从原始数据到商业决策：在 Power BI 中清理和建模 JCars Logistics 销售数据

在当今数据驱动的世界中，理解原始数据对于做出有效的商业决策至关重要。随着企业越来越依赖数据分析来指导其战略，这个话题在当前显得尤为重要。

了解数据集

我们正在讨论的数据集来自 JCars Logistics，这是一家在肯尼亚各地进口和销售车辆的公司。它包含 276 行和 32 列，每一行代表一个车辆销售订单。这包括有关客户、车辆和交易日期等详细信息。

数据实际上出了什么问题

初步检查后，该数据集暴露出几个问题：

• 订单 ID： 格式不一且存在重复项。
• 日期字段： 格式混合，包括文本和 Excel 序列号。
• 分类列： 大小写不一致、存在缩写和拼写错误。
• 数字字段： 文本与数字混合，以及存在不可能的值。
• 货币字段： 多种格式，包括 KSh、KES 和 USD。

这些问题使得数据在分析时变得不可靠。

清理数据

步骤 1：加载数据

首先，我将原始数据集加载到 Power Query 中，作为一个名为 Sales_Raw的暂存查询。然后，我将其复制到一个名为 Sales 的工作查询中，以确保原始数据的安全。

步骤 2：修复订单 ID

对于订单 ID，我标准化了格式并解决了所有重复项。这至关重要，因为每笔交易的订单 ID 必须是唯一的。

步骤 3：清理日期

接下来，我集中精力清理日期字段。这包括：

• 将 Excel 序列号转换为可读日期。
• 将格式标准化为单一的样式。
• 处理无效日期，例如像 2026-13-04 这种不可能的日期。

步骤 4：标准化分类数据

对于分类列，我创建了一个映射公式来纠正不一致之处。例如，我将不同的拼写和缩写合并为一个单一的标准术语。这确保了相似的条目被正确地分组在一起。

步骤 5：规范化数字字段

我将数字的文本表示转换为实际的数值。这包括处理 Units Sold 字段中诸如 "two" 和 "3 cars" 这样的条目。

步骤 6：标准化货币格式

所有的货币值都被转换为单一的货币格式（KES）。我建立了一个逻辑来处理各种格式，确保可以准确地执行比较和计算。

数据建模

在清理数据之后，我构建了一个星型模式。这包括创建一个用于销售的中心事实表，以及用于客户、车辆和交易的相关维度表。这种结构有助于高效的数据分析。

DAX 度量值

然后我创建了几个 DAX（数据分析表达式）度量值来计算关键指标：

• 总收入
• 总销量
• 毛利润 这些度量值为业务绩效提供了可靠的洞察。

目前的仪表板

有了清理后的数据和 DAX 度量值，我在 Power BI 中开发了一个初始的仪表板。以下是一些关键发现：

• 售出 452 辆车，总收入达到 13.1 亿 KES。
• 毛利润约为 4.3037 亿 KES。
• SUV 占总销售收入的 59%，突显了市场趋势。
• Toyota 在销售中处于领先地位，表现显著优于其他品牌。

还剩下什么

虽然数据清理和初始仪表板已经完成，但仍需要进一步的工作。这包括添加更多的交互性、详细的报告页面以及额外的 DAX 度量值，以回答特定的业务问题。

结论

将原始数据转化为干净、可用的格式对于做出明智的商业决策至关重要。该过程包括仔细的清理、建模和可视化，以确保数据能够讲述一个清晰的故事。

优点

• 提高了数据的准确性和可靠性。
• 通过清晰的洞察增强了决策能力。
• 使用结构化模型进行高效的数据分析。

缺点

• 清理和标准化数据的过程非常耗时。
• 需要熟悉像 Power BI 和 DAX 这样的工具。
• 如果管理不善，可能会出现疏漏。

注意事项

本文旨在用于教育目的。任何占位符值都必须替换为实际数据，并且读者在依赖这些信息之前，应该对照原始数据源进行核实。

常见问题解答

• 什么是 Power BI？ ——Power BI 是一种业务分析工具，有助于实现数据可视化并在整个组织内共享洞察。
• 为什么数据清理很重要？ ——数据清理可以确保分析的准确性和可靠性，从而带来更好的商业决策。
• 什么是 DAX 度量值？ ——DAX 度量值是 Power BI 中用于动态分析数据的计算方式。
• 我该如何标准化数据格式？ ——您可以通过在 Power Query 中使用映射公式和函数来标准化数据格式。
• 什么是星型模式？ ——星型模式是一种数据库结构，它将数据组织成事实表和维度表，以实现高效的查询。
• 在数据清理中我可能会面临哪些挑战？ ——常见的挑战包括格式不一致、重复项和缺失值。

标签

#data #powerbi #analytics #datacleaning #businessintelligence #DAX #datamodeling #dashboard #dataanalysis #datascience