PowerBI大师知识变现能力分析

自开始吆喝知识变现并推出视频课程，已经过了一个季度的时间，总想做一次宣传，但又不喜欢生硬的推广。这几天翻看着云课堂的交易记录，索性我把自己的商业机密公开，来个PowerBI学以致用，让大家在学习之余也看场乐呵的植入广告。

本文将从整体、支付渠道、产品等不同维度以及利用购物篮分析法对PowerBI大师过去三个月的交易数据做分析报告和结论输出。文章全长3000多字，吐槽、信息量、知识点爆棚，你准备好了吗？

数据源

一切从数据开始。云课堂的后台可以把交易记录导出成Excel文件，这与在很多公司中做数据工作一样，作为分析师，如果没有直接进入数据库的权限，往往是由IT部门开发的这种自助报表供你使用，至于如何在有限的数据中挖掘出无限的可能，就看你的造化了。

导出来的数据可以说是非常标准的销售记录。

在可视化课程里面曾讲过拿到数据的第一件事情就是从类别（维度）和度量值（指标）两方面入手。至少要有个基本的分类：

有了这些准备功课，我们再上手开始分析。

知识变现能力分析

从整体上，最关心的是销售业绩如何？把上面的4个度量值直接拖拽到卡片图中即可展现出这些关键指标。在三个月内，竟然赚到了1万多块！共有95位学员参加了我的课程，其中有数据分析小白，也有从事Excel培训多年的知名讲师。这知识传播的价值与荣耀不仅仅是用金钱来衡量。

以[2017年的第几周]为轴（第几周的数字是从订单时间列提取出来，可以通过编辑查询器中的日期功能添加，也可以输入DAX公式weeknum来完成），度量值[营业额]为值制作一张堆积面积图如下。（背景图设置在格式选项卡中的绘图区中添加）

现状分析：自第19周（5月初）完成第一季可视化课程后，又陆续完成了PowerQuery和PowerPivot+DAX，两部作品依次上线，目前平均每周有1500元左右的流水。不过疏于宣传，该趋势基本持平，未有明显增长。

结论：这是一个非常满意的知识变现结果，至少我做了一个经得起市场考验的作品。听说苹果8快出了，可能会比较贵，打算用这第一桶金给老婆买个8，然后我再用她的7...感谢诸位的支持，让我有了新的手机可用。

对苹果是爱恨交加

为什么营业额和实际收入有差呢？网易平台抽成10%，各种支付渠道也有一定费用，尤其是苹果税，直接要分给它32%。亲爱的苹果用户们，加上各类费用，我真正能拿到你给的只有一半出头。苹果对我创造的知识没有产生任何贡献，却赤裸裸地剥削了这么多，这么多！

上图使用的自定义视觉对象是Aster Plot，它还可以添加第二个度量值，第一个用来控制扇形的长度，第二个控制扇形的宽度。因为上图仅用了一个[营业额]度量值，所以四种支付方式的宽度相同。

当然，如果不想耍酷，一张普通的环形图也能够很好的表达清楚数据的含义。

另一个比较有意思的现象是，苹果端的客户在持续上升啊，已经占到一半了！

苹果曾经是一家伟大的公司，因为它先创造了一款撼动世界的产品，顺其自然获得了丰厚的盈利。我也想先写一篇好文，再去想变现的事儿。如果顺序颠倒，实在是扼杀创造力。

好吧，数据驱动决策。既然苹果和平台抽走了这么多，有没有什么方法绕过这些，我也可以把省下的部分以优惠的形式返给大家？

结论：打造一个自己的知识店铺， 无须下载任何APP和注册，扫描下面的二维码即可进入，购买课程视频，还有社群、问答、直播等更便利的资源。我在公众号的菜单栏也添加了该知识店铺入口。

购物篮分析

利用SandDance沙舞视觉对象来把玩一下数据，下图中柱子的每个颗粒都代表一笔交易记录，所以柱子越高，代表购买该课程人数越多。每个立方体底面的横轴是交易金额区间，纵轴是不同的支付方式（该图可以3D旋转）。

上图可见，可视化课程购买的人数是最多的，而PowerPivot+DAX数据建模课程购买人数相对较少。但PP+DAX其实是所有课程中最盈利的，因为价格是最高，长达4个半小时的视频也是我付出心血最多的作品。而且恰好该课程的苹果支付客户不多，实际收入让人喜出望外。

这三门课程的设计是由浅入深、循序渐进的，但知识背景不同，很有可能一些人跳过了可视化和PQ，直接选择了PP+DAX深入学习。所以下一个思考角度是关联性分析，比如购买了可视化课程的人中有多少人同时购买了PP+DAX？

关联分析的经典案例是啤酒与尿布的故事。（沃尔玛通过数据分析发现，男性顾客在购买婴儿尿片时，常常会顺便搭配几瓶啤酒来犒劳自己，于是尝试推出了将啤酒和尿布摆在一起的促销手段。没想到这个举措居然使尿布和啤酒的销量都大幅增加了）后来这种购物篮分析法火遍大江南北。

对于这三门课程做简单的购物篮分析的思路是每两门课程组合起来可以求得一个共同购买课程的人数。

比如实现的效果如下图，通过切片器筛选，可以得到，购买过可视化课程共74人，其中同时或者后来又购买了PP数据建模课程的有25人，占比33.8%。

该占比在统计学中被称作置信度，私以为对于这个案例使用这个专业名词太抽象，我们就简单地把这个指标笼统地称作关联度吧，也就是说购买了可视化课程的人有33.8%的概率会购买PP数据建模课程。对于剩下的66.2%，我应该向这部分人群推送PP+DAX的广告来提高转化率

同样，筛选PP+DAX课程可以得到，购买该课程的共35人，其中同时购买了可视化的有25人，也就是说有10个人跳过初阶直接选择了高阶课程。

分析还没有完，如果你想进一步测算的话，也可以写一个度量值直接测算[关联度]，值越高代表两者的关联越密切。想象一下如果下面这张表里的课程是超市商品，啤酒与尿布的故事就是这样生产出来的，它们的关联度值一定引人注目。

此外，度量值的伟大在于你建立了一次就可以重复利用，从不同的维度分析。比如你甚至可以分析两门课程关联度的变化趋势，这种分析在PowerBI中可以说是信手拈来。

读到这里，对于渴望知识的你，一定很想知道上面的这些关联计算过程是如何实现的？在Marco Russo的SQLBI博客以及他的书中有关于使用PowerBI做购物篮分析的模板介绍，难度评级为4级（5级满），原理是先复制一张维度表，且一张关系可用，另一张不可用，再使用userelationship的方法实现交叉筛选。然而这种方法的DAX公式书写实在需要强大的脑补。

今天我来尝试挑战一下权威，采用一个更为简单的方式。开始的方法与Marco是一样的，建立两张表，使用新表功能可以利用valuse函数得到包含三门课程名称的表，重复输入两次得到一模一样的课程表A和课程表B。

两张表均与销售订单表通过[课程名称]字段建立1对多关系。

在这样的关系建模下，当你把课程表A的名称放入切片器，课程表B的名称放入矩阵表中的行中，这两个筛选条件将通过关系自上而下的对销售订单表进行筛选。

如何求[共同购买的数量]呢？比如说如果想求课程A与课程B的共同购买的数量，可以先求购买课程A的买家都有谁，再求课程B的买家都有谁，最后求两张表的重合部分。

求购买了A的买家名单，可以先清除课程表B对销售订单表的筛选，再求销售订单表中买家的不重复项目：

Calculatetable(values('销售订单表'[买家]), all('课程表B'))

同理，求购买了B的买家名单，可以先清除课程表A对销售订单表的筛选，再求销售订单表中买家的不重复项目：

Calculatetable(values('销售订单表'[买家]), all('课程表A'))

接下来利用Intersect函数把两张表重合的部分筛选出来，最后使用Countrows求该筛选表的行数是多少，即共同的购买的数量。

如果想求关联度，即共同购买数量与课程A购买数量的比值

Divide([共同购买的数量],Calculate([购买人数],all('课程表B')))

这是一个举一反三的方法，如果你想求购买了可视化课程但没有购买PP+DAX课程的人呢？答案是把Intersect替换成Except。这个系列共有三个函数：

掌握这种AB表方法（我自创的词），从此啤酒与尿布的分析你也可以做，做的最敏捷，最炫酷。而且PowerBI的强大是你懂的，等下一个季度我还想做这些盈利分析，只需要导出最新的数据，再刷新，所有的计算、指标、图表都将自动生成。

对于本文的案例数据以及PBI图表的完成品，我把下载链接放到了新的知识店铺中，免费供广大的PowerBI爱好者学习、质疑、和精进。

为了增长

增长Growth是这个时代最美好的词汇之一，涨粉，涨知识，涨工资...

套用增长黑客的AARRR模型，本文的分析角度是着重在Revenue收入，对知识变现能力进行分析，而变现的前提是要有获取、激活和留存的积累。感谢各位读者激活了我的公众号，也感谢你们的参与和不取关之恩，以至于有留存转化到今天的收入。

为了进一步贯彻增长模型，在本文的最后我搬出一个大招，Referral推荐。我想既然苹果和云课堂平台吃掉的那部分提成可以省下来，不如把它作为推广经费，即所有课程可以通过邀请获得20%的分成奖励。

这是一篇学以致用的文章，也是一篇植入广告。我已经使用了世界上最先进的增长技术，至于效果如何，拭目以待！

备注：为了促销活动，我在知识店铺中以优惠的方式下调了价格，对于近期在网易云课堂中以原价购买课程的朋友或有不爽，微信留言，给您返现。并且所有已购用户，可以截图购买记录和提供微信号，免费获得微信端对应课程的视频。