芯耀
2030
【案例文件】：案例9-2产品物流发货明细表.xlsx
【案例背景】：本案例分析的是某计算机制造业的成品物流发货源数据，数据源来自物流管理部的运输管理系统（Transportation Management System，TMS ）。基于这个发货数据（取自2019年8月份的发货数据，数据已脱敏处理，并删除了“客户信息”列和“代理商信息”列），利用Power BI进行数据清洗，并构建相关数据模型，并从货量、运费、产品及区域等维度对发货数据进行可视化分析。
【分析思路】：首先将数据导入Power BI，对不规范的数据进行清洗，比如删除重复行；然后创建计算列、计算表、维度表及基础度量值；最后构建基于货量、运费、产品及区域等多维度的可视化看板，可以直观洞察到多维度分析视角下的销量和运费情况。
数据清洗——数据的导入、删空、删重与自定义列
1、导入数据
启动Power BI Desktop，执行“主页”→“获取数据”→“Excel”，选择目标Excel在本地电脑所在的位置，在“导航器”中勾选“成品物流发货明细表”，单击“转换数据”，进入Power Query查询编辑器页面，如图1所示。将“大区对应表”也导入到Power BI Desktop中。
图1.导入数据
2、转换数据进入Power Query界面并删除空行
单击“转换数据”进入到Power Query，选中“发货单号”列，点击鼠标右键，执行“删除重复项”，如图2所示。并在下拉框或菜单栏中选择“删除空”，即删除了空行，如图3所示。
图2.删除重复项
图3.删除空行
3、删除空列
按住快捷键“Ctrl”，鼠标选中“Column32”和“Column33”列，点击鼠标右键选择“删除列”，即删除了两个空列。出现空列的原因是源数据在导入前进行过数据输入和删除动作，导入到Power BI中仍然会显示为null列，因此需要删除，如图4所示。
图4.删除空列
4、新增两个新列——干线运费和配送运费
执行“添加列”→“自定义列”，输入新列名和公式，如图5所示。同理，配送运费是体积X配送费率，最终结果如图6所示。最后，单击“关闭并应用”，数据导入到Power BI Desktop中，数据整理过程结束。
图5.增加“干线运费”列
图6.新增两个运费列
数据建模——创建计算列、计算表、维度表及度量值
1、插入计算列，匹配大区
切换到“关系视图”，将维度表“大区对应表”与“成品物流发货明细表”建立一对多的关系。如图7，插入计算列，输入“大区 = RELATED('大区对应表'[大区])”，将大区对应表中的“大区”关联匹配到明细表中，结果如图8所示。
图7.建立一对多关系（一）
图8.RELATED函数匹配大区信息
2、创建渠道含义对照表执行“主页”→“输入数据”，输入渠道代码及含义，如图9所示。这个过程对数字化产品经理来说要求很高，但是对于数字化产品的成功来说也仅仅是基础要求，本书也会尽可能为读者带来完整的、可操作的知识和指引。
图9.创建渠道含义对照表
3、构建关系视图。
切换到“关系视图”，将“渠道含义对照表”与“成品物流发货明细表”建立一对多的关系，如图10所示。并按照步骤1的方法，新建列“分销渠道名称 = RELATED('渠道含义对照表'[渠道名称])”。
图10.建立一对多关系（二）
4、构建基础度量值
新建一个空表，公示栏输入“存放度量值表 = ROW("存放度量值", BLANK()) ”，用于集中存放度量值。鼠标选中空表，建立如下以下度量值：
总数量 = SUM('成品物流发货明细表'[商品数量])
总运费 = SUMX('成品物流发货明细表',[干线运费]+[配送运费])
总重量 = SUM('成品物流发货明细表'[重量] )
总体积 = SUM('成品物流发货明细表'[体积])
干线总运费 = SUM('成品物流发货明细表'[干线运费])
配送总运费 = SUM('成品物流发货明细表'[配送运费])
公路运费 = CALCULATE([总运费],'成品物流发货明细表'[运输方式]="公路专线"||'成品物流发货明细表'[运输方式]="公路快运")
铁路运费 = CALCULATE('存放度量值表'[总运费],'成品物流发货明细表'[运输方式]="铁路运输"|| '成品物流发货明细表'[运输方式]="铁路行邮")
数据可视化——建立基于货量、运费、产品及区域等多维度的可视化看板
1、构建卡片图
插入五个卡片图：总数量、总体积、干线总运费、配送总运费、总运费，如图11所示，通过卡片图可清晰地观察到主要的货量指标情况。卡片图的格式整理与前面讲到的方法类似，在此不再赘述。
图11.插入卡片图
2、插入切片器
分别插入大区切片器和分销渠道名称切片器，如图12所示。
图12.插入切片器
3、插入柱形图。插入簇状柱形图，显示各个大区的发货量，并可以实现钻取到大区对应的各个省份的发货量，柱形图设置属性如图13所示，最终结果如图14所示，格式整理与前面讲到的方法类似，在此不再赘述。可以看出，华东和华北的销售贡献最大，而作为经济发达地区的华南，销售情况反而不太理想，需要深入分析原因并采取对应的营销策略。
图13.柱形图属性设置图
图14.柱形图属性设置图
4、插入三个圆环图
插入三个圆环图，分别展示各个分销渠道的发货量、运费以及发货平台的运费占比。发货量属性设置如图15所示，运费分析圆环图设置类似（将度量值“总运费”拖入到“值”），最终结果如图16所示。可以看出，代理商是主要的销售渠道，北京基地发货量比重最大。
图15.圆环图发货量属性设置
图16.圆环图结果
5、插入树状图显示各个省份的总运费，并且可以钻取到对应的大区总运费。树状图属性设置如图17所示，最终结果如图18所示。可以看出，四川、山东等运费最多，发货量也最大。
图17.树状图属性设置
图18.树状图结果
6、插入表显示发货平台、产品、运费等分类明细，设置相应字段，如图19所示。从结果可以看出，北京发货基地发货量和运费最大，公路干线运输占主流，结果如图20所示。
图19.表的属性设置
图20.插入表的结果
7、插入文本框输入标题并调整格式和大小，将前面的图表调整布局、对齐，可根据实际情况调整颜色。最终结果如图21所示。
图21.成品物流发货数据可视化分析结果
8、结果解读
总体上可以得出如下以下基本结论：发货基地以北京为主，货量和运费主要集中在华东和华北，华南的销量不太理想。运输以公路干线为主，铁路和航空占比较少，运输模式相对合理。销售模式仍然是传统代理商/经销商渠道为主，随着互联网和电商新零售模式的发展，后续势必会大力拓展全渠道销售模式（如线上的小批量订单发货）。对于物流而言，需要提前规划低成本，高效率的新零售物流运输模式。
以上内容节选自《供应链数据分析实战：Excel+Power BI》
作者：尚西
图书推荐
▊《供应链数据分析实战：Excel+Power BI》尚西
本书基于Excel和Power BI两大工具，从基础功能讲起，通过丰富的案例详细讲解供应链数据分析常用的技术和方法，帮助读者快速入门。
全书共9章：供应链数据分析概述、供应链数据分析常用的方法与工具、数据分析利器—Excel、数据分析利器—Power BI、供应链预测分析、生产数据分析、采购数据分析、物流数据分析、使用Power BI制作供应链数据分析可视化看板。
本书通俗易懂、循序渐进、内容全面、讲解详细、案例丰富、实用性强，适合从事销售、计划、采购、生产、仓储物流等供应链相关领域的职场人士学习参考，也可作为大专院校的教材。
撰 ?稿 ?人：计旭
责任编辑：郝建伟
审 ?核 ?人：曹新宇
