Vytvoření tabulky data v LuckyTemplates
Zjistěte, proč je důležité mít vyhrazenou tabulku s daty v LuckyTemplates, a naučte se nejrychlejší a nejefektivnější způsob, jak toho dosáhnout.
V tomto návode prechádzam technikou analýzy priemerných výsledkov. Ponorím sa do niektorých typov analýzy obstarávania a nákupu, ktoré môžete robiť s LuckyTemplates. Celé video tohto návodu si môžete pozrieť v spodnej časti tohto blogu.
Konkrétne sa pozrieme na priemerné mesačné nákupy, ktoré môže podnik uskutočniť.
Prechádzam cez ktorý DAX musíte byť schopní vypočítať priemery v mesačnom kontexte. Tiež vám ukážem, ako môžete kombinovať tieto vzorce alebo funkcie s dátovým modelom. Ak to urobíte efektívne, môžete rýchlo extrahovať informácie z rôznych dimenzií.
Či už chcete analyzovať svoje mesačné nákupy podľa divízie, regiónu alebo podľa jednotlivých manažérov, toto všetko je možné s LuckyTemplates efektívnym a efektívnym spôsobom.
Na to nie je potrebné písať rôzne vzorce.
Čo môžete urobiť, je využiť dátový model, ktorý ste vytvorili pre scenár typu obstarávania. Môžete vložiť rôzne prvky alebo rôzne dimenzie z týchto rôznych tabuliek, ktoré máte vo svojom dátovom modeli, a prekryť ich vzorcami, ktoré ste vytvorili.
Okrem toho sa od toho môžete ešte viac rozvetviť. Môžete napríklad analyzovať rozdiel v nákupe v priebehu času pre ktorúkoľvek z týchto rôznych dimenzií vo svojich údajoch. Do analýzy môžete zahrnúť aj mnohé časové porovnania a techniky typu časovej inteligencie.
Takže v tomto príklade sa na veci pozeráme priemerne. Namiesto toho, aby sme sa pozerali na každý jednotlivý nákup, chceme vidieť, ako prebiehajú priemerné nákupy v našich oddeleniach. Ukážem vám, ako môžete použiť kombináciu techník, aby ste to skutočne vyriešili pomocou LuckyTemplates.
Obsah
Vypracovanie priemerných mesačných nákupov
Najprv som vytvoril opatrenie na získanie celkovej sumy fakturácie, ktorú robíme. Tu je vzorec:
Takže teraz vypočítame priemery v priebehu času . Pozrieme sa na čas a uvidíme, v akom časovom rámci nakupujeme. V tomto prípade máme celú cestu od januára 2015 do januára 2017.
Jednoducho pretiahneme našu tabuľku dátumov na našu os a môžeme vidieť naše súčty fakturácie podľa dátumu.
Teraz chceme zistiť, koľko fakturujeme mesačne na základe oddelení. Aby sme videli tento prehľad, uchopíme súčty fakturácií a potom ich potiahneme v našom oddelení na os.
Je tiež jednoduché prekryť výrez z našej tabuľky dátumov, kde ho môžeme jednoducho zmeniť a pozrieť sa na určité časové rámce, čo ovplyvní kontext aj výsledky.
Povedzme však napríklad, že v rámci tohto dátumu chceme vidieť v priemere za mesiace, koľko skutočne míňame na oddelenie . Aby to bolo možné, stačí pochopiť, ako používať funkciu AVERAGEX a akú virtuálnu tabuľku chceme do tejto funkcie umiestniť.
Ideme teda vytvoriť novú mieru a nazveme ju Priemerné mesačné nákupy . Použijeme AVERAGEX , potom dovnútra umiestnime virtuálnu tabuľku každého jedného mesiaca. V našej tabuľke dátumov nájdeme dimenziu Mesiac a rok a to urobí iteráciu za nás.
AVERAGEX je iteračná funkcia, a preto jej musíme dať tabuľku na iteráciu. V tomto prípade mu dávame virtuálnu tabuľku každého mesiaca a roka. A to je to, čo vytvorí priemer, pretože sa v tomto kontexte vypočíta iba počet mesiacov v rokoch.
Potom pridáme našu fakturačnú mieru a uvidíme, že teraz máme priemer. Naformátujeme a zmeníme farbu, aby vynikla.
Porovnanie priemerného nákupu za určité časové obdobie
Je dobré vidieť priemerný nákup, ale tiež by bolo skvelé vidieť a porovnať priemerný nákup za predchádzajúce obdobie.
Aby sme to dosiahli, jednoducho rozšírime to, čo tu máme. Začneme našimi jednoduchými meraniami a potom sa rozvinieme na ďalšie techniky DAX, aby sme získali viac prehľadov.
Náš vzorec nazveme Priemerné mesačné nákupy LY a použijeme funkciu VYPOČÍTAŤ nášho Priemerný mesačný nákup . Budeme mať DATEADD a DATES a počet intervalov je -1 – potom ideme ROK .
Na základe tohto kontextu teraz môžeme porovnať našev časovom rámci, ktorý sme vybrali, oproti presne tomu istému časovému rámcu z predchádzajúceho roka.
Analyzujte rozhodnutia o nákupe v oblasti obstarávania v LuckyTemplates pomocou jazyka DAX
Záver
Prešiel som všetky kroky uvedené vyššie v tomto návode. Ak sa dokážete stotožniť s týmto scenárom, som si istý, že sa dozviete veľa o tom, ako možno LuckyTemplates použiť na optimalizáciu rozhodnutí týkajúcich sa týchto druhov nákupných scenárov.
A čo je na tom v LuckyTemplates skvelé, je to, že keď sa naučíte túto techniku, môžete ju jednoducho použiť na mnoho rôznych dátových scenárov.
Časové porovnania sa nemenia bez ohľadu na to, na akom dátovom scenári pracujete, a veľmi rýchlo môžete získať celkom skvelé poznatky. Môžete sa dokonca rozvetviť, ak chcete ísť ďalej s priemernou analýzou LuckyTemplates.
Všetko najlepšie!
Zjistěte, proč je důležité mít vyhrazenou tabulku s daty v LuckyTemplates, a naučte se nejrychlejší a nejefektivnější způsob, jak toho dosáhnout.
Tento stručný návod zdůrazňuje funkci mobilního hlášení LuckyTemplates. Ukážu vám, jak můžete efektivně vytvářet přehledy pro mobily.
V této ukázce LuckyTemplates si projdeme sestavy ukazující profesionální analýzy služeb od firmy, která má více smluv a zákaznických vztahů.
Pozrite si kľúčové aktualizácie pre Power Apps a Power Automate a ich výhody a dôsledky pre platformu Microsoft Power Platform.
Objavte niektoré bežné funkcie SQL, ktoré môžeme použiť, ako napríklad reťazec, dátum a niektoré pokročilé funkcie na spracovanie alebo manipuláciu s údajmi.
V tomto tutoriálu se naučíte, jak vytvořit dokonalou šablonu LuckyTemplates, která je nakonfigurována podle vašich potřeb a preferencí.
V tomto blogu si ukážeme, jak vrstvit parametry pole s malými násobky, abychom vytvořili neuvěřitelně užitečné přehledy a vizuály.
V tomto blogu se dozvíte, jak používat funkce hodnocení LuckyTemplates a vlastní seskupování k segmentaci ukázkových dat a jejich seřazení podle kritérií.
V tomto tutoriálu se budu zabývat konkrétní technikou, jak zobrazit kumulativní součet pouze do určitého data ve vašich vizuálech v LuckyTemplates.
Naučte se vytvářet a přizpůsobovat Bullet grafy v LuckyTemplates, které se používají hlavně pro měření výkonu oproti cílovým nebo předchozím rokům.