Modelování dat v LuckyTemplates pomocí podpůrných tabulek

Při provádění analýzy našeho modelu možná budeme chtít najít náhled, který nesouvisí s ničím v našich tabulkách. Zde přichází na řadu koncept využití podpůrných tabulek pro datové modelování LuckyTemplates.

Podpůrné tabulky nemají žádný vztah s našimi tabulkami, ale můžeme je použít k podpoře vizualizací v našich sestavách. 

Obsah

• Ukázkový scénář pro datové modelování v LuckyTemplates
• Vytvoření podpůrné tabulky pro datové modelování v LuckyTemplates
• Vytváření tabulek měření pro modelování dat LuckyTemplates
• Vytváření vlastních vizualizací v LuckyTemplates
• Závěr

Ukázkový scénář pro datové modelování v LuckyTemplates

Pro tento příklad vytvoříme podpůrnou tabulku pro naši tabulku Customers . Tuto podpůrnou tabulku můžeme překrýt informacemi. Poté spusťte logiku DAX a vytvořte vizualizace, které nejsou možné s tím, co aktuálně máme na stole Zákazníci . 

V našem zobrazení Přehled máme vizualizaci, která ukazuje celkové transakce každého zákazníka. V tomto příkladu je nejvyšší transakce od zákazníka 33 .

Pak je nejnižší 8 .

Chceme například vytvořit vizualizaci, která ukazuje frekvenci našich zákazníků na základě jejich transakcí. Je to vizualizace, která ukazuje celkový prodej našich zákazníků s vysokou, střední a nízkou frekvencí, který nikde na našem modelu neexistuje. Co můžeme udělat, je vytvořit tabulku, která bude obsahovat tyto frekvence, abychom v ní mohli spustit logiku.

Vytvoření podpůrné tabulky pro datové modelování v LuckyTemplates

Existují různé způsoby, jak vytvořit tabulku. V tomto příkladu použijeme možnost Zadat data na kartě Domů . 

Pojmenujme tuto tabulku jako „ Frekvence nákupu “. Poté nastavte první sloupec jako Frequency Group a přidejte hodnoty frekvence jako High , Ok a Low . Přidejte také sloupce Min a Max . V naší aktuální tabulce říkáme, že naši vysokofrekvenční zákazníci by měli mít minimálně 25 – 40 transakcí. Středofrekvenční zákazníci by měli mít 15 – 25 transakcí a nízkofrekvenční zákazníci pouze 0 – 15 transakcí.

V zobrazení Vztah umístíme naši přidanou tabulku nákupní frekvence na pravou stranu. Je to proto, že tabulka nákupní frekvence je podpůrná tabulka . Sloupce, které jsou vytvořeny v této tabulce, nemají žádný vztah k žádným tabulkám v našem datovém modelu. Toto použijeme pouze ke spuštění logiky DAX na podporu vizualizací, které chceme vytvořit v našich sestavách. 

Vytváření tabulek měření pro modelování dat LuckyTemplates

Kromě tabulky Frekvence nákupu vytvořte také další tabulku pomocí možnosti Zadat data . Pojmenujme to Dynamické seskupení . V této tabulce pak vytvoříme míru.

Přejmenujte míru na tabulku Prodej podle skupiny frekvence . Můžete se dozvědět více o .

Pro naše měření použijeme kód DAX, který je poměrně komplikovaný. Toto měření vypočítá celkové prodeje každého ze zákazníků v tabulce Zákazníci . Identifikuje, zda jsou jejich celkové transakce v rámci MIN a MAX hodnoty tabulky Frekvence nákupu , což je podpůrná tabulka, kterou jsme vytvořili. 

Klíčovou věcí je, že tabulka Frekvence nákupu nemá žádný vztah k naší tabulce Zákazníci ani k žádným jiným tabulkám. Vytvořením logiky pomocí míry a kódu DAX ji však nyní můžeme použít k podpoře nebo vytvoření vizualizace s našimi dalšími tabulkami.

Vytváření vlastních vizualizací v LuckyTemplates

Chcete-li vytvořit vizualizaci, kterou chceme, stačí přetáhnout sloupec Frequency Group v naší tabulce Dynamic Grouping na naše plátno.

Poté přetáhneme míru prodeje podle skupiny frekvence do skupiny frekvence na plátně.

Výsledkem je, že nyní máme vizualizaci, která nám ukazuje celkové tržby zákazníka z frekvencí vysokého, nízkého a středního rozsahu ( Ok ).

Poté to můžeme přeměnit na vizualizaci prstencového grafu. Potom uvidíme, že na základě logiky, kterou jsme vytvořili s naší podpůrnou tabulkou, se většina našich zákazníků pohybuje ve středním rozsahu ( ok) frekvence.  

To dává smysl, protože pokud kontrolujeme celkové transakce našich zákazníků, většina z nich má kolem 20-21 transakcí.

To je ve středním rozsahu 15-25 ( OK ) frekvence na základě naší podpůrné tabulky ( Frequency Group ).

Můžeme také vytvořit další vizualizaci přetažením míry ( Sales by Frequency Group ) do naší vizualizace Jména zákazníků …

… a sloupec Skupina frekvence z naší podpůrné tabulky ( Frekvence nákupu ).

Výsledkem je, že vizualizace nyní zobrazuje jména zákazníků, jejich celkové prodeje a frekvenci transakcí. 

Tuto vizualizaci pak můžeme převést na sloupcový graf , pokud chceme.

Nakonec máme tyto vizualizace pro Prodej podle frekvenční skupiny podle jmen zákazníků a frekvenční skupiny a Prodej podle frekvenční skupiny podle frekvenční skupiny.

Závěr

Stručně řečeno, dokázali jsme vytvořit podpůrnou tabulku a použít ji pro datové modelování v LuckyTemplates. Toto jsou některé výkonné techniky, kterých můžeme dosáhnout pomocí podpůrných tabulek.

Nyní přemýšlejte o tom, jak bychom zde mohli rozšířit logiku. V tomto případě jsme izolovali transakce, ale můžeme to udělat i s jinými výpočty pro skupinu lidí v oblasti prodeje, marží, růstu a mnoha dalších.

Doufám, že jste byli schopni vidět logiku a důležitost používání podpůrných tabulek . Opět se používají čistě k podpoře logiky a vizualizace, kterou chceme vytvořit, a můžeme je použít různými způsoby. Díky tomu můžete do svých vlastních modelů přidat fantastické analytické techniky.

Vše nejlepší,