Ez a riport egy képzeletbeli pizza étterem értékesítési adatait dolgozza fel. Az adatok a Kaggle.com-ról származnak és az ötletet egy online tanfolyamon kaptam, ahol elkezdtük az adatok feldolgozását, majd én önállóan befejeztem, módosítottam és elkészítettem a vizualizációt.
Az adatok egy excel fájlban találhatók. Ezt betöltve a Power Queryben nem is volt szükség végül átalakításra, transzformálásra, így azokat ellenőrizve betöltésre kerültek a Power BI-ba.
Ez a pizza értékesítési adatkészlet 12 releváns jellemzőt tartalmaz:
order_id: Egyedi azonosító minden egyes tábla által leadott rendeléshez
order_details_id: Egyedi azonosító minden egyes rendelésen belül leadott pizzához (az azonos típusú és méretű pizzák ugyanabban a sorban maradnak, és a mennyiség nő)
pizza_id: Egyedi kulcsazonosító, amely a megrendelt pizzát a részletekhez, például a mérethez és az árhoz köti
quantity: Minden azonos típusú és méretű pizzához rendelt mennyiség
order_date: A rendelés leadásának dátuma (a rendszerbe a főzés és tálalás előtt)
order_time: A rendelés leadásának ideje (a rendszerbe a főzés és tálalás előtt)
unit_price: A pizza ára USD-ban
total_price: egységár * mennyiség
pizza_size: A pizza mérete (kicsi, közepes, nagy, X nagy vagy XX nagy)
pizza_type: Egyedi kulcsazonosító, amely a megrendelt pizzát a részletekhez, például a mérethez és az árhoz köti
pizza_ingredients: a pizzához használt összetevők a menüben látható módon (mindegyik tartalmazza a mozzarella sajtot, még akkor is, ha nincs megadva; és mindegyik tartalmaz paradicsomszószt, hacsak nincs megadva más szósz)
pizza_name: A pizza neve a menüben látható módon
Látható, hogy az adatmodell egyszerű, egy tábla. Ezt persze akár tovább lehetne bontani, de maximum egy külön Date táblát lehetne hozzá készíteni. Jelen esetben csak ezzel az egy táblával dolgoztam.
A főbb számokat egy-egy Card vizualizációra tettem. A total_price, vagyis az összes pizza eladás egy Card-ra került, viszont arra gondoltam, hogy érdekes lehet megjeleníteni külön-külön is kategóriánként a pizza összértekesítést. Ehhez 4 measure-t hoztam létre, ahol a Calculate függvényt használtam az adatok szűrésére.
A riportot Slicer-ekkel lehet tovább szűrni a pizza mérete, a pizza neve alapján, valamint felkerült egy Slicer a dátumra is.
Egy Line Charton ábrázoltam a rendelés leadásának idejét (order_time) és a pizza mennyiségét (quantity), így látható, hogy mikor volt a legtöbb rendelés, melyik időszakban. Jellemzően az ebédidőben 11-től 13-ig, 14-ig.
Clustered Bar Chart-ra tettem a pizza neveket (pizza_name) és összértékesítés (total_price) adatokat, így látható külön az egyes pizzákra is az értékesítés, vagyis, hogy az egyes pizzákból mennyit adtak el. Ezt egyékbént a Filters on this visual részen be lehet állítani később, hogy pl. csak az 10 legtöbbet eladott pizzát mutassa. A Filter type-nál Top N és a show itemsnél 10, illetve a By value-nél a total price értéket kell behúzni.
A kategóriánkénti eladást pedig egy Donut Chart-ra tettem, ahol összértékesítés jelenik meg szintén, kategóriánként és így látható, hogy melyik kategóriából történt a legtöbb eladás (a Classic).