该如何实现呢？首先，想清楚几个要素：1、时间如何筛选？2、同期计算的时间颗粒度如何选择？3、如何设置偏移量？4、需要哪些对比字段？第1条，时间如何筛选？这里的时间选择的就是2010年8月29日，直接用时间日期字段来筛选即可；第2条，同期计算的时间颗粒度如何选择？这里是分析本日与上一日的对比情况，所以，时间颗粒度选择日；第3条，如何设置偏移量？既然是与上一日对比，我们就设置为-1；第4条，需要哪些对比字段？这里我们将同期比率与同期差值都选上，同期值是默认会显示出来的。考虑清楚了，操作就很简单了。我们直接上系统：1、先做一张零售数据分析-销售日报的环比分析表格。在汇总项中添加【数量】，在筛选项中添加时间日期2010年8月29日。https://pmo03bf1b-pic32.websiteonline.cn/upload/1_415w.jpg https://pmo03bf1b-pic32.websiteonline.cn/upload/2_2imu.jpg 2、设置按日环比点击【数量】旁的【…】，选择【同期】后，选择按【日】往前偏移一天，也就是【-1】，再将【同期比率】、【同期差值】一一选上，点击确定即可看到2010年8月29当天的销量以前28日的销量以及增长率、差值。https://pmo03bf1b-pic32.websiteonline.cn/upload/3_s1x6.jpg 3、在行维度中添加【门店】https://pmo03bf1b-pic32.websiteonline.cn/upload/4_giy3.jpg 这个时候就能够看到2010年8月29日的销售情况，并与28日做对比分析。https://pmo03bf1b-pic32.websiteonline.cn/upload/5_jqw9.jpg 第二道题，特殊场景下，同期偏移量还可以输入正数，大家可以想到哪些场景会是这样的吗？这一题有一点难度了。我们举一个类似的例子。假设当前是2022的7月份，我们已经做了未来三个月的销售预测，如果我们想同时显示出7-9月的销售预测数据，那么，这个时候，就可以用到正数的偏移值了。用同样的思维模式，想清楚几个问题：1、时间如何筛选？ 2、同期计算的时间颗粒度如何选择？ 3、如何设置偏移量？4、需要哪些对比字段？第一步：选择2022年7月，得到7月的预测值，第二步：进行同期计算，按月，偏移值为+1，得到8月的预测值；第三步，按月，偏移值为+2，得到9月的预测值。这里没有真实的数据，就暂时不演示了，大家可以自行操作一下。 本讲内容今天讲什么呢？今天我们将讲聚合方式中的本周累计、本月累计和本年累计。本周累计：从本周第一天计算到BI当前日期的汇总值；比如今天是星期三，则计算的结果是周一到周三的累计值；本月累计：从本月第一天计算到BI当前日期的汇总值；比如今天是5月15号，则计算的结果是5月1号到5月15号的累计值；本年累计：从本年第一天计算到BI当前日期的汇总值；比如今天是5月15号，则计算的结果是1月1号到5月15号的累计值； 上述的零售数据分析场景非常常见，今天我们就分别举例来看一下如何实现。在讲实际操作之前，我们还要先导入一个新的概念：日历筛选控件。之前我们使用的时间筛选是是直接在数据集构建器中直接输入时间来进行筛选的，那这样的筛选并不方便，所以，我们这里会有一个日历筛选控件，它专门是用来筛选某一天的控件，有了这个控件，就可以由用户自由的选择某一天了。 好了，接下来，我们进系统。系统实操做一张添加日历筛选控件的销售数量分析简表我们先来做一个销售数量的报表，然后再增加一个日历筛选控件，这时，我们筛选任意的时间，那么，大家看到的就是所选日期当天的销售数量。先点击上方的【+】新建一个简表，并在汇总项中添加指标【数量】，然后再次点击上方的【+】，在【筛选】中点击选中【公共筛选】；之后再【添加筛选控件】的小弹窗中选择【时间日期】后，单击右下角选择【日历】，点【确定】。https://pmo03bf1b-pic32.websiteonline.cn/upload/6_z7p8.jpg https://pmo03bf1b-pic32.websiteonline.cn/upload/7_wr1k.jpg 这个时候就可以看到一个时间日期筛选框出现在设计页里，可拉动排版。点击即可选定具体的时间日期，比如这里就选择了2010年7月8日。展示了这一天的销量。https://pmo03bf1b-pic32.websiteonline.cn/upload/8_mf3h.jpg 本周累计这时，我们再增加一个字段，聚合方式为本周累计，此时，得到的就是从周一到当前日期的累计值。点击【汇总】旁的【+】，选择【每日门店销售】下的【数量】，点击右下角选择聚合方式【本周累计】，点【确定】。之后，bi数据可视化工具将立即显示具体的数值，这里显示的658。https://pmo03bf1b-pic32.websiteonline.cn/upload/10_ckhm.jpg https://pmo03bf1b-pic32.websiteonline.cn/upload/11_l7zp.jpg 为了方便大家进行数据核对，我们另外做一个表格，按日期来星期来显示销售数量来相互验证一下。点击上方的【+】新建一个简表，并在汇总项中添加指标【数量】；然后再次点击上方的【+】，在【筛选】中点击选中【公共筛选】；之后再【添加筛选控件】的小弹窗中选择【时间日期】后，单击右下角选择【日历（范围）】，点【确定】。https://pmo03bf1b-pic32.websiteonline.cn/upload/12_v77q.jpg https://pmo03bf1b-pic32.websiteonline.cn/upload/13_5rtz.jpg 本周累计的逻辑是周一到当前（周四），所以在日历范围筛选中，我们要选择5日（周一）到8日（周四），去计算它们的累计数值。https://pmo03bf1b-pic32.websiteonline.cn/upload/14_ar2r.jpg https://pmo03bf1b-pic32.websiteonline.cn/upload/15_ksm4.jpg 得出来的本周累计是658，与之前操作得出来的数值一致。由此可验证本周累计的计算逻辑。本月累计点击【汇总】旁的【…】，选择【数量】，点击右下角选择【本月累计】，点确定，得出的本月累计为1186。 https://pmo03bf1b-pic32.websiteonline.cn/upload/15-1_l3z1.jpg https://pmo03bf1b-pic32.websiteonline.cn/upload/16_ly11.jpg 本月累计逻辑是7月1日到当前时间，也就是到7月8日，经过日历（范围）筛选分析后得出具体数值为1186。两张简表内的本月累计数值一致。https://pmo03bf1b-pic32.websiteonline.cn/upload/17_0lk5.jpg 本年累计点击【汇总】旁的【…】，选择【数量】，点击右下角选择【本年累计】，点确定，得出的本月累计为28186。 https://pmo03bf1b-pic32.websiteonline.cn/upload/18_7v0j.jpg 本年累计的逻辑应该是当年的1月1日到当前时间，也就是7月8日。选择了这个日历范围后，得出的本年累计数值为28186，与上图一致。 https://pmo03bf1b-pic32.websiteonline.cn/upload/19_tviu.jpg 同比或环比比如说我们不仅要看当天（8日）的销售数据，我们还想看看前一天（7日）的数量，就可以这么做：点击【数量】旁的【…】，依次点击选择【同期】、【日】、【-1】，点击【确定】。就可以得出前一天（7日）的销量为161。 https://pmo03bf1b-pic32.websiteonline.cn/upload/20_wyvl.jpg https://pmo03bf1b-pic32.websiteonline.cn/upload/21_hcr0.jpg 在时间日历范围筛选中，我们可通过点击选择2010年7月7日，得出7日的销售数量为161，与上图一致。 https://pmo03bf1b-pic32.websiteonline.cn/upload/22_5to2.jpg 添加门店维度点击【行维度】旁的【+】，点击选择【门店】，即可看到各个门店的销售情况。https://pmo03bf1b-pic32.websiteonline.cn/upload/23_vf2j.jpg 敲黑板，讲重点本周累计/本月累计/本年累计都是与时间相关的聚合，所以，必须要选择某个时间，否则，得到的结果可能不是大家预期的结果。 最后，给大家出一道作业：如果是按月筛选数据，如何实现既看到当月的数据，同时还可以看到截止到当月的本年累计数据？ 今天这一讲就先到这里，通过这一讲，我们不但学习了新的聚合方式，还结合上一讲的同比环比，拓宽了更多的应用场景，相信大家已经感受到，只要我们理解业务，回归到分析场景，奥威BI就可以轻松实现。下一讲，我们将继续讲一些高级的统计分析，比如近期计算、近期筛选，敬请期待。 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！
页:
[1]