AdventureWorks 经营分析

销售规模增长是否带来了健康的估算毛利？问题究竟集中在哪个渠道、品类和SKU？

SQL × Power BI × 经营诊断

问题最初是怎样展开的

总览页显示约1.10亿美元收入和11.43%的估算毛利率，这些数字本身没有告诉我好或坏，因为没有目标，也没有合适的对照。继续按渠道拆分以后，Reseller贡献了大部分收入，估算毛利贡献却很低；问题这才从“整体表现如何”缩小到渠道、品类和SKU。

折扣与低毛利同时出现，只能说明两者存在关联，现有数据还不能证明折扣造成亏损；地区毛利率不同，也需要继续检查渠道和产品结构。项目将已经确认的事实、待验证原因和当前无法证明的部分分开，使三页Power BI分别承担经营总览、盈利诊断和区域分析的任务。

以Microsoft AdventureWorks虚构样例为数据源，使用SQL统一口径、Power BI建立星型模型和经营看板，再用工作台形成可追溯报告。分析从经营总览继续下钻到渠道、品类、SKU和区域，用更细的数据解释规模与估算毛利之间的差异。

个人完成。本人定义经营问题与指标口径，搭建分析路径，校验SQL与Power BI结果，并对结论和边界负责。

12.1万统一销售明细

$1.10亿样例销售收入

11.43%估算毛利率

73.26%Reseller收入占比

通过SQL视图统一Internet与Reseller销售明细，先确定一行代表什么，再计算收入、成本和估算毛利。

在Power Query检查行数、唯一性、空值、错误、日期范围和渠道分类，避免“脏数据直接进图”。

建立销售事实表与日期、产品、地区、促销维表的星型模型，让筛选关系清晰可控。

从经营总览进入渠道、品类、SKU和区域，追踪规模与盈利贡献错位。

将SQL总额与Power BI结果对账，并明确估算毛利不等于净利润、样例期间并不完整。

工具名称只能说明使用过什么。下面记录需求怎样形成、AI承担了哪些工作、我检查了什么，以及项目为什么在当前版本停止。

我把课程数据、已有字段和“规模增长是否带来健康估算毛利”的问题交给Codex与ChatGPT-sol讨论。AI帮助检查还缺少哪些指标、维度和对账步骤，我根据经营含义确定销售收入、样例产品成本、估算毛利、估算毛利率、订单数和销售件数的口径。

AI提供SQL统一视图、星型模型、DAX度量值和页面结构的建议，也在Power BI出现关系、排序、条件格式和DAX错误时帮助定位原因。我在Power BI中完成导入、关系建立、度量值创建、筛选器设置和页面制作。

我使用Power Query检查整表质量，比较SQL与Power BI总额，逐页检查筛选器和指标是否联动，再根据渠道、品类、SKU和地区结果修正分析结论。AI生成的解释只有在能够由页面和口径支持时才会保留。

Power BI页面完成后，我再把分析就绪数据交给可信分析工作台生成可追溯报告。工作台负责保存口径、检查与结论来源，Power BI继续承担交互分析和展示。

我会先查找能够满足相似需求的项目，再判断哪些方法可以复用、哪些部分需要重新设计。这里只记录已经能够确认来源和实际关系的资料。

AdventureWorks提供虚构企业的销售、产品、客户和地区数据。本项目自行统一Internet与Reseller销售口径，并设计经营总览、盈利诊断和区域分析页面。

下面保留项目实际页面和产物。图片可以放大，说明文字标明每张页面在项目中承担的作用。