Power BI电商数据分析与商业智能（第2版）

第1 章　Power BI Desktop 简介 1
1.1 什么是Power BI Desktop 2
1.2 如何选择版本 6
第2 章　Power BI 基础入门 8
2.1 Power BI Desktop 的获取及安装方法 9
2.2 Power BI Desktop 操作界面 10
· · · · · · (更多)

第1 章　Power BI Desktop 简介 1
1.1 什么是Power BI Desktop 2
1.2 如何选择版本 6
第2 章　Power BI 基础入门 8
2.1 Power BI Desktop 的获取及安装方法 9
2.2 Power BI Desktop 操作界面 10
2.3 Power BI Desktop 界面设置 13
第3 章　搭建电商BI 系统的框架 16
3.1 数据框架 17
3.2 业务框架 18
3.3 维度和指标体系 20
第4 章　数据分析方法论 22
4.1 对比法 23
4.2 拆分法 24
4.3 排序法 25
4.4 分组法 27
4.5 交叉法 27
4.6 降维法 28
4.7 增维法 29
4.8 指标法 30
4.9 图形法 30
第5 章　应用场景：数据采集 33
5.1 静态数据采集 34
5.2 动态数据采集 46
第6 章　应用场景：市场分析 52
6.1 业务背景 53
6.2 Excel 数据加载与清洗 53
6.3 数据建模 57
6.3.1 创建日期维度表 58
6.3.2 添加属性维度表 61
6.3.3 数据关系建模 62
6.4 数据可视化展示及拓展应用 65
6.4.1 可视化对象操作 65
6.4.2 筛选器 71
6.4.3 数据钻取 76
6.4.4 编辑交互 79
6.5 分析指标计算 81
6.5.1 计算同环比 81
6.5.2 计算品牌集中度 88
6.5.3 计算价格段分组 97
第7 章　应用场景：客户分析 103
7.1 业务背景 104
7.2 MySQL 数据加载与清洗 104
7.3 客户地域分布 107
7.3.1 提取省、市信息 107
7.3.2 统计地域客户数量 108
7.3.3 计算人均消费金额 109
7.3.4 地域分布的四象限 111
7.4 流失客户分析 114
7.4.1 统计流失金额 114
7.4.2 分析订单付款时间 115
7.5 客户生命周期 117
7.5.1 提取客户最近消费的时间间隔 117
7.5.2 计算消费间隔的累计占比 121
7.6 RFM 客户价值分析模型 124
7.6.1 计算R 125
7.6.2 计算F 126
7.6.3 计算M 126
7.6.4 分析RFM 模型 126
第8 章　应用场景：货品分析 130
8.1 业务背景 131
8.2 品类销售分析 131
8.2.1 建立关系模型 131
8.2.2 合并查询 132
8.2.3 统计品类销售情况 134
8.2.4 计算商品真实售价 138
8.3 商品销售分析 143
8.3.1 商品地域分布 143
8.3.2 商品销售趋势 149
8.3.3 商品的销售生命周期 152
8.3.4 波士顿矩阵 153
VIII Power BI电商数据分析与商业智能（第2版）
8.3.5 补货预测模型 159
第9 章　应用场景：流量分析 164
9.1 业务背景 165
9.2 流量渠道分析 166
9.2.1 流量渠道分析报表 166
9.2.2 切换报表主题 169
9.2.3 快速分析数据变化的原因 170
9.3 关键词有效度分析 172
9.3.1 数据准备 172
9.3.2 词根有效度分析 174
9.3.3 词根裂变分析 178
第10 章　应用场景：舆情分析 186
10.1 业务背景 187
10.2 舆情关键词提取 187
10.2.1 关键词提取 187
10.2.2 词云图及网络图 189
10.3 情感分析 198
10.3.1 计算舆情情感得分 198
10.3.2 分析情感得分 200
第11 章　发布数据 203
11.1 将数据发布到Web 204
11.2 将数据发布到移动端 205
· · · · · · (收起)