Power BI電商數(shù)據(jù)分析與商業(yè)智能（第2版）

定　價：￥79.00

作　者：	零一，聶健華著
出版社：	電子工業(yè)出版社
叢編項：
標　簽：	暫缺

購買這本書可以去

ISBN：	9787121422508	出版時間：	2021-11-01	包裝：	平裝
開本：	16開	頁數(shù)：		字數(shù)：

內(nèi)容簡介

　　本書以搭建電商數(shù)據(jù)分析系統(tǒng)為業(yè)務(wù)背景，介紹Power BI的實際應(yīng)用，涉及數(shù)據(jù)采集、市場分析、客戶分析、貨品分析、流量分析、輿情分析6個常用場景，讀者需從市場分析場景入門，了解Power BI的應(yīng)用。讀完這本書后，你將獲得電商的數(shù)據(jù)業(yè)務(wù)思維、Power BI Desktop的操作技巧，具備搭建電商數(shù)據(jù)分析BI系統(tǒng)的能力。第2版新增了第5章數(shù)據(jù)采集章節(jié)，介紹了PBID在數(shù)據(jù)采集方面的應(yīng)用。第9章輿情分析中的API接口采用作者自己開發(fā)的接口，可以直接調(diào)用。

作者簡介

　　零一沐垚科技創(chuàng)始人，電商自媒體人，資深數(shù)據(jù)分析師，具有10年電商從業(yè)經(jīng)驗，擅長Excel、Power BI、R、Python等工具，主要研究數(shù)據(jù)化運營、商業(yè)智能和人工智能在電商領(lǐng)域的應(yīng)用，專注“數(shù)據(jù)+電商”的新零售服務(wù)。聶健華精通Excel、Power BI，擅長淘系業(yè)務(wù)數(shù)據(jù)分析及數(shù)據(jù)建模。目前就職于一家淘品牌公司，擔任數(shù)據(jù)顧問職務(wù)，通過精準的數(shù)據(jù)化運營，享受數(shù)據(jù)變現(xiàn)帶來的紅利。

圖書目錄

目錄
第1 章　Power BI Desktop 簡介 1
1.1 什么是Power BI Desktop 2
1.2 如何選擇版本 6
第2 章　Power BI 基礎(chǔ)入門 8
2.1 Power BI Desktop 的獲取及安裝方法 9
2.2 Power BI Desktop 操作界面 10
2.3 Power BI Desktop 界面設(shè)置 13
第3 章　搭建電商BI 系統(tǒng)的框架 16
3.1 數(shù)據(jù)框架 17
3.2 業(yè)務(wù)框架 18
3.3 維度和指標體系 20
第4 章　數(shù)據(jù)分析方法論 22
4.1 對比法 23
4.2 拆分法 24
4.3 排序法 25
4.4 分組法 27
4.5 交叉法 27
4.6 降維法 28
4.7 增維法 29
4.8 指標法 30
4.9 圖形法 30
第5 章　應(yīng)用場景：數(shù)據(jù)采集 33
5.1 靜態(tài)數(shù)據(jù)采集 34
5.2 動態(tài)數(shù)據(jù)采集 46
第6 章　應(yīng)用場景：市場分析 52
6.1 業(yè)務(wù)背景 53
6.2 Excel 數(shù)據(jù)加載與清洗 53
6.3 數(shù)據(jù)建模 57
6.3.1 創(chuàng)建日期維度表 58
6.3.2 添加屬性維度表 61
6.3.3 數(shù)據(jù)關(guān)系建模 62
6.4 數(shù)據(jù)可視化展示及拓展應(yīng)用 65
6.4.1 可視化對象操作 65
6.4.2 篩選器 71
6.4.3 數(shù)據(jù)鉆取 76
6.4.4 編輯交互 79
6.5 分析指標計算 81
6.5.1 計算同環(huán)比 81
6.5.2 計算品牌集中度 88
6.5.3 計算價格段分組 97
第7 章　應(yīng)用場景：客戶分析 103
7.1 業(yè)務(wù)背景 104
7.2 MySQL 數(shù)據(jù)加載與清洗 104
7.3 客戶地域分布 107
7.3.1 提取省、市信息 107
7.3.2 統(tǒng)計地域客戶數(shù)量 108
7.3.3 計算人均消費金額 109
7.3.4 地域分布的四象限 111
7.4 流失客戶分析 114
7.4.1 統(tǒng)計流失金額 114
7.4.2 分析訂單付款時間 115
7.5 客戶生命周期 117
7.5.1 提取客戶近消費的時間間隔 117
7.5.2 計算消費間隔的累計占比 121
7.6 RFM 客戶價值分析模型 124
7.6.1 計算R 125
7.6.2 計算F 126
7.6.3 計算M 126
7.6.4 分析RFM 模型 126
第8 章　應(yīng)用場景：貨品分析 130
8.1 業(yè)務(wù)背景 131
8.2 品類銷售分析 131
8.2.1 建立關(guān)系模型 131
8.2.2 合并查詢 132
8.2.3 統(tǒng)計品類銷售情況 134
8.2.4 計算商品真實售價 138
8.3 商品銷售分析 143
8.3.1 商品地域分布 143
8.3.2 商品銷售趨勢 149
8.3.3 商品的銷售生命周期 152
8.3.4 波士頓矩陣 153
VIII Power BI電商數(shù)據(jù)分析與商業(yè)智能（第2版）
8.3.5 補貨預測模型 159
第9 章　應(yīng)用場景：流量分析 164
9.1 業(yè)務(wù)背景 165
9.2 流量渠道分析 166
9.2.1 流量渠道分析報表 166
9.2.2 切換報表主題 169
9.2.3 快速分析數(shù)據(jù)變化的原因 170
9.3 關(guān)鍵詞有效度分析 172
9.3.1 數(shù)據(jù)準備 172
9.3.2 詞根有效度分析 174
9.3.3 詞根裂變分析 178
第10 章　應(yīng)用場景：輿情分析 186
10.1 業(yè)務(wù)背景 187
10.2 輿情關(guān)鍵詞提取 187
10.2.1 關(guān)鍵詞提取 187
10.2.2 詞云圖及網(wǎng)絡(luò)圖 189
10.3 情感分析 198
10.3.1 計算輿情情感得分 198
10.3.2 分析情感得分 200
第11 章　發(fā)布數(shù)據(jù) 203
11.1 將數(shù)據(jù)發(fā)布到Web 204
11.2 將數(shù)據(jù)發(fā)布到移動端 205