====== 场景与案例 ======
==== 销量回顾 =====
每个月大家都会向总部提出需求想要看自己所在办事处的客户，过去1年内每个月的Compass完成销量，以此回顾每个客户的活跃度。
=== 明确需求 ===
{{:bi:3.自助分析:pasted:20220223-164428.png}}
**维度：**
* 客户信息 - 使用最新的主数据
* 组织架构
* 人员
* 客户渠道
* 行政架构
//维度是人们观察数据的角度。比如“哪种产品销量最好？”主要关注的是产品维度，“哪些地区连续六个月销售额环比增长？”则同时关注了地区和日期两个维度//
**度量：** \\
* 完成订单的销量箱数 - 过去12个月 \\
//度量，是决策者所关心的具有实际意义的数值，比如销售额、完成率等。//
=== 连接数据集 ===
**《订单明细》 vs. 《Cube》** \\
我们知道，想要查看“完成订单“的销量箱数，可以从《订单明细》报表中获取，但是订单明细中并没有我们所需要的所有客户、架构等信息。而且由于容量问题，《订单明细》中只包括过去三个月每天的订单数据。在这个案例中，我们需要"过去12个月"完成箱数，所以我们应该选择《Sales_Cube》数据集，而不是《订单明细》。
**《Sales_Cube_Month》 vs. 《Sales_Cube_Latest》** \\
而又由于我们想回顾的是当下客户的客户状态、客户类型、上游客户等，应该需要选择最新维度的《Sales_Cube_Latest》来做回顾。
//* 区分**月结**与**最新**：
\\ 最新维度：用当前的维度信息去查看数据；如在做生意分析、线路规划时使用
\\ 月结维度：用每个月月底时门店的渠道、组织挂靠等信息去查看数据；如在计算考核、签约门店销量等时使用
//
=== 使用数据集 ===
请大家跟着我们的步骤，进行操作，在使用Cube之前，请大家 先筛选、再取数
//因为我们需要查看过去12个月门店销量数据，数据量巨大，可以采用“由小到大”的思路 – 即先通过筛选器，把数据限制在一个足够小的范围：例如先选取一个月、一个片区的信息，观察数据的情况后，再逐步放宽限制。这样可以避免一下子引入过大的数据量导致过度占用资源，也可以让您能更快地对数据集进行拖拉、改变可视化效果等操作。//
==== 路线合理性 =====
{{:bi:3.自助分析:pasted:20220225-105717.png}} \\
1. 覆盖合理性：
**维度：**
* 组织架构
* 人员
* 客户渠道
**度量：** \\
* 有计划拜访客户数 - 上个月 \\
// 有计划拜访客户数 vs. 线路内客户数// \\
-有计划拜访客户数，每月曾有过计划的客户；\\
-线路内客户数，月结当天有计划拜访的客户；
2. 计划拜访合理性
**维度：**
* 组织架构
* 人员
**度量：** \\
* 计划拜访次数 - 当月每天 \\
==== Bluesky生动化 =====
//我想了解一下我们区域内每个门店 IR 拍照回来的SKU上架的情况，能否给我今年每家门店的 IR 拍照数据？//
Again，对于此数据需求，我们还是要明确目的，以终为始获取数据。如果直接把门店字段拉出来，Cube 将会变得很慢很慢，同时也挤占了其他同事使用 Cube 的资源。因此，应该采用**先筛选、再取数**的原则，由小到大，通过一个片区、一个月份查看数据样式后，再逐步放开条件。(注: PowerBI 只允许下载不超过15万行数据，请注意最终下载的数据量)
根据上面**先筛选、再取数**的原则，我们可以先把一些限制条件拉到筛选器内：
- 先在筛选器内选择一个办事处、甚至一位地区经理、一位主管
- 限制数据在某一月份
- 把所需字段拉出来检查
- 之后再逐步放开筛选器条件
* {{:bi:3.自助分析:what_is_cube_014.png?600|}}