图书介绍

Power BI 电商数据分析实战pdf电子书版本下载

Power BI 电商数据分析实战
  • 零一,聂建华,韩要宾著 著
  • 出版社: 北京:电子工业出版社
  • ISBN:9787121348457
  • 出版时间:2018
  • 标注页数:192页
  • 文件大小:18MB
  • 文件页数:202页
  • 主题词:电子商务-数据处理

PDF下载


点此进入-本书在线PDF格式电子书下载【推荐-云解压-方便快捷】直接下载PDF格式图书。移动端-PC端通用
种子下载[BT下载速度快] 温馨提示:(请使用BT下载软件FDM进行下载)软件下载地址页 直链下载[便捷但速度慢]   [在线试读本书]   [在线获取解压码]

下载说明

Power BI 电商数据分析实战PDF格式电子书版下载

下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。

建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台)。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如 BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用!后期资源热门了。安装了迅雷也可以迅雷进行下载!

(文件页数 要大于 标注页数,上中下等多册电子书除外)

注意:本站所有压缩包均有解压码: 点击下载压缩包解压工具

图书目录

第1章 Power BI Desktop简介 1

1.1 什么是Power BI Desktop 1

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 8

2.2 Power BI Desktop操作界面 10

2.3 Power BI Desktop设置界面 13

第3章 搭建电商BI系统的框架 16

3.1 数据框架 16

3.2 业务框架 18

3.3 维度和指标体系 20

第4章 应用场景:市场分析 22

4.1 业务背景 22

4.2 Excel数据加载与清洗 23

4.3 数据建模 27

4.3.1 创建日期维度表 28

4.3.2 添加属性维度表 32

4.3.3 数据关系建模 33

4.4 数据可视化展示及拓展应用 36

4.4.1 可视化对象操作 37

4.4.2 筛选器 44

4.4.3 数据钻取 50

4.4.4 编辑交互 52

4.5 分析指标计算 54

4.5.1 计算同比/环比 54

4.5.2 计算品牌集中度 62

4.5.3 计算价格段分组 71

第5章 应用场景:客户分析 77

5.1 业务背景 77

5.2 MySQL数据加载与清洗 78

5.3 客户地域分布 81

5.3.1 提取省、市信息 82

5.3.2 统计地域客户数 83

5.3.3 计算人均消费金额 84

5.3.4 地域分布的四象限 87

5.4 流失客户分析 90

5.4.1 统计流失金额 90

5.4.2 分析订单付款间隔 91

5.5 客户生命周期 93

5.5.1 提取客户最近消费的时间间隔 93

5.5.2 计算消费间隔的累计占比 99

5.6 RFM客户价值分析模型 102

5.6.1 计算R 103

5.6.2 计算F 104

5.6.3 计算M 105

5.6.4 分析RFM模型 105

第6章 应用场景:货品分析 109

6.1 业务背景 109

6.2 品类销售分析 109

6.2.1 建立关系模型 110

6.2.2 合并查询 111

6.2.3 统计品类销售情况 114

6.2.4 计算商品真实售价 118

6.3 商品销售分析 124

6.3.1 商品地域分布 124

6.3.2 商品销售趋势 131

6.3.3 商品生命周期 134

6.3.4 波士顿矩阵 135

6.3.5 补货预测模型 142

第7章 应用场景:流量分析 146

7.1 业务背景 146

7.2 流量渠道分析 148

7.2.1 流量渠道分析报表 148

7.2.2 切换报表主题 151

7.2.3 快速见解洞察数据变化 152

7.3 关键词有效度分析 154

7.3.1 数据准备 155

7.3.2 词根有效度分析 157

7.3.3 词根裂变分析 161

第8章 应用场景:舆情分析 170

8.1 业务背景 170

8.2 舆情关键词提取 171

8.2.1 关键词提取 171

8.2.2 词云图及网络图 174

8.3 情感分析 178

8.3.1 计算舆情情感得分 179

8.3.2 分析情感得分 181

第9章 发布数据 184

9.1 将数据发布到Web 184

9.2 将数据发布到移动端 186

精品推荐