项目-搭建实时联动业务线看板-Power Bi+ Python

一.项目背景

1.1 项目目标

本次项目来源于工作,需要根据本条业务线业务搭建专属业务BI看板。希望能简单操作实时刷新PowerBI,迅速向业务人员提供数据支持。我负责的模块为一二手联动业务线,即新房经纪人联合二手房经纪人合作卖房子。

指标定义:渗透率,指合作过程中有多少人有意愿参与合作;其他指标如带看量,指的是经纪人带客户看楼盘的次数是多少;转化比指带看数量/成交套数,例如带看10次,成交1套,转化比即为10:1;其他指标如人均业绩、人均带看都是字面意思,比较容易理解。

1.1 内容概括

看板主要内容为4大块:
1.表现现有组织架构(第一组织架构为事业部,第二组织架构为大区)的各指标达成情况,最好有时间变化及对比。
2.该条业务线与其他业务线的对标情况,例如同样片区下两条业务线各自产出套数和业绩情况怎样,相同的楼盘项目两条业务线是否存在竞争与互补关系。
3.本条业务线健康的各项指标展示(健康度是衡量业务线管理水平的考核制度,通过6+3条核心指标计算,经过一系列综合计算,为各个组织架构打分)。
4.带看模块展示,一方面表现各组织架构低带看人员,低能效的人员信息,另外正面展示当月带看效率高的人员信息,方便组织管理。

二.项目架构

2.1 处理流程

所需数据源,构造订单表,每一笔订单需要有归属的组织架构、分布在XX事业部,XX大区。订单表的生成最好依赖python脚本,存入数据库,然后用powebi取数,以实现自动化流程。


微信截图_20211022135310.png

处理数据入库


111.png

powerbi链接数据库,选取自己所需要的表数据
555.png

666.png
select 
concat(aa.dated,"/01") as 日期,aa.`事业部`,aa.`大区`,aa.`门店`,aa.`分行`,AVG(aa.`人数`) as 人数,AVG(aa.`人数(剔除前)`) as `人数(剔除前)`
from 
(select DATE_FORMAT(日期,"%Y/%m") dated ,事业部,大区,门店,分行,人数,`人数(剔除前)` 
from ad_renshu_wq where 日期<'2021-07-01') aa
group by aa.dated,aa.`事业部`,aa.`大区`,aa.`门店`,aa.`分行`
union
select 
concat(bb.dated,"/01") as 日期,bb.`事业部`,bb.`大区`,bb.`门店`,bb.`分行`,AVG(bb.`人数`) as 人数,AVG(bb.`人数(剔除前)`) as `人数(剔除前)`
from
(select DATE_FORMAT(日期,"%Y/%m") dated,事业部,大区,门店,分行,人数, `人数(剔除前)`
from ad_renshu_wq where 日期=(select MAX(日期) from ad_renshu_wq) or 日期=DATE_ADD(curdate(),interval -day(curdate())+1 day)
) bb
group by bb.dated,bb.`事业部`,bb.`大区`,bb.`门店`,bb.`分行`;

其中有的表搭建需要直接在powerbi嵌入脚本。


777.png

构建表与表之间的关联关系。


222.png

写相关度量值
上月业绩 = CALCULATE([联动业绩],DATEADD('日期表'[Date],-1,MONTH))
事业部达成率 = CALCULATE(sumx('YG_ALL Timeline','YG_ALL Timeline'[业绩])/10000)/CALCULATE(sumx('目标表','目标表'[目标]),ALL('日期表'[日]))
人均业绩 = '度量表a-大区业绩'[本月业绩]/'度量表a-大区业绩'[在职人数]
人均带看 = '度量表a-大区业绩'[本月带看]/'度量表a-大区业绩'[在职人数]
在职人数 = CALCULATE(SUMX('往期人数表','往期人数表'[人数]),ALL('日期表'[日]))
带看人数 = CALCULATE(DISTINCTCOUNT('YG_ALL Timeline'[成交经纪人工号]),
FILTER('YG_ALL Timeline','YG_ALL Timeline'[客源编号]<>""),FILTER('YG_ALL Timeline','YG_ALL Timeline'[成交事业部]<>""))+0
带看量 = CALCULATE(DISTINCTCOUNT('YG_ALL Timeline'[带看标记]),FILTER('YG_ALL Timeline','YG_ALL Timeline'[类别]="A带看"))
渗透率 = '度量表a-大区业绩'[带看人数]/'度量表a-大区业绩'[在职人数]+0
环沪占比 = '度量表a-大区业绩'[本月环沪业绩]/'度量表a-大区业绩'[本月业绩]
环沪带看人数 = CALCULATE(DISTINCTCOUNT('YG_ALL Timeline'[成交经纪人工号]),FILTER('YG_ALL Timeline','YG_ALL Timeline'[客源编号]<>""),
FILTER('YG_ALL Timeline','YG_ALL Timeline'[成交事业部]<>""),FILTER('YG_ALL Timeline','YG_ALL Timeline'[环沪判断]="环沪"))

三.最终效果

链接如下
https://app.powerbi.com/view?r=eyJrIjoiYzFjZjkxNzktMmU3YS00YWQwLTg0MjItN2JjM2FiMWYwMDM5IiwidCI6IjZmMGJiNzJmLTUzNzctNGRkZi05MzZhLWI2YzcyYmYyMWFlMiIsImMiOjF9
图片如下

111.png

222.png

333.png

444.png

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
禁止转载,如需转载请通过简信或评论联系作者。
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 215,384评论 6 497
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 91,845评论 3 391
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 161,148评论 0 351
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 57,640评论 1 290
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 66,731评论 6 388
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 50,712评论 1 294
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,703评论 3 415
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,473评论 0 270
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,915评论 1 307
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,227评论 2 331
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,384评论 1 345
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,063评论 5 340
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,706评论 3 324
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,302评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,531评论 1 268
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 47,321评论 2 368
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,248评论 2 352

推荐阅读更多精彩内容