热线电话：13121318867

登录
热搜话题:
ai长文生成
Scikit-learn
Python
大数据
数据分析师
统计学
微积分
线性代数
Excel
Power BI
R语言
SPSS
Mysql
快速发帖
我要提问
最新
热门
关注
推荐
问答
liting李
power query如何事实现自动增加到today的日期表？
答：自动更新日期表：=List.Dates(#date(2019,1,1),Duration.Days(Date.From(DateTime.LocalNow())-#date(2019,1,1))+1,#duration(1,0,0,0))
29.1068
3
0
关注作者
收藏
宋俊花
DAX函数：RELATED和RELATEDTABLE
Excel中知名度最高的函数当属VLOOKUP，它的确很有用，可以在两个表之间进行匹配数据，使工作效率大大提升，虽然它也有很多局限性。这里不讨论VLOOKUP，而是学习一个和VLOOKUP功能很相似的DAX函数：RELATED.老师讲课的时候没感觉到它的特点，这里再次详细了解一下，才能更自如的使用。RELATEDRELATED是一个值函数，它的参数是一列，RELATED函数也是把一个表的数据通过匹
35.0103
1
0
关注作者
收藏
陈yy123
销售总经理对员工的KPI考核
需帮助销售总经理了解销售团队的目标完成情况 -- 以便对表现好的销售人员及团队进行奖励，对表现不好的团队进行激励，提升士气，迎战第二季度（自己做的一个作品展示）解题思路：层层剥离，总经理-》区域-》城市经理 总经理-》产品系列经理-》产品经理总经理需要了解这季度全国销售情况，目标，达成率销售情况分区域模块，产品模块，各区域销售情况的展示，不受切片器影响区域经理的KPI，目标
35.0103
3
0
关注作者
收藏
马敏11
Power BI的主要特征
Power BI的主要特征• 查看所有信息• 数据更生动（交互式）• 数据转换为决策• 掌握最新信息• 共享信息
34.9871
7
0
关注作者
收藏
马敏11
​DAX 表达式
DAX 表达式： Power Pivot 的特有函数集1. DAX表达式的结果应用在数据透视表中2. DAX表达式的结果作用于整列或者表中所有行3. 还需注意以下几点：a. 表名用“''”引用。b. 字段名（列名）用“[]”引用。c. 要注意函数表达式中参数的数据类型，尤其是要将“表”与“数值”正确区分。d. 与Excel公式相同，除了直接在编辑器的公式区域输入公式外还可以通过单击公式编辑栏前的“
34.9871
4
0
关注作者
收藏
宋俊花
Power BI 切片器 编辑交互 “无”的按钮不出现
今天在实践自己操作老师白天讲的车企案例的时候，因为界面上右4-5个切片器，互相之间联动关系要设置，然后我就遇到一个很不可思议的问题：设置“无”的那个小圆圈就是显示不出来。怀疑其他图表遮盖，我来回移动切片器，无济于事，急死我了。一个偶然的操作，因为界面上图表太多，我把右侧的筛选器折叠起来，结果发现，唉，“无”按钮回来了。更见鬼了！然后，仔细往下想了想，最终我发现了这个按钮消失的原因：是因为界面空间小
45.6502
2
0
关注作者
收藏
马敏11
快消行业销售情况分析
1. 了解经销商挣钱的方法 -- 低风险、多次进销存轮转争取利润2. 分析业务需求 -- 为了多次轮转就需要做到精细化数据监控3. 明确业务维度 -- 产品、客户、销售人员 --> 金额、销量、销售业绩以及动销情况4. 收集数据5. 理解数据、加工数据6. 创建数据环境以及汇总规则7. 设计及制作展示界面
29.3425
2
0
关注作者
收藏
chuncha.lz
时间智能函数 (DAX)梳理
数据分析经常要按照时间维度分析，比如常见的同环比，所以要用到时间相关的函数处理时间。时间智能函数需要明确三个点：→参照依据：点，还是段→位移量是多少：一天还是一个月→返回区间：返回新的时间点还是时间段的汇总值时间智能函数每一个细节逻辑都不一样，使用前需要测试，才知道运算逻辑和怎么使用。以MTD函数为例，使用时间筛选器，测试方法如下：MTD函数：TOTALMTD(,
29.5452
1
0
关注作者
收藏
chuncha.lz
时间智能函数 (DAX)梳理
数据分析经常要按照时间维度分析，比如常见的同环比，所以要用到时间相关的函数处理时间。时间智能函数需要明确三个点：→参照依据：点，还是段→位移量是多少：一天还是一个月→返回区间：返回新的时间点还是时间段的汇总值时间智能函数每一个细节逻辑都不一样，使用前需要测试，才知道运算逻辑和怎么使用。以MTD函数为例，使用时间筛选器，测试方法如下：MTD函数：TOTALMTD(,
29.4888
3
0
关注作者
收藏
chuncha.lz
​区分列表和记录
区分列表和记录：列表是序号是标识符，记录是字段名是标识符
29.3797
3
0
关注作者
收藏
chuncha.lz
新建参数用法
想要度量值作为筛选时，可以新建参数：1. 新建参数 2. 使用新建参数生成表下的度量值，进行switch函数的判断 3. 将switch创建的度量值用作树状图的度量
29.4888
1
0
关注作者
收藏
宋俊花
利用Earlier函数做更细粒度的分析
预习的时候看到earlier函数，当时不知道什么意思，老师讲课的时候也没特殊提到，所以自己动手来一探究竟！前面利用PowerBI做数据分析的时候都是对整列的字段进行操作，并没有做更细化的分析，比如分析数据的每一行、提取某一行的数据，这在Excel中很容易实现，因为Excel公式是对单元格操作。那么在PowerBI中能不能按行分析呢，答案当然是肯定的，并且比Excel更加灵活，借助这个函数:EARL
74.7160
1
0
关注作者
收藏
陈yy123
电商分析
明确目的：让店长通过分析仪了解店铺整体的经营情况2. 拆解目的：明确运营指标及指标背后的业务意义3. 了解数据：明确数据能够辅助哪些内容进行描述（BI只能使用可量化数据）4. 思考指标重要程度5. 设计指标展示方法：不重要的用卡片图、重要的用仪表盘6. 结合行业特征，加入辅助性数据信息，描述业务细节和细节问题
75.1241
2
0
关注作者
收藏
ALEXSONG_JY
客户价值模型
电商案例：客户价值模型1. 电商的钱是怎么来的： 流量*转化率*客单价2. 此次分析要解决的业务模块问题： 客单价3. 客单价如何拆解： 购买频次以及平均购买金额4. 提升购买频次与购买金额的行为： 优化界面、选购上新、广告宣传5. 业务行为所需要的业务模型： 客户价值模型6. 结合模型与业务行为考虑需要提供的数据信息：不同类型客户的体量（购买金额及购买数量的占比）、不同类别客户的购买倾向性（不同
39.9019
2
0
关注作者
收藏
132****7268
​电商案例思路
电商案例思路：电商的钱是怎么来的： 流量*转化率*客单价2. 此次分析要解决的业务模块问题： 客单价3. 客单价如何拆解： 购买频次以及平均购买金额4. 提升购买频次与购买金额的行为： 优化界面、选购上新、广告宣传5. 业务行为所需要的业务模型： 客户价值模型6. 结合模型与业务行为考虑需要提供的数据信息：不同类型客户的体量（购买金额及购买数量的占比）、不同类别客户的购买倾向性（不同客户的品牌以及
40.0138
2
0
关注作者
收藏
chuncha.lz
避开上下文问题方法
避开上下文问题方法：不要把聚合函数直接嵌套在其他函数内使用，而是先把聚合函数在外边定义成度量值，再把度量值引用到其他函数内使用才行
39.7134
2
0
关注作者
收藏
chuncha.lz
powerbi作图
文本类型计数是counta()，数值类型计数count()图表有多层级的上卷和下钻如果：不同量纲的度量数 > 图表值坐标轴数 解决方法： 1. 增加次坐标轴2. 标准化处理，减少不同量纲的度量数 切片器可以同步两个页面选中切片器-格式-编辑交互可以控制其他对象是否受切片器影响
39.7134
1
0
关注作者
收藏
陈yy123
M函数查找步骤
M函数查找步骤Power Query新建源，#shared转换表3. 筛选
39.7328
1
0
关注作者
收藏
ALEXSONG_JY
时间智能函数
时间智能函数，汇总时间周期下或时间位移量下的数值缺点：每个计算逻辑不一样，参照时间点还是时间段，位移量是多长，返回值是时间点还是段下值。在使用时间智能函数的时候，需要先进行充分的测试，包括参照的是点还是段、位移量、返回的是点还是段函数名参照点位移量返回值切片器totalmtd（）时间点到当前月的第一天返回的是当前月第一天到今天的汇总值如果切片器是时间段，是受后点影响mPreviousMonth时间
30.6639
3
0
关注作者
收藏
陈yy123
power bi 行上下文筛选，排序
避开上下文问题方法：不要把聚合函数直接嵌套在其他函数内使用，而是先把聚合函数在外边定义成度量值，再把度量值引用到其他函数内使用才行城市降序名次 = rankx(all('商机相关企业信息'[城市]),[金额合计]) 可用对城市降序名次 = rankx(all('商机相关企业信息'[城市]),CALCULATE(sum('商机记录'[商机金额(M)]))) 可用错城市降序名次 = rankx(all
30.6373
4
0
关注作者
收藏
<1…101112…52>
CDA考试动态
考试介绍
考试大纲
考试内容
考试地点
CDA报考指南
报考流程
考试时间
报名费用
联系我们
热门栏目
考试动态
报考指南
复习备考
职业发展
直播公开课
经验分享
Copyright © 2015-2020, www.pinggu.com All Rights Reserved. CDA数据分析师(北京国富如荷网络科技有限公司) 版权所有 京ICP备18052299号-1