7月29日，老师发布两个任务：从企业决策者的角度分析和从顾客角度分析。我们小组结合数据分析的六大步骤，一层一层剖析，一步步完善。
一、确定设计目的
首先，我们打开数据表，先了解数据，确定表结构信息，本次项目只有一个表，不用建立E-R关系图。
表结构信息
然后，确定我们要分析的主题。查看数据明细，最大的日期是2018-11-30，我们采用情景再现方式，时光倒流，我们回到2018年12月1日。这天，我们收到数据要给企业做分析，分析的指标可以有11月当月销售情况(销量和规模)、年销售情况(销量和规模)、月同比、月环比、年同比、年市场份额占比、移动平均,分析纬度有车系、车企、车类、品牌、价格档。然后分决策者和消费者两个角度，整理出重要信息：
筛选关键字段
二、分析及可视化展示
因本项目数据是已处理过的，不需要清洗处理，直接打开Power BI导入数据，并检查数据类型是否正确，再通过List.Dates函数新建辅助日期表并建立关系图。
A、决策者角度分析部分
1、第一部分展示月销售和年销售对比情况，目的是让决策者一目了然自己企业的整体情况。
①、当月销量 = CALCULATE(SUM('批售数据'[销量]),FILTER('批售数据',MONTH('批售数据'[月末])=11),FILTER('批售数据',YEAR('批售数据'[月末])=2018))
②、上月销量 = CALCULATE(SUM('批售数据'[销量]),FILTER('批售数据',MONTH('批售数据'[月末])=10),FILTER('批售数据',YEAR('批售数据'[月末])=2018))
③、去同期月销量 = CALCULATE(SUM('批售数据'[销量]),FILTER('批售数据',MONTH('批售数据'[月末])=11),FILTER('批售数据',YEAR('批售数据'[月末])=2017))
④、18年1-11月销量 = CALCULATE(SUM('批售数据'[销量]),FILTER('辅助日期','辅助日期'[日期].[年]=2018))
⑤、17年1-11月销量 = CALCULATE(SUM('批售数据'[销量]),FILTER('辅助日期','辅助日期'[日期].[年]=2017),FILTER('批售数据',month('批售数据'[月末])<>12))
⑥、销量月同比 = DIVIDE('批售数据'[当月销量]-'批售数据'[去同期月销量],'批售数据'[去同期月销量])
⑦、销量月环比 = DIVIDE('批售数据'[当月销量]-'批售数据'[上月销量],'批售数据'[上月销量])
⑧、销量年同比= DIVIDE('批售数据'[18年1-11月销量]-'批售数据'[17年1-11月销量],'批售数据'[17年1-11月销量])
⑨、18年汽车总销量 = CALCULATE(SUM('批售数据'[销量]),FILTER('辅助日期','辅助日期'[日期].[年]=2018),ALL('批售数据'))
⑩、18年企业销量占比 = DIVIDE('批售数据'[18年1-11月销量 ],'批售数据'[18年汽车总销量 ])
规模的对应指标计算公式和销量一样，只要把销量改成规模即可，此处就不罗列。效果如下：
企业整体情况(1-11月市场占比即18年年企业占比)
2、第二部分展示销售从上市至今月销售平均及移动平均趋势和2018年月销售与2017年同期销售趋势对比，目的是让决策者了解企业的未来走势及去同对比情况。
①、企业平均销量 = CALCULATE(AVERAGE('批售数据'[销量]),ALLSELECTED('批售数据'[车企]))
②、移动平均销量 = CALCULATE('批售数据'[11企业平均销量],DATESINPERIOD('辅助日期'[日期],LASTDATE('辅助日期'[日期]),-'月偏移量'[月偏移量 值],MONTH))
③、18年月销量 = CALCULATE(SUM('批售数据'[销量]),FILTER('批售数据',YEAR('批售数据'[月末])=2018))
④、17年月销量 = CALCULATE(SUM('批售数据'[销量]),FILTER('批售数据',YEAR('批售数据'[月末])=2017))
⑤、18年行业平均销量 = CALCULATE(AVERAGE('批售数据'[销量]),FILTER('辅助日期','辅助日期'[日期].[年]=2018),ALL('批售数据'[车企]))
⑥、新建第一个参数，用于设定移动平均的位移量，名称叫月偏移量，最小值为1，最大值为20，默认值为3
⑦、新建第二个参数，用于销量和规模数据间的切换，名称叫选项，值为1，切换销量情况；值为2，切换规模情况。需要用if把度量值做封装，如平均 = IF('显示选项'[选项:1-销量 2-规模 值]=1,'批售数据'[11企业平均销量],'批售数据'[11企业平均规模])
规模的对应指标计算公式和销量一样，只要把销量改成规模即可，此处就不罗列。效果如下：
选项为1的结果图
选项为2的结果图
3、第三部分分两个柱状图展示，第一个显示本企业各车型18年总销量或规模及对应18年行业平均销量及规模，第一个对应显示竞争对手的车型18年总销量或规模及对应18年行业平均销量及规模，目的是让决策者了解自己企业与竞争对手的差异情况。此部分用的指标大部分是前两部分设定的指标，需要新增一个计算行业平均度量值，在新增前还要提取18年的去重复数据，需新增一个表
①、新表：18年统计数据= SUMMARIZECOLUMNS('批售数据'[车企],'批售数据'[车型],"销量",CALCULATE(sum('批售数据'[销量]),FILTER('批售数据',year('批售数据'[月末])=2018)),"规模",CALCULATE(sum('批售数据'[规模]),FILTER('批售数据',year('批售数据'[月末])=2018)))
②、18年汽车行业平均 = if('显示选项'[选项:1-销量 2-规模 值]=1, CALCULATE(AVERAGE('车型18年统计数据'[销量]),ALL('车型18年统计数据'[车型])),CALCULATE(AVERAGE('车型18年统计数据'[规模]),ALL('车型18年统计数据'[车型])))
规模的对应指标计算公式和销量一样，只要把销量改成规模即可，此处就不罗列。另新增一个切片器只筛选竞争对手的数据，效果如下：
与竞争对手对比
总之，每一部分框架出来之后，在添加一些切片器来筛选其他维度数据，最终的效果如下：
决策者角度分析页
B、消费者角度分析部分
1、一般消费者主要关注指标是销量，指标前面分析决策者角度已准备
2、进一步分析，从消费者角度出发，一般关注信息还有车系、品牌、车类、心理价位、车型、舒适度、动力源、几座、性能、百米加速、油耗等。因数据有限，我们只从车系、品牌、车类、心理价位、车型维度展示
3、结合当今生活水平及消费水平，我们把价格档划分为‘5万下,5-10万,10-20万,20-30万,30-50万,50万上’六个档位
4、第一部分用2个饼图展示占比情况，第1个饼图展示车系占比情况，第二个展示品牌占比情况。效果如下
占比情况
4、第二部分用柱状图展示各车型18年销售情况。效果如下
车型18年销售情况
5、加入价格区间和车类切片器，用于消费者切换自己想关注的信息，并布局美化，最终成果如下：
消费者角度分析页
网友评论