Problem
W roku obrotowym 2006/2007 przychód spadł o ok. 19% r/r: z 7,1 do 5,8 mln €. Firma sprzedawała wtedy wyłącznie rowery.
Projekt Power BI · studia podyplomowe 2026
Analiza Sprzedaży Internetowej
Lipiec 2007: jak nowa oferta odwróciła spadek sprzedaży
Analiza sprzedaży internetowej VII 2005 – VI 2008 · kwoty netto w €
−19%
przychód r/r w roku obrotowym 2006/2007
+186%
przychód r/r w 2007/2008, po wejściu nowej oferty
91%
przyrostu przychodu dały rowery (ok. 9,7 z 10,7 mln €)
8 786
klientów (50%) kupiło w 2007/2008 tylko dodatki
89%
rowerzystów dokupuje dodatki (2007/2008)
Historia w pięciu krokach
Raport prowadzi odbiorcę od problemu do decyzji. Tytuł każdej strony to wniosek z liczbą, więc samo czytanie tytułów daje całą historię.
Zwrot
Od lipca 2007 firma wprowadziła nową ofertę: nową linię rowerów turystycznych oraz akcesoria i odzież. W roku 2007/2008 przychód wzrósł do 16,5 mln € (+186% r/r).
- Wzrost był we wszystkich krajach. USA (+282%) wyprzedziło Australię (+109%), która rok wcześniej była największym rynkiem.
- Rowery dały ok. 91% przyrostu (ok. 9,7 z 10,7 mln €): górskie +4,2 mln €, nowa linia turystyczna +3,8 mln € (wcześniej nie istniała), szosowe +1,7 mln €.
Mechanizm
Wzrost dała liczba klientów, a nie większe zakupy. Nowi klienci przyszli po tańsze dodatki.
- r/r: klientów przybyło ok. 5,4× (3 222 → 17 412), a przychód na klienta spadł ok. 1,9× (1 788 € → 946 €).
- Względem 2005/2006: klientów prawie 8× więcej (2 206 → 17 412), przychód na klienta ok. 3× mniejszy (3 206 € → 946 €).
Koszyk
W danych nie ma numeru zamówienia, więc koszyk liczę na poziomie klientów (rok obrotowy 2007/2008).
- 89% rowerzystów dokupuje dodatki.
- Ale połowa klientów (8 786 osób, 50%) kupuje wyłącznie dodatki i nie ma roweru.
- Rowery kupują głównie 35–44-latkowie. Bez roweru zostają najmłodsi (28–34), najstarsi (55+) i duże rodziny (4–5 dzieci). Płeć nie różnicuje (49% kobiet vs 52% mężczyzn).
Rekomendacja
Kampania rowerowa skierowana do klientów, którzy kupują tylko dodatki, bo znają już sklep. W pierwszej kolejności w USA (prawie 4 tys. osób), z akcentem na grupy 28–34, 55+ i duże rodziny.
Model i strony raportu
Model: płatek śniegu, 7 tabel z bazy SQL Server (tryb Import) i własna tabela dat. 39 miar w tabeli _Miary, podzielonych na 7 folderów.
- Start Lipiec 2007: jak nowa oferta odwróciła spadek sprzedaży Panele „Jak czytać kolory” i „Co możesz zrobić”, duży rower SVG jako przycisk wejścia.
- 1. Przełom Lipiec 2007: nowa oferta odwróciła spadek sprzedaży 4 karty KPI z r/r w kolorach, slicer roku obrotowego, trend z wyróżnionym VII 2007, AC vs PY (IBCS), klienci vs przychód na klienta.
- 2. Źródła wzrostu Wzrost napędziły rowery i rynek USA Kraje AC vs PY, ranking TOP N podkategorii (3/5/8/10) z dynamicznym tytułem, drill-down Kategoria → Podkategoria → Produkt.
- 3. Koszyk Połowa klientów kupuje tylko dodatki Karty 89% / 50% / 949 / 8 786, segmenty klientów z przełącznikiem Liczby / Procenty (bookmarki), rekomendacja i rower SVG.
- 4. Klienci Bez roweru zostają najmłodsi, najstarsi i duże rodziny Segmenty wg wieku, liczby dzieci i stanu cywilnego, piktogram płci, persona „Do kogo kierować kampanię rowerową”.
- Szczegóły kraju (drill-through) Szczegóły: [kraj] KPI kraju, pozycja wśród 6 rynków, udział w przychodzie, segmenty, trend, ranking i rekomendacja. Wszystkie tytuły są dynamiczne.
- Nota metodologiczna Założenia analizy Kwoty netto (podatek 8% pominięty), € umowne, okno VII 2005 – VI 2008, rok obrotowy, segmenty w 2007/2008, wiek na 30.06.2008, brak numeru zamówienia, obszar sprzedaży.
Funkcjonalności: CALCULATE, Time Intelligence (SAMEPERIODLASTYEAR), drill-down, drill-through, bookmarki, parametr TOP N, niestandardowe etykiety, dynamiczne tytuły i kolory, grafiki SVG z DAX, nawigacja i przyciski, IBCS, dopracowane tooltipy.
Raport w obrazkach
Warsztat: 3 miary DAX
Nazwy według konwencji uczelni: $ waluta, # liczby, % procenty, zmienne VAR __Nazwa.
1. Rok obrotowy VII–VI w tabeli dat
W latach kalendarzowych rok 2008 miał tylko 6 miesięcy i wyglądał na plateau. Rok obrotowy pokazał prawdziwą historię.
-- kolumna w DimData (ADDCOLUMNS)
"RokObrotowy",
VAR __Rok = YEAR([Date])
VAR __RokStart = IF(MONTH([Date]) >= 7, __Rok, __Rok - 1)
RETURN __RokStart & "/" & (__RokStart + 1)2. Koszyk bez numeru zamówienia: INTERSECT / EXCEPT
Zamiast koszyków porównuję zbiory klientów. Ta sama para zmiennych z EXCEPT daje klientów, którzy kupili tylko dodatki.
# KlienciRoweryIDodatki =
VAR __KlienciRowery = CALCULATETABLE(VALUES(FactInternetSales[Klucz klienta]), DimKategoria[Nazwa Kategorii] = "Rowery")
VAR __KlienciDodatki = CALCULATETABLE(VALUES(FactInternetSales[Klucz klienta]), DimKategoria[Nazwa Kategorii] <> "Rowery")
RETURN COUNTROWS(INTERSECT(__KlienciDodatki, __KlienciRowery))
-- # KlienciDodatkiBezRoweru: RETURN COUNTROWS(EXCEPT(__KlienciDodatki, __KlienciRowery))3. Ranking TOP N z parametrem
ALL liczy ranking względem wszystkich podkategorii, a filtry roku i kraju z innych tabel zostają.
$ PrzyrostTopNPodkategorie =
VAR __N = [ParametrTopN Value]
RETURN
CALCULATE(
[$ PrzyrostPrzychodu],
FILTER(
DimPodkategoria,
RANKX(ALL(DimPodkategoria), [$ PrzyrostPrzychodu]) <= __N
)
)Decyzje i lekcje
Rok obrotowy zamiast kalendarzowego
Rok VII–VI pokazał spadek o 19%, a potem +186%. Sprawdziłem, że wniosek trzyma się też przy porównaniu tych samych miesięcy (I–VI) w latach kalendarzowych.
Hipoteza sprawdzona na danych
Pierwsza intuicja: „wzrost dały dodatki”. Ranking przyrostu pokazał, że 91% wzrostu dały rowery, a do oferty weszła też nowa linia rowerów turystycznych.
Części muszą sumować się do całości
Brak filtra roku na stronie zawyżał ranking: trzy podkategorie dawały więcej niż cały przyrost firmy. Błąd wyłapałem dzięki liczbom kontrolnym.
Cross-selling bez numeru zamówienia
Zbiory klientów (INTERSECT / EXCEPT) zamiast koszyków. Definicję i ograniczenie opisałem w nocie metodologicznej raportu.
Uczciwa wizualizacja
Sylwetka wypełniona do połowy wysokości zakrywała ok. 75–80% powierzchni i przekłamywała proporcje. Zamieniłem ją na piktogram 10 sylwetek (1 = 10%).
Świadomie odrzucone
Wskaźnik lift (≈ 0,94, nie różnicuje grup), CROSSFILTER (zbędny, liczę w tabeli, do której dociera filtr), SUMX dla zysku (ilość zawsze = 1), panel filtrów jako bookmark (kłóciłby się z tytułami-wnioskami).
Dane: przykładowa baza Microsoft AdventureWorks (przetłumaczona wersja udostępniona w ramach kursu). Dane nie dotyczą prawdziwej firmy, kwoty są w umownej walucie €.
Kontekst: projekt zaliczeniowy I semestru studiów podyplomowych z analizy danych (Power BI, 2026).
AI: projekt był konsultowany z asystentem AI, który zadawał pytania i robił code review. Model danych, miary i decyzje wykonałem sam. Gotowe propozycje AI dotyczyły m.in. motywu JSON, miar SVG i części tytułów dynamicznych.