Quick BI使用案例17:交叉表中使用多字段组合实现利润目标完成率计算

简介: 本文详解家电集团“区域-产品类型”双维度利润目标完成率看板实现:通过数据集组合关联销售订单(company_sales)与目标计划(sales_target),利用多字段组合计算完成率,并配置百分比格式展示。

栏目说明

Quick BI使用案例」系列短文都来源于用户遇到的真实问题

文章聚焦使用过程中的高频误区与使用技巧,希望能帮助您充分地发挥产品价值。

问题背景

某大型家电集团需要实现“区域 - 产品类型”双维度利润目标完成率业绩看板。销售人员需要查看当前各区域的利润目标完成率,以及时调整销售策略。计算公式:利润目标完成率 = 利润金额(来自销售订单明细数据集) / 目标利润金额(来自销售目标计划数据集)

1. 业务痛点

订单利润金额数据在 company_sales 数据集(每一行是一个订单),目标利润金额数据在sales_target 数据集(每一行是一个大区 + 一个品类的利润总目标)。数据集结构如下:


主数据集:company_sales (销售订单明细),主要字段如下:

订单ID

区域

产品类型

利润金额

001

华东

技术产品

500

002

华北

家具产品

300

003

华中

办公用品

400

...

...

...

...


辅助数据集:sales_target (销售目标计划),主要字段如下:

区域

产品类型

目标利润金额

华东

技术产品

4,000

华北

家具产品

4,000

华中

办公用品

4,000

...

...

...


目前参与计算利润目标完成率的两个度量(利润金额、目标利润金额)分别在两个不同数据集中,两个数据集需要通过“区域 + 产品类型”这两个字段组合,将两个数据集进行关联,才能算出准确的每个区域各个产品类型的利润目标完成率。


解决方案

需要在交叉表中,以数据集组合的形式引入主数据集company_sales (销售订单明细)和辅助数据集sales_target (销售目标计划),最终通过多字段组合,将利润金额除以目标利润金额,得到利润目标完成率。具体配置说明如下:


Step1. 主数据集company_sales中存在以下字段:

  • area: 区域名称
  • product_type: 产品类型
  • profit_amt: 利润金额

辅助数据集sales_target中存在以下字段:

  • area: 区域名称
  • product_type: 产品类型
  • target: 目标金额


Step2. 配置数据集组合。

a.创建仪表板,新建交叉表,点击数据面板下数据集右侧的 图标,选择下拉面板中的多选。

b.在数据集列表中勾选主数据集company_sales和辅助数据集sales_target。

c.点击确定,在创建数据集组合弹窗中配置相关信息。

本例中将数据集组合命名为目标完成率分析,以销售订单明细数据集company_sales为主数据集、目标值数据集sales_target为辅助数据集,两者通过“区域”和“产品类型”字段关联。

d.点击确定完成数据集组合配置。


Step3. 在字段面板中配置相关字段。

a.在交叉表行中,双击或拖入主数据集的“区域”和“产品类型”字段。

b.在交叉表列中,依次双击或拖入主数据集的“利润金额”字段及辅助数据集的“目标值”字段。其中需要配置两个“利润金额”字段,其中一个将作为后续多字段组合计算的基础。


Step4. 配置多字段组合计算。

a.单击第二个“利润金额”字段右侧的 图标,依次选择高级计算 > 多字段组合。

b.在多字段组合弹窗中利润金额字段已被默认填入,点击 图标插入除号。

c.点击添加字段图标( ),在下拉列表中找到目标值数据集sales_target并选择目标值字段。分子和分母聚合方式都选择“求和”,高级计算都选择“无”。

d.点击“确定”按钮完成多字段组合的配置。


Step5. 将目标完成率的数据展示格式调整为百分比2位小数。


Step6. 点击更新按钮,即可在交叉表中看到各“区域-产品类型”目标完成率的数据。

如阅读后有任何问题,您可以点击Quick BI产品内右下角【帮助与反馈】按钮与我们取得联系。

相关文章
|
2天前
|
人工智能 安全 Linux
3 分钟玩转龙虾 AI!OpenClaw 阿里云 + 本地部署保姆级教程
OpenClaw(龙虾AI)是2026年热门开源个人AI助手,由PSPDFKit创始人打造,主打“可执行任务”:自动收发邮件、订机票、管日程、写代码。全本地运行,隐私可控;兼容GPT/Claude/MiniMax等模型,支持微信、飞书等平台,内置100+可扩展技能。(239字)
284 5
|
1月前
|
监控 BI C++
Quick BI使用案例14:基于本月时间进度的月度目标达成分析
本文以中大型企业“月度滚动目标管理”为背景,详解如何用Quick BI自动计算本月总天数、今日序号及时间进度,实现预算消耗与时间进度的智能匹配监控,助力数据驱动精细化运营。
|
20天前
|
存储 前端开发 数据库
【VO、DTO、Entity】VO、DTO、Entity三大核心数据对象全解析(附核心对比表 + 代码示例)
本文系统解析VO、DTO、Entity三大核心数据对象,涵盖其在分层架构、DDD与微服务中的定位、职责边界、设计规范及全链路流转规则,辅以对比表、代码示例与避坑指南,助你构建高内聚、低耦合、安全可维护的企业级数据模型体系。
【VO、DTO、Entity】VO、DTO、Entity三大核心数据对象全解析(附核心对比表 + 代码示例)
|
15天前
|
弹性计算 人工智能 Linux
OpenClaw是什么?OpenClaw入门详解、阿里云ECS/本地部署及免费大模型配置教程
OpenClaw(社区俗称Clawdbot,龙虾)是一款基于MIT开源协议开发的自托管AI智能体执行网关,核心价值在于打破传统AI“只会说不会做”的局限,连接大语言模型与设备系统、工具应用,将自然语言指令转化为可落地的实操动作,实现从需求下达、任务拆解到执行反馈的全流程闭环。与单纯输出文字的对话式AI不同,OpenClaw可直接操控终端、管理文件、自动化浏览器操作,兼顾数据隐私与执行效率,无需专业技术背景,零基础用户也能快速部署使用。
1283 5
|
13天前
|
人工智能 Linux API
告别OpenClaw假数据!跨境电商专用Agent+阿里云/本地全部署+模型配置实战与避坑指南
当前大量用户在使用OpenClaw(Clawdbot)进行市场分析、竞品调研、选品决策时,普遍遇到一个致命问题:AI在数据不足、网页抓取受阻、节点受限的情况下,会自动编造价格、销量、评论、重量等关键信息,生成看似专业却完全失真的报告,直接导致决策错误。尤其在跨境电商场景,假数据会造成选品失败、投产亏损、专利侵权、账号违规等严重后果。
185 3
|
2天前
|
缓存 人工智能 测试技术
Claude Code 一周烧掉一半配额?我从逆向工程中看到了 Agent 测试的致命盲区
Claude Code近期频现隐蔽Bug:缓存TTL从1小时骤降至5分钟、客户端截断、伪造限速等,致Token消耗暴增、用户配额“蒸发”。问题根源在于Agent系统缺乏可观测性与透明经济模型,信任危机已蔓延至整个AI工具生态。
|
30天前
|
人工智能 安全 Serverless
让 AI Agent 安全“跑”在云端:基于函数计算打造 Agent 代码沙箱
Agent 代码沙箱是保障 AI 智能体安全执行的核心基础设施。依托函数计算构建强隔离、有状态、低成本的 AI 运行时。
|
2天前
|
存储 自然语言处理 机器人
OpenClaw 搭团队太折腾?这个 Skill 一键搞定多智能体协作
OpenClaw是专为多智能体协作设计的基座,采用Actor架构,各Agent独立运行、消息驱动。针对协作失序、配置复杂等痛点,agentrun-team Skill提供一键组队能力:自动完成身份配置、构建团队意识与闭环流程,10分钟即可交付可协同、可审计、高透明的智能体团队。
|
4月前
|
BI
Quick BI使用案例04:一图多看:实现同一图表时间粒度(年/月/日)自由切换
本文详解如何通过查询控件联动和维度组功能,实现图表内年、月、日时间粒度的动态切换,提升分析效率与仪表板可用性。
|
1月前
|
SQL 关系型数据库 MySQL
Quick BI使用案例13:自动识别月末收官日,实现收官日区域订单数量精准统计
本文详解如何精准提取各销售战区每月最后一天的订单量,助力分析冲刺能力、绩效考核与库存节奏,提升数据驱动决策效率。

热门文章

最新文章