Segmentácia údajov na základe percentuálnych skupín – pokročilý DAX v LuckyTemplates

V tomto návode sa budem venovať pomerne pokročilej technike segmentácie údajov , ktorá sa týka zoskupovania údajov dynamickým spôsobom v rámci LuckyTemplates . Celé video tohto návodu si môžete pozrieť v spodnej časti tohto blogu.

V tomto návode sa konkrétne pozrieme len na túto konkrétnu vizualizáciu na tomto dashboarde, ktorý som použil počas vzdelávacieho samitu o prehľadoch zákazníkov.

V tomto prípade zákazníkov zoskupujeme alebo segmentujeme na základe percenta predaja. Na vytvorenie tohto zoskupenia používame sekundárnu tabuľku alebo podpornú tabuľku a kombinujeme ju so vzorcami DAX.

Obsah

• Segmentácia zákazníkov na základe percenta predaja
• Využitie sekundárneho alebo podporného stola
• Vypracovanie premenných
• Logika pre segmentáciu údajov
• Ako znova použiť vzorec na segmentáciu údajov
• Záver

Segmentácia zákazníkov na základe percenta predaja

Jedna skupina je v horných 20 %, ďalšia skupina je medzi 25 % až 80 % a tretia skupina je v spodných 25 %. Využil som tieto percentá a nakŕmil som ich cez aaby ste potom vytvorili tieto skupiny Top, Mid a Bottom .

Segmentácia je v tomto prípade založená na predaji, takže ide o graf znázorňujúci predaj verzus marže pre ľubovoľný konkrétny časový rámec, ale k segmentácii došlo prostredníctvom predaja.

V tomto rozptylovom grafe môžeme vidieť 20 % najlepších zákazníkov; sú reprezentované tmavomodrými škvrnami. Strední zákazníci sa z hľadiska predaja pohybujú medzi 25 % a 80 %; sú znázornené bledomodrými škvrnami v strednej časti grafu. Spodných 25 % zákazníkov na základe predaja sú svetlomodré škvrny v spodnej časti grafu. 

Ide o pomerne pokročilú techniku ​​segmentácie údajov, pri ktorej do výpočtov začleňujeme pokročilú logiku na vytvorenie týchto skupín, ktoré jednoducho neexistujú . Inými slovami, v našich nespracovaných údajoch nie je nič, čo by rozdelilo 20 najlepších zákazníkov, spodných 25 % atď.

Takže musíme vytvoriť túto logiku pomocou podpornej tabuľky alebo sekundárnej tabuľky , ako ich nazývam. Táto tabuľka nemá žiadny fyzický vzťah so žiadnou z našich tabuliek v dátovom modeli, ale je kľúčom k tomuto typu analýzy.

Využitie sekundárneho alebo podporného stola

Poďme sa teda pozrieť na tabuľku. Tieto skupiny môžete pravdepodobne vytvoriť mnohými rôznymi spôsobmi, ale takto som to nastavil pre túto ukážku.

V tejto podpornej alebo sekundárnej tabuľke máme naše skupiny ako Top, Mid a Bottom. Na identifikáciu segmentu, do ktorého patrí každý zákazník, máme stĺpce Nízka a Vysoká.

Táto sekundárna tabuľka percent môže byť v skutočnosti znovu použitá v mnohých rôznych mierach. Mohli by sme použiť predaj a mohli by sme ľahko integrovať marže alebo zisky alebo náklady alebo akýkoľvek iný výpočet, ktorý môžeme urobiť. Nemusí to súvisieť ani s predajom alebo príjmami. 

Môžeme tiež znova použiť časť logiky, pretože percentá môžu byť na čomkoľvek. Tu je dôležité vytvoriť správnu logiku vo vzorci. 

Poďme sa teda vrhnúť na vzorec, ktorý som nazval(tento rok) a prejdite si, ako som robil logiku.

Vypracovanie premenných

Prejdeme si najprv prvú časť výpočtu, kde sa dopracujeme k premenným ( VAR ).

Prvou premennou je identifikácia RankingDimension , na ktorej budeme pracovať. V tomto prípade ide o zákazníkov. S funkciou VALUES iterujeme každého zákazníka, ktorý uskutočnil predaj v akomkoľvek konkrétnom časovom rámci . 

Ďalšou premennou je TotalCustomers , ktorá zisťuje, koľko zákazníkov skutočne uskutočnilo predaj . Nechceme počítať všetkých zákazníkov, ale skôr len tých, ktorí urobili nejaké tržby. V tejto logike používame funkcie CALCULATE , COUNTROWS , FILTER a ALL .

Treťou premennou je CustomerRank , kde zoraďujeme našich zákazníkov na základe predaja, ktorý dosiahli. A toto je vzorec pre hodnotenie zákazníka TY .

Tento konkrétny vzorec robí len jednoduché hodnotenie, ktoré využíva funkciu RANKX .

Logika pre segmentáciu údajov

Teraz sa vrhneme na zvyšok výpočtu. Toto je logika, ktorá nám umožňuje dosiahnuť túto analýzu segmentácie údajov.

Funkcia CALCULATE iteruje cez každého zákazníka a vyhodnocuje cez podpornú tabuľku ( Skupiny zákazníkov ), ktorú sme vytvorili pomocou funkcií a FILTER . 

A potom vyhodnotí, či je CustomerRank väčšie ako TotalCustomers a následne ho vynásobí stĺpcom Customer Groups Low . Pýta sa nás teda, či je CustomerRank vyššie ako dno.

A potom v ďalšom riadku zvýrazní, či CustomerRank je menší alebo rovný TotalCustomers; potom sa vynásobí vyššou priehradkou v tabuľke Skupiny zákazníkov.

Ak sa to bude rovnať skutočnosti, tohto zákazníka si udržíme a my dostaneme celkové tržby.

Ako znova použiť vzorec na segmentáciu údajov

Tento vzorec je trochu zložitý, ale je skutočne zaujímavý. Tento výpočet tiež používame znova.

Napríklad, ak sa chceme pozrieť na našich zákazníkov podľa inej metriky, ako je zisková marža, všetko, čo musíme urobiť, je nahradiť celkový predaj tu ziskovou maržou a zmeniť poradie na základe ziskových marží .

Potom môžeme použiť presne rovnakú podpornú tabuľku na spustenie tejto logiky. 

Záver

Toto je pokročilejšia technika segmentácie údajov, ktorú som ukázal v tomto návode. Využívame silu jazyka DAX a dátového modelu s našou podpornou tabuľkou.

Je úžasné, čo dokážeme urobiť s celým vzorcom. Môžeme zmeniť časový rámec a vždy rozdelí zákazníkov podľa konkrétnych percent, ktoré nastavíme. 

Dúfam, že ste v tomto návode našli veľkú hodnotu a aplikovali ste ho na svoju prácu.

Všetko najlepšie!

***** Učíte sa LuckyTemplates? *****