項目背景
隨着互聯的發展，數據資源越來越豐富，數據量級也越來越大，於車企而言，這也是機遇、趨勢。如果把數據資源比作"數據礦"，那麼便需要"數據礦工" 把利用工具將數據礦開採分揀出來。 當然，這裏的”數據礦工“只是小編對從事數據相關工作者（如業務數據分析師、大數據架構師、數據科學家等）的尊稱，畢竟勞動最光榮呀！
OK，迴歸主題。那麼車企數據也是海量數據中的一條“大河”，包含了很多商機信息在裏面。要能夠從大量數據中查找比較全面且有用的信息，單憑人腦已經無法實現了！那麼，數據業務分析師對數據進行科學的處理，並以視覺形態展現給決策者，那麼就容易多了。這裏的視覺形態即數據可視化。市場上有很多可視化工具，如Tableau、Smart BI等，文章會用Power BI來“採礦”。
業務理解及指標構建
商場勝戰場，決策者唯有知己知彼知知全局方能降低決策上的誤差，提升自己的決策正確率。那麼車企中哪些數據通過哪些操作才能夠具備這樣的能力呢？這裏需要和車企決策者進行高效溝通，知道決策者在做決定時需要怎麼樣的信息來幫助決策。讓後構建相應的指標和模型，來從海量數據中精準的提取這樣的信息。當然，這裏對數據的處理和展現不侷限於決策者的要求，更應該大而精，最大可能的將數據包含的有用信息展現給決策者。小編認爲這是數據工作者的天職。
通過與車企決策者的約談線索，再結合車企的交易數據，下面僅構建幾個指標來“操縱”數據：
2017年規模 = CALCULATE(SUM(‘批售數據’[規模]),FILTER(‘批售數據’,[年]=2017))
車輛總規模 = CALCULATE(SUM(‘批售數據’[規模]),ALL(‘批售數據’))
車型總銷量 = calculate(sum(‘批售數據’[銷量]),all(‘批售數據’[車型]))
度量值 = calculate(sum(‘批售數據’[銷量]),ALLSELECTED(‘批售數據’[車企]))
規模百分比 = SUM(‘批售數據’[規模])/[車輛總規模]
規模增長率 = ([2018年規模]-[2017年規模])/[2017年規模]
合計值 = if(‘銷量/規模’[銷量/規模 值]=1,sum(‘批售數據’[銷量]),sum(‘批售數據’[規模]))
環比MOM = ([當月銷量]-[上月銷量])/[上月銷量]
價值百分比 = SUM(‘批售數據’[價格檔])/[總價值]
前期移動平均銷量 = calculate(average(‘批售數據’[銷量]),datesinperiod(‘調用的函數’[日期],lastdate(‘調用的函數’[日期]),-(‘前期月數’[前期月數 值]),MONTH))
強勢弱勢 = (‘批售數據’[銷量合計]-‘表’[車型銷量總平均])/‘表’[車型銷量總平均]
去年銷量 = CALCULATE(SUM(‘批售數據’[銷量]),SAMEPERIODLASTYEAR(‘批售數據’[月末]))
上月銷量 = CALCULATE(SUM(‘批售數據’[銷量]),DATEADD(‘批售數據’[月末],-1,MONTH))
車型銷量總平均 = calculate(average(‘表’[銷售量]),all(‘表’[車型]))
車型總平均 = if(‘銷量/規模’[銷量/規模 值]=1,calculate(average(‘表’[銷售量]),all(‘表’[車型])),calculate(average(‘表’[規模]),all(‘表’[車型])))
這裏的指標公式以Power BI 的DAX表達式來記錄。
儀表盤製作
將數據整理好，指標構建好後，壓軸的最後一步就是將數據以最適合的圖表呈現出來。下面的GIF是一個做好的車企決策儀。它分三個板塊：上右側藍色系列板塊，爲車企自身情況展示；中左側爲整個行業的情況；最下側的紫板塊，爲對手企業的情況。通過這三個模塊可以讓決策者即時高效的掌握自己企業的強弱點、汽車行業的大局以及對手企業的情況。
由於上述儀表盤使用Power BI 製作，通過不同的按鈕能夠實現對應信息的展現，相當的智能化，小編這裏就不對儀表盤的內容做詳細的說明。如果有什麼疑問，再評論區留言，看到定會回覆，謝謝！
這裏再貼上一個汽車消費者查詢的儀表盤：來自作者——ぁliぇting（博客鏈接：https://me.csdn.net/pursuit__），我的項目組員。
