powerbi维度表放在一起（powerbi如何创建维度表）

大家好！今天让创意岭的小编来大家介绍下关于powerbi维度表放在一起的问题，以下是小编对此问题的归纳整理，让我们一起来看看吧。

开始之前先推荐一个非常厉害的Ai人工智能工具，一键生成原创文章、方案、文案、工作计划、工作报告、论文、代码、作文、做题和对话答疑等等

只需要输入关键词，就能返回你想要的内容，越精准，写出的就越详细，有微信小程序端、在线网页版、PC客户端

官网：https://ai.de1919.com。

创意岭作为行业内优秀的企业，服务客户遍布全球各地，如需了解SEO相关业务请拨打电话175-8598-2043，或添加微信：1454722008

本文目录:

• 1、powerbi切片器选项缺失

• 2、什么是PowerPivot？和PowerBI什么关系？

• 3、PowerBI:关联商品分析

• 4、powerbi切片器数据表筛选不对

一、powerbi切片器选项缺失

powerbi切片器选项缺失解决的办法就是把维度表中的信息补全。出现维度表信息齐全，是否为关系模型的问题，判断关系是否正确，连接字段是否正确，在连接字段不符时，切片器也会出现空白选项。

二、什么是PowerPivot？和PowerBI什么关系？

一．从EXCEL开始说起什么是PowerPivot

说起PowerPivot可能很多人会陌生，但是如果说起Excel的数据透视表，应该每个使用EXCEL的人都知道。其实数据透视表的英文叫做Pivot Table, Pivot本质上可以理解为筛选器和计算器，包括切片器筛选，整表筛选，列筛选，行筛选，输出值等，我们可以根据这种层层筛选情况得到对应的分析结果。

而PowerPivot，我们可以简单认为是Excel数据透视表（Pivot Table）的升级。Power Pivot在形式上与Pivot没有差别，但内在的优势主要体现在以下三点：

(一) 是数据建模工具而非单表数据整理工具

Excel的数据透视表连接的是单个的数据表，而Power Pivot连接的是数据模型，很简单的例子，我们用excel进行透视，只能针对单张表。而PowerPivot，可以利用关系构建多个表的联系，可以搭建庞大的数据模型，所以它是一个数据建模工具，而学习Power Pivot其实就是在学习数据建模。

(二)   处理数据容量远大于Excel

对于excel来说，每个工作表只能存储100W条数据多数据条件下处理速度慢，对于复杂的BI解决方案而言，学习难度大，技术门槛高。而PowerBI就是介于excel和复杂BI工具之间的一种，他既可以处理千万级数据， 同时和和EXCEL深度融合，可直接通过EXCEL建模，对于财务、市场等工作人员学习上手简单 。

(三)   分析功能远胜EXCEL数据透视表

Excel透视表只能完成基本的聚合运算以及有限扩展，比如求和、平均值等。但遇到类似于同比，环比，年度至今，ABC分析等稍微复杂的分析往往很难进行。而powerbi可以直接从一个或多个来源获取数据，结合DAX语言构建各种各样的计算列和度量值，搭建数据模型并直接形成“超级透视表”进行数据探索！

比如要计算去年同期的值，PowerPivot中一个SAMEPERIODLASTYEAR函数便可实现。

比如建立了很多分析的维度度量值，都可以在数据透视表中随切片器随时灵活调用。

最最重要的是，PowerPivot建模可以和PowerBI Desktop结合，生成各种个性化仪表板并进行发布，供组织在 Web 和移动设备上使用，获取针对其业务的全方位独特见解。

二、PowerBI和 PowerPivot 什么关系？

既然说到了PowerBI Desktop，那PowerBI和PowerPivot什么关系呢？从下图可以看出，Power Pivot 数据建模是Power BI组件的灵魂和核心，她被称为微软近20年来最伟大的发明，也是PowerBI的灵魂。

最后的广告时间，如果想系统学习PowerPivot和DAX语言，欢迎学习我们小组的课程： https://study.163.com/course/courseMain.htm?courseId=1209728813&share=2&shareId=400000000436012 ，现在还有优惠哦！

三、PowerBI:关联商品分析

当我们走进超市，迎面而来的就是货架上琳琅满目的商品。这些商品的摆放，或者不同品类的货架分布是随机排列的吗?答案是NO!

相必都听说过啤酒与尿布的故事，这两个表面上毫不相关的商品，在超市中摆放在一起时二者的销量都大幅度提升。这里就不讨论这个案例的真实性如何，但用它来理解产品之间的关联十分形象，再说好的故事总是更有传播度。

如果购买商品A的客户，对于商品B，相对于其他商品，有更大的购买概率的话，那么AB商品就具有更高的关联度，为了提高销售额，应尽可能将二者摆放到一起。网店也可以将商品A放在商品B的推荐页中。

首先需挖掘出哪些商品之间存在更大的关联度

下面用PowerBI来进行关联度分析：

假设一家超市的某些产品的销售数据，我们要计算出购买商品A的客户中，有多少客户也同时购买了商品B？这些客户购买了商品B的金额有多大？

1.客户关联度

由于要分析的商品A和商品B都在商品名单表中，为了分别计算相互不影响，复制一个商品名单表，这里命名为'商品名单2'，与订单表建立虚线关系，数据模型如下图，

将商品名单表中的产品名称拖入到表格中，作为商品A，然后利用下面这个度量值计算商品A的客户数量，

[客户数] =COUNTROWS(VALUES('订单表'[单号]))

然后利用商品名单2表中的商品名称，生成一个切片器，以便选择不同的产品，关联产品假设为商品B。

下面这个是计算关联分析的重点，购买了A的客户中，有多少客户也购买了产品B？

也就是同时购买A和B的客户数，度量值如下：

同时购买A和B的客户数 =

VAR B=

    CALCULATETABLE(

        VALUES('订单表'[单号]),

        USERELATIONSHIP('商品名单2'[商品名称],'订单表'[商品名称]),

        ALL('商品名单'[商品名称])

    )

RETURN CALCULATE([客户数],B)

通过以上两个度量值相除，就可以计算出关联产品的客户占比，

关联客户占比 = DIVIDE([同时购买A和B的客户数],[客户数])

把上面这几个度量值放入表格中，通过点击不同的关联产品，就可以自动计算出商品A和商品B之间的重复客户占比，

但是 两个商品的客户的重合度高，不代表带来的销售额就更高 ，所以还要分析一下，购买A的客户中，同时购买的商品B销售额有多少？通过金额这个维度来分析一下关联性。

2.销售金额关联性

先来写两个简单的度量值，商品A的销售额和商品B的销售额：

商品A的销售额：

销售额 =SUM('订单表'[销售金额])

商品B的销售额：

关联产品B的销售额 = 

CALCULATE([销售额],

    USERELATIONSHIP('商品名单2'[商品名称],'订单表'[商品名称]),

    ALL('商品名单'[商品名称]) )

由于商品B来自于商品名单2表，而商品名单2表与订单表是虚线关系，所以用 USERELATIONSHIP来激活关系。它主要是为了计算购买商品A的客户中，购买了商品B的金额有多少？

然后就可以计算同时购买A和B的客户中，购买商品B的金额。

A客户购买B的金额 =

VAR A=

    CALCULATETABLE(VALUES('订单表'[单号]))

VAR B=

    CALCULATETABLE(

        VALUES('订单表'[单号]),

        USERELATIONSHIP('商品名单2'[商品名称],'订单表'[商品名称]),

        ALL('商品名单'[商品名称]))

RETURN 

    CALCULATE([关联产品B的销售额],

        NATURALINNERJOIN(A,B)))

这个度量值的含义是， 先找出商品A和商品B的客户列表，然后通过 NATURALINNERJOIN函数找出这两个客户列表的交集，也就是同时购买了这两种商品的客户 ，然后计算这些客户的商品B销售额就可以了。

同样把这个度量值放到表格中，可以看出关联销售额，

有时候， 客户重合比例高的两个产品，带来的关联产品的销售额并不一定高 ，这个跟商品价格、购买数量都有关系。

3.关联度四象限分析

通过上面的几个度量值，获得了相关分析的数据，为了更直观的展示出产品之间的关联度，这里使用 四象限分析法 来展示。

其实就是制作一个散点图，将两个维度： 关联客户占比 作为Y轴， A客户购买B的金额 作为X轴，并按客户占比、关联产品销售额的平均线作为恒线，切割出四个象限，并利用 商品名称 作为图例，显示效果如下：

出现在第一象限（右上角）的产品，就是与切片器选中的商品不仅客户重合度高，而且带来的销售额也更高，具有高相关性，应该特别关注。

该模型还可以分析某一段时间的关联性，比如促销期间、节假日期间，客户的购买特征很可能与平时是不同的。

至此，一个简单的关联商品分析模型建立完成，根据关联商品的不同，动态显示不同的高相关度产品，并且可以随着时间段的变化而变化，

如果有客户画像、销售地点等数据，还可以将这些数据作为外部筛选器，挖掘出不同客户、不同地域的关联产品组合。

当然，这个模型挖掘的关联商品只是初步结果，还应对这个结果进行进一步验证，避免因偶然或人为因素导致的关联性，比如是否有某两种商品的捆绑销售活动等。

关联商品分析是非常有用的数据挖掘方式，能够帮助企业进行商品精准营销、商品组合以及发现更多潜在客户，真正的利用数据，为企业创造价值。

四、powerbi切片器数据表筛选不对

将其导入到PowerBI中，模型效果如下：

E Dim Date

Date

DATEKEY

Day

ure

8 Fact.Sales

Dim Store

City

StorelD

DATEKEY

Droduce

大•

[8) Dim_Product

Cost

Droductgroud

在本次的案例中，没有度量值的计算，简单的将-

些维度Q、指标拖到明细表中进行展示。到这里，我们的准备工作完成。

那么如何实现筛选重置呢？

答：书签！

我们可以通过书签功能，实现这一需求。

打开书签面板。

选择添加书签。选择将书签重新命名为重置，检查一下书签的属性。正常我们添加书签，是需要将“数据”选项前面的对号进行去掉的，这里我们选择保留数据前面的对号。

选择重置按钮，选择添加操作。

以上就是关于powerbi维度表放在一起相关问题的回答。希望能帮到你，如有更多相关问题，您也可以联系我们的客服进行咨询，客服也会为您讲解更多精彩的知识和内容。

推荐阅读：

potatochat怎么注册（potato如何注册）

土豆potato下载官网版最新版本（potato土豆聊天软件）

potato官网最新下载安卓版（potato官网最新版本下载）

免费矢量素材哪个网站比较好（矢量图免费素材网）

l网怎么注册（网络 如何注册账号）