我將結(jié)合近期工作中總結(jié)出的分析思路，對PowerBi中【工作日/周末】分析進行總結(jié)，希望能夠幫助到正準(zhǔn)備著手進行【工作日/周末】分析的讀者。
本文引用的報表，分析主體是商場，報表閱讀者為商場管理者（收租度日）。
首先要明確一點，【工作日/周末】分析一般不會作為獨立的專題報表出現(xiàn)，大多數(shù)時候，只是需要在做報表的時候順便區(qū)分出【工作日/周末】的數(shù)據(jù)。當(dāng)然，如果要深入挖掘，也無不可。
至于為什么要在報表中區(qū)分【工作日/周末】，原因當(dāng)然是工作日和周末的數(shù)據(jù)有差異 ，而且往往差異不小。
接下來進入正題。
1. 分析日均
直接對比工作日總量與周末總量顯然是不合理的，畢竟一周七天里有五天是工作日。
相較而言，“日均”是個不錯的指標(biāo)。按照我的習(xí)慣，定義以下細(xì)碎度量值：
零級基礎(chǔ)度量：SlaesTotal、DaysCount
一級度量：SalesPerDay= DIVIDE([SalesTotal],[Days_Count])
二級度量：SalesPerDay_Workday、SalesPerDay_Weekend
SalesPerDay_Workday = CALCULATE([SalesPerDay],FILTER('Dim_Date','Dim_Date'[IsWorkDay]=1))
SalesPerDay_Weekend = CALCULATE([SalesPerDay],FILTER('Dim_Date','Dim_Date'[IsWeekend]=1))
展示度量：將其余度量值按需除以10000等數(shù)值，可以附帶上單位，代碼省略
這里插入一個思考，稍后討論： 周末的銷售額也可以由總銷售額減去工作日銷售額得到，再除以周末天數(shù)就是日均，這與上面代碼段的寫法在性能與使用上是否有差異？
在得到工作日與周末的指標(biāo)后，我們可以繪制卡片圖：
2.分析趨勢
分析趨勢首選折線圖，這在當(dāng)前是公認(rèn)的。我們將時間軸、工作日銷售額、周末銷售額拖到折線圖上，設(shè)置好形狀與標(biāo)簽，就可以得到一個能夠區(qū)分工作日與周末的折線圖，它既可以反映出總體的走勢，也能體現(xiàn)工作日與周末的差異：
請注意，在上面的圖片中，工作日與周末是不連續(xù)的，周五到周六、周日到周一之間，都是斷開的。事實上，你現(xiàn)在看見的不是一條時不時中斷一下的折線，而是兩條折線，一條淺藍(lán)色，一條淺紫色，兩條都是斷斷續(xù)續(xù)的折線。深究原因的話，需要回顧一下文章開頭的度量值。簡單點舉例說，對于度量值SalesPerDay_Weekend，它只在周末時返回數(shù)值——即便在工作日期間，它也不會返回0，所以淺紫色線在工作日期間消失了。
鑒于二級度量值中的日期篩選發(fā)生在最外層，內(nèi)部計算的是篩選后的銷售額除以篩選后的天數(shù)，我們可以直接將度量值應(yīng)用于橫軸為月的圖表上：
如果你希望獲取連續(xù)的折線并將周末的數(shù)據(jù)點突出顯示出來，那也不難：
——這次放上來的度量值分別是SalesPerDay、SalesPerDay_Weekend，這個方案的缺陷很明顯，它不僅只能適用于橫軸粒度為“日”的走勢圖，而且會在工具提示方面出現(xiàn)一些小問題。
還有一種方法是用柱子為折線圖劃分區(qū)域以突出顯示周末：
灰色柱子的度量值：
Const_Weekend = Var SalesPerDay_Max=MAXX(ALLSELECTED(Dim_Date),[SalesPerDay])
Var DaysCount_Weekend=CALCULATE(COUNT(Dim_Date[FullDate]),Dim_Date[IsWeekEnd]=1)
Return IF(DaysCount_Weekend=1,SalesPerDay_Max)/10000*1.618
（魔法數(shù)1.618，乘不乘無所謂，看心情）
3.拓展分析的維度
熟練運用以上基本圖表技巧之后，就可以加入更多維度，比如，是不是所有行業(yè)都是周末比工作日銷售更好呢？
當(dāng)這個問題被提出時，BI工程師必須給出可視化的答案：
當(dāng)然，這還不是真正的答案，關(guān)鍵在于你對銷售更好的理解。已經(jīng)可以看到，大部分行業(yè)是在周末時有更高的銷售額，只有健身例外。但是，這些信息有什么用？即便將這些信息可視化了，但它們到底有什么用？它們能幫助管理者把商場運營得更好么？說實話，我看到這張圖的第一反應(yīng)是：好像餐飲業(yè)的日均銷售額非常高？
4.拓展至其它度量
在上面最后一張圖中，餐飲的日均銷售額看起來非常高，表面原因是餐飲業(yè)在商場占的面積更大，根本原因是選擇的度量粒度還不夠細(xì)。這種高低之間的差別不能說完全沒有意義，但確實意義不大，且高低差如此明顯的度量，放在這里過于吸引眼球，閱讀者的注意力都跑去餐飲日均銷售額很高上面去了，很難注意到我們是在比較工作日/周末。業(yè)態(tài)間銷售額高低的比較完全可以放在其它報表中——比如各業(yè)態(tài)面積、銷售額占比之類的，用扇形圖的形式來呈現(xiàn)。
至于現(xiàn)在的這個圖表，我希望它最好既能夠呈現(xiàn)不同業(yè)態(tài)的工作日/周末差異，也能夠不過于吸引眼球地在業(yè)態(tài)間進行橫向比較——換句話說，這些柱子的高低要在不同業(yè)態(tài)間具有可比性，而且比較起來不那么搶眼。
我們可以進一步分析其它度量值，不局限于日均度量值。比如，大額訂單更容易在工作日還是周末發(fā)生、工作日與周末的日均客流量對比、工作日與周末的客單價對比、工作日與周末的銷售筆數(shù)對比……
不要以為這種拓展是一件很容易的事，這并不是胡亂復(fù)制度量、拖拽圖表可以搞定的事兒。你必須用心精選度量，不然你的報表最終就是由一大堆不太有意義的指標(biāo)和趨勢圖堆砌而成，看起來還不錯，也挺漂亮，可就是產(chǎn)生不了太大價值。
下面將要達(dá)成既能夠呈現(xiàn)不同業(yè)態(tài)的工作日/周末差異，也能在業(yè)態(tài)間具有可比性，要回答的問題是“是不是所有行業(yè)都是周末比工作日銷售更好”：
-
新增度量值
Sales_PerSM_PerDay = DIVIDE([SalesTotal],SUMX('Dim_Date',SUMX('Dim_Tenant',[AreaTotal_Renting]*[DaysCount_TenantRenting])))
該度量值的意義為“坪效”，單位是元/平米/天。通過使用SumX函數(shù)，已經(jīng)將坪效計算到了目前數(shù)據(jù)源的最細(xì)粒度，它將具有最佳的橫向可比性。同時，坪效也是商業(yè)地產(chǎn)中最有價值的指標(biāo)之一，管理者最關(guān)心的是收租金，而租金很大程度上由坪效決定。
Sales_PerSM_PerDay_Workday = CALCULATE([Sales_PerSM_PerDay],FILTER(Dim_Date,Dim_Date[IsWorkDay]=1))
Sales_PerSM_PerDay_Weekend = CALCULATE([Sales_PerSM_PerDay],FILTER(Dim_Date,Dim_Date[IsWeekEnd]=1))
2.制作圖表
橫軸放業(yè)態(tài)，縱軸放工作日坪效與周末坪效，同時分別加上均線。
這樣，我們就繪制出了一個既能表現(xiàn)工作日與周末間差異、又能無意間在不同業(yè)態(tài)之間對關(guān)鍵指標(biāo)形成對比的圖表。
如果嫌棄它太復(fù)雜，我們也可以弄一個簡約點的：
兩條折線的交點下方就是平時銷售比周末好，這下直觀了吧。不過，折線圖的橫軸上放業(yè)態(tài)類別還是有點怪怪的。柱形用于對比，折線用于趨勢，這句話顯然是應(yīng)驗了。
梳理一下整個過程：
首先，指標(biāo)卡呈現(xiàn)關(guān)鍵指標(biāo)；其次，在趨勢圖中利用各種手段區(qū)分出工作日與周末。做好這兩點，已經(jīng)足以在絕大部分場景下體現(xiàn)工作日與周末的數(shù)據(jù)差異了。
要充實報表內(nèi)容，可以拓展維度與度量。這里，我結(jié)合一個具體需求——“是不是所有行業(yè)都是周末比工作日銷售更好”，拓展了維度，并給出了一個錯誤示范。它應(yīng)該能讓你明白，增加分析的維度是充實報表內(nèi)容的好手段，但也不能盲目增加，同時還一定要注意選取合適的度量。
最后，我又為“是不是所有行業(yè)都是周末比工作日銷售更好”找出了更為合適的可視化解答。我希望這能讓你明白，業(yè)務(wù)人員或者老板提出的需求，其關(guān)鍵詞直接作為BI的度量并不好，比如明明是要比較工作日與周末的銷售，最后怎么就輾轉(zhuǎn)跑到坪效上去了呢？
技術(shù)靠讀書、靠練；而維度與度量的選取，要靠對業(yè)務(wù)的理解，還要用心。
