magento 客户表相关_第9章相关性分析

2024-05-12 22:20:47

相关性指不同事物之间的联系。相关性分析可以量化事物之间的联系。

例如,篮子分析就是相关性分析的典型应用,即找出不同产品之间的销售关联。

本章内容涵盖交叉分析和篮子分析

9.1 交叉分析

商业场景:

图9.1.1所示的为本节案例(调查问卷交叉分析)的分析结果,

通过交义分析有助于找出问卷问题1(您的工作属于哪一类?)的答案

与问题2(您愿意购买多少元的SSBI教材?)的答案的相关性,其中用颜色区分相关性的关联程度。

可视化: 矩阵图。前文提及矩阵图最适合展示二维数据,其中包括两个字段,分别

为X轴和Y轴,方格中为答案的相关值。

数据源：购买意向调研

新建表：

COUNT('客户表'[客户ID])

新建度量值：

相关问题客户数 = CALCULATE(COUNT('客户表'[客户ID]),CALCULATETABLE('客户调研事实表',USERELATIONSHIP('客户调研事实表'[答案ID],'答案问题表1'[答案ID])),

CALCULATETABLE('客户调研事实表',USERELATIONSHIP('客户调研事实表'[答案ID],'答案问题表2'[答案ID])))

9.2 篮子分析

商业场景:

篮子分析用于分析与某个事物有关联的其他事物。

例如,在同一个订单中用户购买了装订机(商品A),同时还购买了其他商品,

通过篮子分析会得出该订单中其他商品的信息,从而指导商业决策。著名的“啤酒和尿布”的故事就是篮子分析的实例。

可视化: 堆积条形图或表，【Hierarchy Slicer】

数据源：自己从他给的文件中导出来

新建表：

关联产品表 = '产品表'

订单号 = VALUES('订单'[订单 ID])

新建度量值：

人数 = COUNTROWS(VALUES('订单'[订单 ID]))

A和B = VAR a=CALCULATETABLE(VALUES('订单'[订单 ID]),USERELATIONSHIP('关联产品表'[产品 ID],'订单'[产品 ID]),ALL('产品表'))

return calculate([人数],a)

占比 = DIVIDE([A和B],[人数])

A销售金额 = SUM('订单'[销售额] )

B销售金额 = CALCULATE([A销售金额],USERELATIONSHIP('产品表'[产品 ID],'订单'[产品 ID]),ALL('产品表'))

A和B金额 =

var b = CALCULATETABLE(VALUES('订单'[产品 ID]))

var c = CALCULATETABLE(VALUES('订单'[产品 ID]),USERELATIONSHIP('关联产品表'[产品 ID],'订单'[产品 ID]),ALL('产品表'))

Return

主要步骤：

结尾：

感谢书的作者雷元

同时感谢B站up主孙兴华

magento 客户表相关_第9章相关性分析相关推荐

python线性回归分析看相关性_机器学习入门：相关性分析之线性回归
一.前言机器学习--特征与标签 : 输入模型的属性是"特征",输出的是"标签" 机器学习的核心是"使用算法解析数据,从中学习,然后对世界上的某件事情 ...
excel两个指标相关性分析_用Excel做相关性分析方法
2006-11-15 05:24 分享到: 我要吐槽化学合成实验中经常需要考察压力随温度的变化情况. 某次实验在两个不同的反应器中进行同一条件下实验得到两组温度与压力相关数据, 试分析它们与温度的 ...
excel两个指标相关性分析_用Excel做相关性分析
一.概念理解相关关系:变量之间存在着的非严格的不确定的关系,对它们进行深层次的分析,观察它们的密切程度. 相关性分析:对变量之间相关关系的分析,即相关性分析.其中比较常用的是线性相关分析,用来衡量它 ...
python分析数据的相关性_使用Python进行相关性分析
在数据分析时,经常会针对两个变量进行相关性分析.在 Python 中主要用到的方法是pandas中的corr()方法. corr():如果由数据框调用corr函数,那么将会计算每个列两两之间的相似度, ...
python分析学生成绩的相关性_学生文理科成绩相关性分析
为简化学生成绩模型,将传统的语文.数学.英语.历史.政治.物理.化学降为文科.理科两个维度方便分析,现分别进行文科内.理科内成绩的相关性分析. Python代码: # encoding=utf-8 注 ...
mysql架构组成_第 2 章 MySQL 架构组成
麻雀虽小,五脏俱全.MySQL 虽然以简单著称,但其内部结构并不简单.本章从MySQL物理组成.逻辑组成,以及相关工具几个角度来介绍 MySQL 的整体架构组成,希望能够让读者对 MySQL 有一个更 ...
week7 day2 表相关操作
week7 day2 表相关操作一. 存储引擎介绍 1.1 什么是存储引擎 1.2 MySQL支持的存储引擎 MyISAM和InnoDB两个存储引擎的区别 1.3 使用存储引擎二. 表介绍三. ...
vSAN 6.7培训_第1章-Virtual SAN各版本功能介绍
vSAN 6.7培训_第1章-Virtual SAN各版本功能介绍 2019年10月8日 by 何坤源 http://www.bdnetlab.com/?p=996 1,865 Views Virt ...
品达物流TMS项目_第6章数据聚合服务开发(pd-aggregation)
品达物流TMS项目_第6章数据聚合服务开发(pd-aggregation) 文章目录品达物流TMS项目_第6章数据聚合服务开发(pd-aggregation) 第6章数据聚合服务开发(pd-a ...
bat脚本中如何多次键盘输入并判断_第四章： Python脚本获取聚宽（JQData）免费行情数据...
本期目标: 从聚宽数据API中获取期权行情数据并写入到云数据库(MySql)中,通过superset访问存储在数据库中的数据. 本期导读: l 聚宽金融数据API l 获取ETF期权日终行情 l 数据 ...

最新文章

热门文章