统计每月商品订购次数，统计每个商品的售出次数

业务数据分析通常可以简化为过滤、分组和汇总数据的过程。本文通过示例来展示PowerBI如何快速完成整个流程。

假设您的数据是一个订单详细信息表，其中包含订单日期、客户名称、产品名称等数据。业务要求包括

根据您的订单，计算在特定日期之前有多少客户购买了1-7、8-14、14-21.

如果您查看需求，您会发现这是一个分组题，通常可以通过计算列或度量来完成。PowerBIPlanet之前也分享过一篇关于分组的文章。

您需要掌握这些数据分组方法！

使用度量进行分组统计

如果需要根据日期动态计算，则无法通过列计算来完成，只能通过测量值来完成。

PowerBI解决这个题的方法如下，只需要三个简单的步骤

1.数据建模

根据orders表提取出customer表，构建包含所有订单日期的日期表，并与orders表建立一对多关系。

由于我们需要分组，所以我们需要创建一个分组表，我们可以在PowerBI中手动创建该表。数据如下

该表不得与其他表建立关系。数据模型如下

2.测量值设置

创建[客户购买计数]的度量，如下所示。

这个衡量指标值得实践和研究，因为它体现了过滤、分组和聚合的整体计算。

3.数据呈现

通过将这些测量值放入矩阵来计算结果。

在这里您可以看到大多数客户的购买次数在15到21次之间。

切片器允许您选择要查看的日期。

还可以通过图表查看客户按订单日期累计购买数量的分布情况。

查看此面积图，您可以清楚地看到随着时间的推移，客户的重复购买次数越来越多。

查看堆积面积图，值得注意的是，尽管客户的重复订单数量在增加，但客户总数在过去一年中已停止增长。

这样就完成了对客户在特定日期累计下单数量的分组统计，是不是效率很高呢？

以上也是PowerBI数据分析的基本流程，但是从数据建模到DAX应用和数据表达，用户最终看到的只是最后一步，数据表达。写下测量结果需要一定的难度。

但更重要的是，这实际上是第一步。建立模型是数据分析的基础。一个好的模型可以更轻松地完成数据分析的要求，并让您能够简洁高效地编写测量结果。如果您的数据模型很差，您可能根本无法记录满足您要求的测量结果。

在数据建模的时候，需要不断的积累。您不仅需要学习分析技能，还需要深化您的业务。任何人都可以构建数据模型，但这并不意味着他们会构建一个好的模型。数据建模是一门科学。也是艺术。

-很棒的推荐-

统计每月商品订购次数和统计每个商品的售出次数这样的话题就介绍到这里了，如果本文对各位有所帮助，请持续关注并收藏本站吧。