项目背景
随着互联的发展，数据资源越来越丰富，数据量级也越来越大，于车企而言，这也是机遇、趋势。如果把数据资源比作"数据矿"，那么便需要"数据矿工" 把利用工具将数据矿开采分拣出来。 当然，这里的”数据矿工“只是小编对从事数据相关工作者（如业务数据分析师、大数据架构师、数据科学家等）的尊称，毕竟劳动最光荣呀！
OK，回归主题。那么车企数据也是海量数据中的一条“大河”，包含了很多商机信息在里面。要能够从大量数据中查找比较全面且有用的信息，单凭人脑已经无法实现了！那么，数据业务分析师对数据进行科学的处理，并以视觉形态展现给决策者，那么就容易多了。这里的视觉形态即数据可视化。市场上有很多可视化工具，如Tableau、Smart BI等，文章会用Power BI来“采矿”。
业务理解及指标构建
商场胜战场，决策者唯有知己知彼知知全局方能降低决策上的误差，提升自己的决策正确率。那么车企中哪些数据通过哪些操作才能够具备这样的能力呢？这里需要和车企决策者进行高效沟通，知道决策者在做决定时需要怎么样的信息来帮助决策。让后构建相应的指标和模型，来从海量数据中精准的提取这样的信息。当然，这里对数据的处理和展现不局限于决策者的要求，更应该大而精，最大可能的将数据包含的有用信息展现给决策者。小编认为这是数据工作者的天职。
通过与车企决策者的约谈线索，再结合车企的交易数据，下面仅构建几个指标来“操纵”数据：
2017年规模 = CALCULATE(SUM(‘批售数据’[规模]),FILTER(‘批售数据’,[年]=2017))
车辆总规模 = CALCULATE(SUM(‘批售数据’[规模]),ALL(‘批售数据’))
车型总销量 = calculate(sum(‘批售数据’[销量]),all(‘批售数据’[车型]))
度量值 = calculate(sum(‘批售数据’[销量]),ALLSELECTED(‘批售数据’[车企]))
规模百分比 = SUM(‘批售数据’[规模])/[车辆总规模]
规模增长率 = ([2018年规模]-[2017年规模])/[2017年规模]
合计值 = if(‘销量/规模’[销量/规模 值]=1,sum(‘批售数据’[销量]),sum(‘批售数据’[规模]))
环比MOM = ([当月销量]-[上月销量])/[上月销量]
价值百分比 = SUM(‘批售数据’[价格档])/[总价值]
前期移动平均销量 = calculate(average(‘批售数据’[销量]),datesinperiod(‘调用的函数’[日期],lastdate(‘调用的函数’[日期]),-(‘前期月数’[前期月数 值]),MONTH))
强势弱势 = (‘批售数据’[销量合计]-‘表’[车型销量总平均])/‘表’[车型销量总平均]
去年销量 = CALCULATE(SUM(‘批售数据’[销量]),SAMEPERIODLASTYEAR(‘批售数据’[月末]))
上月销量 = CALCULATE(SUM(‘批售数据’[销量]),DATEADD(‘批售数据’[月末],-1,MONTH))
车型销量总平均 = calculate(average(‘表’[销售量]),all(‘表’[车型]))
车型总平均 = if(‘销量/规模’[销量/规模 值]=1,calculate(average(‘表’[销售量]),all(‘表’[车型])),calculate(average(‘表’[规模]),all(‘表’[车型])))
这里的指标公式以Power BI 的DAX表达式来记录。
仪表盘制作
将数据整理好，指标构建好后，压轴的最后一步就是将数据以最适合的图表呈现出来。下面的GIF是一个做好的车企决策仪。它分三个板块：上右侧蓝色系列板块，为车企自身情况展示；中左侧为整个行业的情况；最下侧的紫板块，为对手企业的情况。通过这三个模块可以让决策者即时高效的掌握自己企业的强弱点、汽车行业的大局以及对手企业的情况。
由于上述仪表盘使用Power BI 制作，通过不同的按钮能够实现对应信息的展现，相当的智能化，小编这里就不对仪表盘的内容做详细的说明。如果有什么疑问，再评论区留言，看到定会回复，谢谢！
这里再贴上一个汽车消费者查询的仪表盘：来自作者——ぁliぇting（博客链接：https://me.csdn.net/pursuit__），我的项目组员。
