Detekce a prezentace odlehlých výsledků v LuckyTemplates

V tomto tutoriálu vás provedu analýzou detekce odlehlých hodnot, detekcí a vizualizací odlehlých výsledků. Vaše data ani nemusí být jedinečná nebo přizpůsobená. Skvělé je, že to můžete udělat v podstatě na jakémkoli souboru dat. Celé video tohoto tutoriálu si můžete prohlédnout ve spodní části tohoto blogu.

Ukážu vám, jak úžasný je LuckyTemplates jako analytický nástroj.

Zahrnuje to pouze začlenění řady vzorců a analytických technik DAX do vašich modelů a jejich konečnou vizualizaci efektivním způsobem se všemi funkcemi dynamické vizualizace, které máme k dispozici v LuckyTemplates.

Klíčovým a nejdůležitějším konceptem, který chci, abyste si při prohlížení tohoto návodu odnesli, je, že jej lze použít mnoha různými způsoby.

Začneme tedy vysvětlením odlehlých hodnot v bodovém grafu. Poté vám ukážu různé techniky vzorců, které musíte implementovat, abyste je mohli vizualizovat tímto specifickým způsobem.

Obsah

• Odlehlé hodnoty V Bodovém Grafu
• Uvnitř datového modelu
• Detekce odlehlých hodnot pomocí DAX
• Závěr

Odlehlé hodnoty V Bodovém Grafu

Pokud bychom měli detekovat, hlavní věc, kterou musíme vyřešit, je logika toho, co tvoří odlehlou hodnotu.

Nejprve však chci předvést, jak vizuálně to může ovlivnit naše přehledy a jak mnohem snazší a efektivnější je pro spotřebitele zjistit, co se jim snažíme ukázat .

Nyní, když se podíváme na tyto dva grafy, první graf (vlevo) ukazuje přesně to samé jako druhý graf (vpravo), kromě toho, že jsem ve druhém grafu vytvořil legendu nebo filtr výřezu, který ukazuje jaké jsou naše odlehlé hodnoty.

Takže pokud jsou zákaznický prodej a zisková marže ve stejnou dobu nebo nad určitou úrovní, pak jde o odlehlou hodnotu v našem souboru dat.

Chceme vidět, kdo jsou tito zákazníci, a tak to můžeme virtuálně vidět na druhém grafu mnohem lépe, než se jen dívat na všechny naše zákazníky a jejich ziskové marže v prvním grafu.

Navíc se můžeme mnohem lépe vrtat do našich zákazníků. Můžeme vybrat filtr ,

nebo vytvořte graf a vložte filtr do sekce Pole filtru .

Tento graf nám umožňuje proniknout do těchto zákazníků, které považujeme za odlehlé. Nyní se podívejme na náš datový model, abychom viděli, jak se to používá.

Uvnitř datového modelu

První věc, kterou je třeba poznamenat, je, že to musíme dělat dynamickým způsobem, protože zde segmentujeme a vytváříme skupiny našich zákazníků. Abychom mohli dělat něco dynamického, musíme to udělat uvnitř vzorců .

Nemůžeme fyzicky vytvořit vypočítaný sloupec v našich modelech a doufat, že pokud bychom do tohoto modelu vložili nějaký jiný časový rámec, pak dostaneme výsledky, které chceme. Pokud vložíme vypočítané sloupce, získáme tyto statické informace. Aktualizuje se pouze při obnovení.

První způsob, jak dělat logiku dynamickým způsobem, je mít podpůrnou tabulku . Jak tedy můžete vidět zde v datovém modelu, vytvořil jsem tuto logiku detekce odlehlých hodnot . Je to nosný stůl, což znamená, že není s ničím spojený.

Uvnitř této tabulky zadáváme naši logiku pro detekci odlehlých hodnot.

Naše odlehlé hodnoty identifikujeme podle minimální ziskové marže třicet pět procent a maximální marže sto procent, zatímco naše odlehlé hodnoty mají od nuly do třiceti pěti.

Totéž pro prodeje, máme nějakou logiku, která by identifikovala odlehlé hodnoty podle celkového prodeje nad padesát pět tisíc.

Takže přemýšlejte o tom, jak můžete použít tuto svou vlastní logiku. Můžete mít tři různé parametry nebo proměnné, které budou detekovat odlehlou hodnotu.

Nyní vytvořte vzorce, které budou iterovat touto tabulkou, a vyhodnotíme zákazníky, zda se shodují s logikou odlehlých hodnot nebo s logikou bez odchylek.

Detekce odlehlých hodnot pomocí DAX

Mějte na paměti, že musíme projít každého zákazníka a určit, zda je vyhodnocen jako odlehlý nebo neodlehlý.

K identifikaci odlehlé hodnoty používáme CALCULATE k našim celkovým tržbám pro každého zákazníka . A to je to, co funkce HODNOTY dělá, když FILTRUJEME přes všechny naše zákazníky. Poté projdeme naší logikou detekce odlehlých hodnot .

Na druhou stranu u našeho non-outlier , na druhou stranu, také procházíme určitou logikou pro každého zákazníka, ale hlavním rozdílem je tato dvojitá čára (||), která je pro „nebo“ a ne pro „a“ (&&).

Pokud zde uděláme „a“, pak vše, co ukáže, jsou výsledky, které jsou jak pod padesáti pěti tisíci, tak pod třiceti pěti procenty, jak je uvedeno v naší logice detekce odlehlých hodnot.

Dále musíme vytvořit jeden vzorec, který můžeme vložit do naší vizualizace, a to je vzorec pro seskupení prodejů .

Tento výpočet říká, že POKUD SELECTEDVALUE (logika detekce odlehlých hodnot) je odlehlá hodnota , pak chceme vrátit odlehlé tržby . Pokud ne, vrátíme Non-outlier Sales .

To nám pak umožňuje integrovat nebo načíst různé výsledky nebo různé vzorce pro jakýkoli výběr nebo filtr použitý v naší vizualizaci.

Nedá se popřít, že v tom něco málo je, ale to nám jen ukazuje, jak úžasný je DAX v LuckyTemplates, zejména pro analýzu detekce odlehlých hodnot.

Vytváření dynamických odlehlých spouštěcích bodů – pokročilá technika analýzy LuckyTemplates

Závěr

Přístup, který předvádím v tomto tutoriálu, je ve skutečnosti jen jedním ze způsobů, ale doufejme, že jste se z toho hodně naučili. Udělali jsme tam docela pokročilou logiku a předvedli jsme ji opravdu efektivním způsobem pomocí bodových grafů.

Existuje mnoho aplikací pro detekci odlehlých hodnot. Pokud chcete skutečně proniknout do velmi konkrétního náhledu nebo ho předvést, zvláště když provádíte nějaké porovnávání s bodovým grafem, pak je to perfektní způsob, jak přidat hodnotu a získat lepší přehled o vašich vizualizacích.

Pokud tedy dokážete porozumět všem prvkům vzorců, včetně kombinování vzorců a jejich umístění do vizualizace, můžete je použít mnoha způsoby a předvést výsledky pomocí vlastních sad dat.

Na zdraví!