Power BI 电商数据分析实战

图书标准信息

• 作者 零一 聂健华 韩要宾
• 出版社 电子工业出版社
• 出版时间 2018-09
• 版次 1
• ISBN 9787121348457
• 定价 49.00元
• 装帧 其他
• 开本 16开
• 纸张 轻型纸

【内容简介】

本书以搭建电商数据分析系统为业务背景，介绍Power BI的实际应用，涉及市场分析、客户分析、货品分析、流量分析、舆情分析5个常用场景，读者需从市场分析场景入门，了解Power BI的应用。读完这本书后，你将获得电商的数据业务思维、Power BI Desktop的操作技巧，具备搭建电商数据分析BI系统的能力。本书适合Power BI爱好者、数据分析爱好者、电商数据分析从业人员、电商运营从业人员阅读。

【作者简介】

零一沐垚科技创始人，电商自媒体，资深数据分析师，具有8年电商从业经验，擅长Excel、Power BI、R、Python等工具，主要研究数据化运营、商业智能和人工智能在电商领域的应用，专注“数据 电商”的新零售服务。

聂健华精通Excel、Power BI，擅长淘系业务数据分析及数据建模。目前就职于一家淘品牌公司，担任数据顾问职务，通过精准的数据化运营，享受数据变现带来的红利。

韩要宾杭州沐垚科技有限公司 COO，CDA数据分析研究院资深讲师，具有5年电商从业经验，4年数据挖掘实战经验，专注于数据分析与挖掘、机器学习、深度学习的研究。服务客户：苏宁易购、Decathlon、百草味、浙江师范大学等。

【目录】

第1章  Power BI Desktop简介1

1.1  什么是Power BI Desktop1

1.2  如何选择版本6

第2章  Power BI基础入门8

2.1  Power BI Desktop的获取及安装8

2.2  Power BI Desktop操作界面10

2.3  Power BI Desktop设置界面13

第3章  搭建电商BI系统的框架16

3.1  数据框架16

3.2  业务框架18

3.3  维度和指标体系20

第4章  应用场景：市场分析22

4.1  业务背景22

4.2  Excel数据加载与清洗23

4.3  数据建模27

4.3.1  创建日期维度表28

4.3.2  添加属性维度表32

4.3.3  数据关系建模33

4.4  数据可视化展示及拓展应用36

4.4.1  可视化对象操作37

4.4.2  筛选器44

4.4.3  数据钻取50

4.4.4  编辑交互52

4.5  分析指标计算54

4.5.1  计算同比/环比54

4.5.2  计算品牌集中度62

4.5.3  计算价格段分组71

第5章  应用场景：客户分析77

5.1  业务背景77

5.2  MySQL数据加载与清洗78

5.3  客户地域分布81

5.3.1  提取省、市信息82

5.3.2  统计地域客户数83

5.3.3  计算人均消费金额84

5.3.4  地域分布的四象限87

5.4  流失客户分析90

5.4.1  统计流失金额90

5.4.2  分析订单付款间隔91

5.5  客户生命周期93

5.5.1  提取客户最近消费的时间间隔93

5.5.2  计算消费间隔的累计占比99

5.6  RFM客户价值分析模型102

5.6.1  计算R103

5.6.2  计算F104

5.6.3  计算M105

5.6.4  分析RFM模型105

第6章  应用场景：货品分析109

6.1  业务背景109

6.2  品类销售分析109

6.2.1  建立关系模型110

6.2.2  合并查询111

6.2.3  统计品类销售情况114

6.2.4  计算商品真实售价118

6.3  商品销售分析124

6.3.1  商品地域分布124

6.3.2  商品销售趋势131

6.3.3  商品生命周期134

6.3.4  波士顿矩阵135

6.3.5  补货预测模型142

第7章  应用场景：流量分析146

7.1  业务背景146

7.2  流量渠道分析148

7.2.1  流量渠道分析报表148

7.2.2  切换报表主题151

7.2.3  快速见解洞察数据变化152

7.3  关键词有效度分析154

7.3.1  数据准备155

7.3.2  词根有效度分析157

7.3.3  词根裂变分析161

第8章  应用场景：舆情分析170

8.1  业务背景170

8.2  舆情关键词提取171

8.2.1  关键词提取171

8.2.2  词云图及网络图174

8.3  情感分析178

8.3.1  计算舆情情感得分179

8.3.2  分析情感得分181

第9章  发布数据184

9.1  将数据发布到Web184

9.2  将数据发布到移动端186