一、数据来源

数据集是kaggle上的电子商务数据，这是一个跨国数据集，包含2010年12月1日至2011年9月12日期间。公司主要销售独特的全场合礼品。公司的许多客户都是批发商。
数据的维度较为简单没有过多字段，适合轻度分析。
网址：

https://www.kaggle.com/datasets/carrie1/ecommerce-data

二、核心分析需求

1. 基于RFM模型做用户分层，定位高价值客户
2. 分析不同国家的销售分布，制作全球销售热力图
3. 筛选异常订单，优化风控规则

三、数据处理

（一）、维度介绍

Invoice No：订单编号，非唯一值
Stock Code：商品代码唯一值，一个代码ID对应一个商品
Description：产品描述，描述产品特征
Quantity：购买数量
Invoice Date：订单时间
Unit Price：购买单价
Customer ID：客户ID
Country：国家地区

数据截图：

（二）、数据处理

1、设置自动更新

这一步主要是为了防止没有数据库（SQL）而准备的。正常来说，如果公司有数据库，只要将SQL代码提前写完，在更新数据的时候点击刷新即可，但是也有部分公司是使用Excel存储数据的。
这里设置自动更新很简单，只要将源数据变成一个超级表即可，变成超级表之后，后续只要在表后添加数据，自然会更新到Power Query、Power Pivot中。
只要在Excel中的“开始”选项卡中点击套用表格格式，然后选择一个自己喜欢的样式即可，下面是我随机选择的

后续只要在表格后面更新数据，数据就会自动同步了

2、缺失值处理

这里数据维度不多，就直接在Excel中操作了。
在 Description 字段中是存在缺失值的，该字段的缺失值可以根据 Stock Code 进行填充，这里可以使用VLOOKUP函数进行填充。

接着是CustomerID 这个字段也是存在缺失值的，如果在实际业务中，这部分数据缺失可以根据具体业务情况进行补充。因为这个是网上的数据源，所以这边直接删除，防止影响后续的RFM分析。

3、将数据加载至Power Query

全选中数据→“数据”选项卡→来自表格/区域，即可打开Power Query

4、修改数据类型

将Invoice No 和 Stock Code两个字段改成文本格式

5、添加计算列

在表格最后添加一列名称为Sales Amount，销售金额的列，销售金额 = Quantity * Unit Price

6、将数据加载到数据模型

在弹出的窗口选择“仅创建链接”，在加载到数据模型中一定要打钩

出现下面在这个就表示已经Excel已经将数据加载到数据模型中了

注意：数据处理其实可以放在Power Query中进行处理，缺失值、异常值等。Power Query中进行数据处理并不会直接修改源数据。

四、需求分析

（一）、基于RFM模型做用户分层，定位高价值客户

在Excel选项卡中，在Power Pivot选项卡中点击“管理数据模型”，就会进入到Power Pivot，前提是之前的数据已经加载到数据模型中（数据模型是指将数据加载到Power Pivot）

1、数据维度及分析时间点

需要的数据维度为客户ID、购买日期、销售金额；
数据集的购买时间节点为2010年12月1日至2011年9月12日期间，不可能用2026年的时间去分析，会造成时间跨度很大，失去分析意义，因此将分析时间以2011年12月31日为当前时间点。（不要纠结→_→）

以下是客群群体划分：

2、RFM模型维度计算方法

R：取近度最小值，Min(近度)；近度=分析日期-购买日期。
F：对订单ID进行非重复计数。
M：平均消费金额。

3、维度变量计算

R维度计算：
在Power Pivot中添加分析时间这列，使用DATE函数，函数公式为DATE(2011,12,31)，并将该列命名为Analysis date。

再添加一列，名称为近度，该列计算公式为：Analysis date - InvoiceDate（这里直接使用中文命名，不用英语，方便辨认），将计算的数值变成整数（天数）。
近度数据出来后，可以计算R值，R值只要对近度取最小值即可，公式为MIN(“近度”)
注意：Invoice No（订单编号）是有重复的，一个订单编号会有多个产品，虽然每个订单会有重复，但是下单日期是相同的，所以对应的“近度”都是一样的。

F维度计算：
对**Invoice No（订单编号）**进行非重复计数。

M维度计算：
计算公式：销售金额/F值

4、群体类型类型划分

计算出RFM模型的值之后，是无法划分具体的客户类型的，所以使用链接回表进行操作。这时需要回到Excel中，新建空白工作表（命名：划分客群类型）
第一步： 在Excel中选择现有链接，点击表格，打开空白表，最后点击确定，生成图三
图一：

图二：

图三：

第二步： 表格点击右键，选择表格，编辑DAX（图一），输入下面的公式：evaluate
SUMMARIZE(‘源数据’,‘源数据’[CustomerID],“R”,‘源数据’[R],“F”,‘源数据’[F],“M”,‘源数据’[M])
点击确定
图一：

点击确定后，自动会生成对应的链接回表（图二）
图二：

第三步： 将生成的链接回表加载到Power Pivot中，在Power Pivot点击添加到数据模型即可。

第四步： 使用IF函数进行具体群体划分

第五步： 将上边的等级划分表加载到Power Pivot

第六步： 使用辅助列将字段合并，为后续表连接做准备（图一和图二）。
图一：

图二：

第七步： 将客户信息表和等级划分表建立表连接

第八步： 生成数据透视表，查看对应的模型数据即可

（二）、分析不同国家的销售分布，制作全球销售热力图

1、导入数据

打开PowerBI，新建工作表，点击“文件”导入之前做好的Excel模型文件，一定要选择下面这个选项哈。
注意：这里提一点，原先的源数据那张表中的客户ID也要和其余的表建立连接不然BI中不显示源数据表的数据。

2、分析不同国家销售情况

在BI中绘制不同国家销售金额柱状图，可以看出该公司的批发商客户主要集中在United Kingdoml（英国），其余国家的供应商销售金额占比较低。可以得出两个结论，第一，该公司可能为英国本土企业，市场以国内市场为主，海外市场拓展进度不足，海外市场潜力巨大，后续可以考虑进一步开拓海外市场，提高公司销售金额；第二，公司可以在节假日期间，增加United Kingdoml（英国）的活动优惠力度，进一步挖掘本土市场的消费潜力。

3、绘制全球销售热力图

按照以下的操作可以在BI中绘制全球各个国家的销售金额热力图

其中气泡颜色深度可以在下面的气泡大小颜色中设置，这里就不设置了

（三）、筛选异常订单，优化风控规则

在订单表中，Quantity（数量）字段出现负值，有可能是以下几个原因：
1、退货/退款：这是最常见的情况。当客户退回已购买的商品时，为了在财务和库存上抵消原始的销售记录，系统会生成一个数量为负的订单（常被称为退货单、贷项通知单）。例如，客户退回5件商品，系统中就会出现一个数量为 -5 的销售订单行。
2、库存计算逻辑：在某些场景下，负值是系统计算的结果。比如，一个记录了“未付款订单”数量的字段，其计算公式是“订单数-销量”。如果两笔订单都已付款（增加销量），然后又都退款了（订单数归零），那么计算结果就会是 -2，表示系统里有一些待处理的偏差。

如何优化：
走正规业务单据（如果是退货/退款）：不要直接在原始订单上把数量改成负数。正确的做法是：创建一个新的、类型为“退货单”或“贷项通知单”的单据，并在其中填入负数量，同时关联回原始的销售订单。这样做可以保证业务链条的完整和可追溯。

是打算在这模块做一个可视化模板来监控，这些异常的数据的，时间不够就没做 O(∩_∩)O哈哈~

---

总结

该分析项目主要是国际零售场景，练习PQ跨表合并、数据类型转换；PP做RFM用户分层，PB做全球区域热力图等，如何将Power Query、‌Power Pivot‌、Power BI Desktop三个工具融入到业务中。

有哪里写的不好的欢迎在评论区留言！