?商业数据分析通常都可以简化为对数据进行筛选、分组、汇总的过程 ， 本文通过一个实例来看看PowerBI是如何快速完成整个过程的 。
假设数据为一个订单明细表，含有下单日期、客户名称、产品名称等数据，业务需求为：
根据订单表，计算出截止某个日期，购买次数为1-7次、8-14次、14-21次……的客户分别有多少？
看到要求就知道这是个分组问题，一般可以通过计算列或者度量值的方式来完成，之前PowerBI星球也分享过关于分组的文章：
这几种数据分组的方式，你应该掌握！
【怎么算频率分布excel 如何计算客户购买频率分布】使用度量值进行分组统计
需要根据日期动态计算，那么就不能通过计算列的方式来实现，只能通过度量值来完成 。
下面是PowerBI解决这个问题的过程，只需要简单的3个步骤 。
1、数据建模
根据订单表提取出客户表，以及建立一个涵盖所有订单日期的日期表，分别与订单表建立一对多的关系 。
因为要进行分组 ， 所以还要建一个分组表，可以在PowerBI中"输入数据"，手工建一个，数据如下：
这个表不要与其他表建立关系 ， 数据模型如下：
2、建立度量值
建立一个[客户购买次数]的度量值，如下图：
这个度量值中体现了筛选、分组和汇总的整个计算 ， 值得你好好练习研究一下 。
3，数据呈现
将这个度量值放入到矩阵中计算结果 ，
从这里可以看出购买15-21次的客户最多 。
可以通过切片器选择任意一个日期查看，
还可以通过图表查看每个订单日期的客户累计购买次数分布 ，
通过这个面积图，可以明显看出随着时间的推移 ， 客户的复购次数越来越多 。
通过堆积面积图来看 ， 虽然客户的重复下单次数在增加 ， 但总客户数近一年来停止增长，值得关注 。
这样就完成了任意一个日期的客户累计下单次数的分组统计 ， 是不是很高效 。
以上也是PowerBI数据分析的一个基本流程，从数据建模、DAX的运用到数据呈现，用户最终看到的只是最后一步：数据呈现，你也许觉得最重要的是第二步 ， 写出那个度量值，从难度上来说 ， 这确实需要一定的积累 。
但更关键的其实是第一步，建立模型是数据分析的基础 ， 一个良好的模型可以更简单的完成数据分析的需要 ， 也会让度量值的编写变得简洁高效，而糟糕的数据模型，可能你压根无法写出可以实现需求的度量值 。
关于数据建模，更需要不断的积累，你不仅要学会分析技术，更要精深业务，每个人都会建立数据模型，但并不意味着你会建立一个良好的模型，数据建模是一门科学，也是一门艺术 。
-精彩推荐-
Power BI分析产品关联度，就是这么简单