本书以搭建电商数据分析系统为业务背景，介绍Power BI的实际应用，涉及数据采集、市场分析、客户分析、货品分析、流量分析、舆情分析6个常用场景，读者需从市场分析场景入门，了解Power BI的应用。读完这本书后，你将获得电商的数据业务思维、Power BI Desktop的操作技巧，具备搭建电商数据分析BI系统的能力。 第2版新增了第5章数据采集章节，介绍了PBID在数据采集方面的应用。第9章舆情分析中的API接口采用作者自己开发的接口，可以直接调用 。

前言 本书参考了《淘宝、天猫电商数据分析与挖掘实战（第2 版）》和《Excel BI 之道：从零开始学Power 工具应用》的写作思路，主要通过电商业务场景讲解Power BI 的应用，包括Power BI Desktop 的操作方法和电商的业务逻辑。学习完本书，读者将拥有基本的电商数据业务思维、Power BI Desktop 的操作技巧，并具备搭建电商数据分析BI 系统的能力。 工具+ 应用场景才是王道 本书分为11 章， 第1 章是Power BI Desktop 的简介和版本的选择；第2 章介绍Power BI Desktop 的获取及安装方法、操作界面及界面设置；第3 章介绍如何搭建电商BI 系统的框架，包括数据框架、业务框架、维度和指标体系；第4 章介绍常用的数据分析方法；第5 章介绍网络数据采集方法；第6 章非常重要，讲解市场分析涉及的许多基础知识，不管读者是否对市场分析感兴趣，都应该阅读本章；第7 章基于交易数据介绍客户分析的应用场景；第8 章介绍货品分析的应用场景；第9 章介绍流量分析的应用场景；第10 章介绍舆情分析的应用场景；第11 章介绍如何将数据发布到Web 和移动端。 第2 版与第1 版的区别 新增 第2 版新增了第5 章“应用场景：数据采集”，介绍Power BI Desktop 在数据采集方 面的应用。第10 章“应用场景：舆情分析”中的API 接口使用了笔者自己开发的接口， 用户可以直接调用，但如果应用在真实的场景中，还需要订购商业的API 接口。 补充 本书围绕Power BI Desktop 应用展开讲解，读者在Windows 系统中安装好Power BI Desktop 即可。Power BI Desktop 提供免费的个人版。另外，Power BI Desktop 的官方更新 频率在其发布以来都是每月更新一次，因此在读者学习的过程中部分功能细节可能会存 在一些差异。 对于Power Query 比较陌生的读者，推荐结合《Excel BI 之道：从零开始学Power 工 具应用》进行学习。 本书使用的数据是电商平台的真实数据，电商平台的大部分数据字段名称中都没有 单位，为了保持字段名称的真实性，本书没有对字段名称进行修改。并且，本书使用的 图标是软件生成的，没有坐标单位，本书没有对其进行修改。 最后，感谢高飞老师、赵文超老师和宗萌老师的帮助！ 因笔者水平有限，不足之处望读者不吝指正，谢谢！

目录 第1 章　Power BI Desktop 简介 1 1.1 什么是Power BI Desktop 2 1.2 如何选择版本 6 第2 章　Power BI 基础入门 8 2.1 Power BI Desktop 的获取及安装方法 9 2.2 Power BI Desktop 操作界面 10 2.3 Power BI Desktop 界面设置 13 第3 章　搭建电商BI 系统的框架 16 3.1 数据框架 17 3.2 业务框架 18 3.3 维度和指标体系 20 第4 章　数据分析方法论 22 4.1 对比法 23 4.2 拆分法 24 4.3 排序法 25 4.4 分组法 27 4.5 交叉法 27 4.6 降维法 28 4.7 增维法 29 4.8 指标法 30 4.9 图形法 30 第5 章　应用场景：数据采集 33 5.1 静态数据采集 34 5.2 动态数据采集 46 第6 章　应用场景：市场分析 52 6.1 业务背景 53 6.2 Excel 数据加载与清洗 53 6.3 数据建模 57 6.3.1 创建日期维度表 58 6.3.2 添加属性维度表 61 6.3.3 数据关系建模 62 6.4 数据可视化展示及拓展应用 65 6.4.1 可视化对象操作 65 6.4.2 筛选器 71 6.4.3 数据钻取 76 6.4.4 编辑交互 79 6.5 分析指标计算 81 6.5.1 计算同环比 81 6.5.2 计算品牌集中度 88 6.5.3 计算价格段分组 97 第7 章　应用场景：客户分析 103 7.1 业务背景 104 7.2 MySQL 数据加载与清洗 104 7.3 客户地域分布 107 7.3.1 提取省、市信息 107 7.3.2 统计地域客户数量 108 7.3.3 计算人均消费金额 109 7.3.4 地域分布的四象限 111 7.4 流失客户分析 114 7.4.1 统计流失金额 114 7.4.2 分析订单付款时间 115 7.5 客户生命周期 117 7.5.1 提取客户最近消费的时间间隔 117 7.5.2 计算消费间隔的累计占比 121 7.6 RFM 客户价值分析模型 124 7.6.1 计算R 125 7.6.2 计算F 126 7.6.3 计算M 126 7.6.4 分析RFM 模型 126 第8 章　应用场景：货品分析 130 8.1 业务背景 131 8.2 品类销售分析 131 8.2.1 建立关系模型 131 8.2.2 合并查询 132 8.2.3 统计品类销售情况 134 8.2.4 计算商品真实售价 138 8.3 商品销售分析 143 8.3.1 商品地域分布 143 8.3.2 商品销售趋势 149 8.3.3 商品的销售生命周期 152 8.3.4 波士顿矩阵 153 VIII Power BI电商数据分析与商业智能（第2版） 8.3.5 补货预测模型 159 第9 章　应用场景：流量分析 164 9.1 业务背景 165 9.2 流量渠道分析 166 9.2.1 流量渠道分析报表 166 9.2.2 切换报表主题 169 9.2.3 快速分析数据变化的原因 170 9.3 关键词有效度分析 172 9.3.1 数据准备 172 9.3.2 词根有效度分析 174 9.3.3 词根裂变分析 178 第10 章　应用场景：舆情分析 186 10.1 业务背景 187 10.2 舆情关键词提取 187 10.2.1 关键词提取 187 10.2.2 词云图及网络图 189 10.3 情感分析 198 10.3.1 计算舆情情感得分 198 10.3.2 分析情感得分 200 第11 章　发布数据 203 11.1 将数据发布到Web 204 11.2 将数据发布到移动端 205