运营仪表板示例

概述

在我的课程《Power BI 自动化用户运营分析》（网易云课堂搜索）中，详细说明了如何使用Power BI自行实现用户运营分析涉及的方方面面，但并没有达到理想状态。

随着在现实中不断更新实际应用，主要问题集中凸显在：
1、业务人员需要简单而统一的定义。
2、Power BI的计算性能应该支持相对较大的数据量级的计算，例如：应该在3秒内完成。
3、业务人员或查看型用户需要一种更简单的视图方式。

基于此，这里将从 产品模板 出发的Power BI文件抽取了核心算法及合理简化以提升性能。把所有可用的算法集中到一个文件中，不妨称为Core文件，这里不再关注界面的美化，完全关注算法本身的性能。

由于单独描述算法是枯燥而且不易有体会的，这里将Core文件以HTML的形式封装，同时也是一个给到业务端使用的实际技巧。

课程将更新对本文介绍部分的视频讲解。

效果

也许运营人员并不喜欢打开Power BI Desktop或Power BI云端服务，甚至对于他们也不想知道Power BI的存在，他们只想知道他们关注的指标。

承载的形式

这里可以采用一个html形式的文件来承载（包装）仪表板，并发给运营人员使用：

使用过Power BI的 发布到WEB 功能，不难想到只需要将URL嵌入到HTML中即可。

双击使用

交互成本最低的使用方法莫过于双击打开，就是这样：

各套路功能

这里使用了Power BI在最近两个月更新的 标签功能 实现了导航系统。用户并不需要理解如何切换Power BI报告页面，尤其是在页面很多的情况下，一个有效的导航系统是很重要的。

近期状况

（数据仅用于演示，以实际数据为准。）

发展趋势

这里开始变得有趣，仪表板可以提供不同的视图模式，喜欢看数字的可以看数字，例如：

当然还可以导航到可视化方式查看，例如：

类似这样的导航形式，可以让用户很容易理解自己所处的位置以及自主选择如何浏览。

流失留存

这里以留存为例，说明计算的简化。

对于留存用户数，根据业务不同，可以有很多的定义方式，考虑到性能、可行性、一般性，可能适度降低精确度，但需要扩展灵活性。例如：

• 我们不再依次考虑某个用户的精确流失/留存，而是完全批量考虑处于整个日期区间的情况；
• 考虑从当下视角看，当前新增用户在以后的日子里发生的流失/留存；或者以前新增的用户在当下的流失/留存；
• 按期考虑，并考虑每期的长度（天数）以及期数；
• 形成 同期群留存分析矩阵。

同期群，指的是同一时间区间的用户群体。例如：1月的新增用户群体，往往考察他们在未来不同阶段后的流失或留存。

如果矩阵不够直观，便可以观察 同期群留存曲线 ，例如：

可以看出，不同的同期群（相同年份的不同月份用户群体），在经过6期（180日后）的留存率稳定在5%到15%。

可以留存下来的用户将构成访问用户（活跃用户）的事实主体，也是最终使用产品的忠实用户，例如：

如上图所示，框选的留存量仍然有来自过去一年的新增用户，说明用户真正留存下来，也就是真留存。如果用户经过多期后留存量为0，则说明整个用户运营出现了很严重问题。

成分分析

当然，还可以从用户来自历史成分的角度加以观察，例如：

如果不够直观，依然可以采用可视化的方式进行，例如：

复购分析

对于产生多次行为（例如：重复购买行为）的用户，也可以观察其规律，例如：

如果不够直观，依然可以采用可视化的方式进行，例如：

精简的数据模型

在面向产品模板的课程部分，我们详细说明了构造一个产品模型需要如何操作，除了DAX表达式运算本身，还涉及到了很多关于Power BI功能性的设计。

但在这里的核心算法中，我们仅仅只描述几个足够快的算法以及配套的模型：

这里只保留了15个核心度量值，以及配套的辅助计算表。

关注性能

这里使用DAX Studio测试Core文件中的所有算法，其性能理论上可以满足百万级运算，如果您发现更高效的DAX算法欢迎提供，当然也欢迎通过重构模型的方式来挑战性能极限。

以新用户计算为例，使用了辅助表：用户表[激活日期，用户ID]，显然可以直接计算新用户数，这也应该是理论上的最快算法，例如：

注：用户数：15W，行为记录：100W条。
在日级别计算，仅需5毫秒。

当然，更有价值的案例是留存用户数的计算，例如：

对于2016年12个月分别位于30日后的留存量计算时间为0.2秒，如果计算10期，用时或约2秒。因此，这是符合性能、灵活性、合理性、一致性下计算的有效方式。

保持更新

文件及模板继续保持更新，每当您需要优化自己的DAX表达式可能需要借鉴这里的算法时，在您打开文件的时候，您会看到它是否有最近的更新，也许最近的更新又带来了一些惊喜。

致谢

由于个人能力精力所限，不可避免地出现很多问题或者错误，感谢一起参与课程的伙伴提出的各种建议和问题，关于【Power BI支持用户行为分析】的主题，在你们的帮助下，各项内容更加成熟。

以上内容文件及视频讲解全部包含在原有课程中，课程文件可在课程QQ群中下载。