销售需求丨新增客户
实际需求中,按照国内的行情,总是能遇到一些奇奇怪怪的需求。
比如说:求每个阶段的新增客户。
(感谢小伙伴提供的样例数据。)
这是本次的样例数据。
背景:
假定每月的销售记录都有客户名字这一项,且每月的客户信息都是只增加不删除的情况,求出每个月增加的客户名字表。
将数据导入到PowerBI中如下:
背景交代完毕,缕一下思路,该如何解决这个问题。
首先就是我们需要知道最新月份的所有客户名字;
其次是需要知道上期的客户名字;
最后两个表对比筛选,求出每个月的新增客户名称。
思路搞清楚了,那么该如何进行呢?
这里我们需要用到两个新函数:
CALCULATETABLE函数:
语法=
CALCULATETABLE(<expression>,<filter1>,<filter2>,…)
CALCULATETABLE小伙伴们可以理解为是CALCULATE的进化版,只不过CALCULATE返回的是一个值。而CALCULATETABLE返回的是一张表。
需要注意的点是:
-
表达式不能是度量值。
-
表达式不能使用嵌套的CALCULATE函数。
-
表达式不能是扫描表或者返回表的任何函数,包括聚合。
-
但是可以是一个标量值,或者查找单个值。
————————分割————————
EXCEPT函数:
语法=
EXCEPT(<table_expression1>, <table_expression2>)
返回一个表,表1减去表2剩下的所有行的表。
准备工作到这里结束,需要在PowerBI中添加我们的日期表。
有的小伙伴们就要问了,为啥添加日期维度呢?事实表不是有么?
事实表有没错,但是我们需要计算的是最新的一个月,以及上期,这就需要我们的维度中有一个可以执行这种判断的索引列。很明显,事实表没有。编写如下代码:
DATE =
GENERATE (
CALENDAR (
MIN ( 'Sheet1'[Date] ),
//注意:这里需要替换成你自己的数据
MAX ( 'Sheet1'[Date] )
//注意:这里需要替换成你自己的数据
),
VAR DA = [Date]
VAR YEAR =
YEAR ( DA )
VAR QUARTER =
"季度" & FORMAT ( DA, "Q" )
VAR MONTE =
FORMAT ( DA, "MM" ) & "月"
VAR DAY =
DAY ( DA )
VAR WEEKID =
WEEKDAY ( DA, 2 )
RETURN
ROW (
"年度", YEAR,
"季度", QUARTER,
"月份", MONTE,
"日", DAY,
"年度季度", YEAR & QUARTER,
"年度月份", YEAR & MONTE,
"星期", WEEKID
)
)
结果如图:
这是我们需要的判断维度之一。
将两个表建立模型关系:
这里小伙伴可以忽略这个1V1关系。
开始编写如下代码:
新增客户 =
VAR EQ =
CALCULATETABLE (
DISTINCT ( 'Sheet1'[Cus_Name] ),
FILTER ( 'DATE', 'DATE'[年度月份] = MAX ( 'DATE'[年度月份] ) )
)
VAR NQ =
CALCULATETABLE (
CALCULATETABLE (
DISTINCT ( 'Sheet1'[Cus_Name] ),
FILTER ( 'DATE', 'DATE'[年度月份] = MAX ( 'DATE'[年度月份] ) )
),
DATEADD ( 'DATE'[Date], -1, MONTH )
)
RETURN
EXCEPT ( EQ, NQ )
结果如图:
解释一下代码含义:
EQ在这里的目的是为了获取最新月份客户名字,利用CALCULATETABLE+FILTER的组合求出这个时间点的客户信息表。
NQ在这里求最新月份之前一个月,也就是上期的客户信息表。
这里需要单独提一下为什么使用DISTINCT函数:
因为EXCEPT函数要求两个表列的数量一致。如果不使用DISTINCT那么EQ与NQ求出来的表格就是带有**[日期]与[姓名]**列的表:
这样的话因为**[日期]这列的数据不符合(一个是本月,一个是上月),那么使用EXCEPT求出来的结果就是一个没有数据的空表,所以需要利用DISTINCT提取我们需要的事实信息**。
还有就是DATEADD这个函数需要一个连续的日期表才能进行上期的返回,所以最开始的时候生成我们自己的日期表也是考虑到这里了。
很多知识如果是单纯的看书不使用的话,那么只是为了更快的遗忘。
只有自己动手尝试了,才会记得更清楚哦。
小伙伴们❤GET了么?
白茶会不定期的分享一些函数卡片
(文件在知识星球[PowerBI丨需求圈])
这里是白茶,一个PowerBI的初学者。
下面这个知识星球是针对有实际需求的小伙伴,有需要的请加入下面的知识星球。
数据分析进阶之路,带你深入了解可视化技巧。