计算机
类型
5.1
豆瓣评分
可以朗读
语音朗读
47千字
字数
2018-08-01
发行日期
展开全部
主编推荐语
电商数据分析实操: Power BI应用技巧
内容简介
这是一本基于Power BI工具，实操电商数据分析的书。用市场分析、客户分析、货品分析、流量分析和舆情分析五个电商常见分析场景讲述Power BI Desktop的应用技巧，涵盖数据可视化、Power Query应用，M语言，DAX和数据建模。适合电商从业人员、零售数据分析人员、数据分析爱好者和Power BI爱好者阅读。
目录
- 封面
- 书名页
- 版权页
- 内容简介
- 前言
- 目录
- 第1章 Power BI Desktop简介
- 1.1 什么是Power BI Desktop
- 1.2 如何选择版本
- 第2章 Power BI基础入门
- 2.1 Power BI Desktop的获取及安装
- 2.2 Power BI Desktop操作界面
- 2.3 Power BI Desktop设置界面
- 第3章 搭建电商BI系统的框架
- 3.1 数据框架
- 3.2 业务框架
- 3.3 维度和指标体系
- 第4章 应用场景：市场分析
- 4.1 业务背景
- 4.2 Excel数据加载与清洗
- 4.3 数据建模
- 4.3.1 创建日期维度表
- 4.3.2 添加属性维度表
- 4.3.3 数据关系建模
- 4.4 数据可视化展示及拓展应用
- 4.4.1 可视化对象操作
- 4.4.2 筛选器
- 4.4.3 数据钻取
- 4.4.4 编辑交互
- 4.5 分析指标计算
- 4.5.1 计算同比/环比
- 4.5.2 计算品牌集中度
- 4.5.3 计算价格段分组
- 第5章 应用场景：客户分析
- 5.1 业务背景
- 5.2 MySQL数据加载与清洗
- 5.3 客户地域分布
- 5.3.1 提取省、市信息
- 5.3.2 统计地域客户数
- 5.3.3 计算人均消费金额
- 5.3.4 地域分布的四象限
- 5.4 流失客户分析
- 5.4.1 统计流失金额
- 5.4.2 分析订单付款间隔
- 5.5 客户生命周期
- 5.5.1 提取客户最近消费的时间间隔
- 5.5.2 计算消费间隔的累计占比
- 5.6 RFM客户价值分析模型
- 5.6.1 计算R
- 5.6.2 计算F
- 5.6.3 计算M
- 5.6.4 分析RFM模型
- 第6章 应用场景：货品分析
- 6.1 业务背景
- 6.2 品类销售分析
- 6.2.1 建立关系模型
- 6.2.2 合并查询
- 6.2.3 统计品类销售情况
- 6.2.4 计算商品真实售价
- 6.3 商品销售分析
- 6.3.1 商品地域分布
- 6.3.2 商品销售趋势
- 6.3.3 商品生命周期
- 6.3.4 波士顿矩阵
- 6.3.5 补货预测模型
- 第7章 应用场景：流量分析
- 7.1 业务背景
- 7.2 流量渠道分析
- 7.2.1 流量渠道分析报表
- 7.2.2 切换报表主题
- 7.2.3 快速见解洞察数据变化
- 7.3 关键词有效度分析
- 7.3.1 数据准备
- 7.3.2 词根有效度分析
- 7.3.3 词根裂变分析
- 第8章 应用场景：舆情分析
- 8.1 业务背景
- 8.2 舆情关键词提取
- 8.2.1 关键词提取
- 8.2.2 词云图及网络图
- 8.3 情感分析
- 8.3.1 计算舆情情感得分
- 8.3.2 分析情感得分
- 第9章 发布数据
- 9.1 将数据发布到Web
- 9.2 将数据发布到移动端
- 反侵权盗版声明
- 封底
展开全部
评分及书评
评分不足
1个评分
给这本书评了3.0如果想学习工具，工具的逻辑层面几乎没有涉及；如果想梳理业务逻辑，内容又太浅。第八章舆情分析部分 bosonnlp 好像停用了，可以在 powerbi 中用 python 脚本处理。
出版方
电子工业出版社
电子工业出版社成立于1982年10月，是国务院独资、工信部直属的中央级科技与教育出版社，是专业的信息技术知识集成和服务提供商。经过三十多年的建设与发展，已成为一家以科技和教育出版、期刊、网络、行业支撑服务、数字出版、软件研发、软科学研究、职业培训和教育为核心业务的现代知识服务集团。出版物内容涵盖了电子信息技术的各个分支及工业技术、经济管理、科普与少儿、社科人文等领域，综合出版能力位居全国出版行业前列。
