Specifikt skal vi se på de gennemsnitlige månedlige køb, en virksomhed kan foretage.
Jeg gennemgår hvilken DAX kombination skal du kunne beregne gennemsnit i en månedlig sammenhæng. Jeg viser dig også, hvordan du kan kombinere disse formler eller funktioner med datamodellen. Ved at gøre dette effektivt kan du hurtigt udtrække information på tværs af en række forskellige dimensioner.
Uanset om du ønsker at analysere dine månedlige indkøb efter division, region eller i henhold til hver enkelt leder, er alt dette muligt med LuckyTemplates på en effektiv og effektiv måde.
Du behøver ikke at skrive forskellige formler for at gøre det.
Det, du kan gøre, er at udnytte den datamodel, du har bygget til et indkøbsscenarie. Du kan indsætte forskellige elementer eller forskellige dimensioner fra disse forskellige tabeller, som du har i din datamodel, og overlejre dem med de formler, du har oprettet.
Derudover kan du forgrene dig endnu længere fra det. For eksempel kan du analysere forskellen i køb over tid for enhver af disse forskellige dimensioner i dine data. Du kan også inkludere mange tidssammenligninger og tidsintelligens type teknikker i analysen.
Så i dette eksempel ser vi på tingene på gennemsnitsbasis. I stedet for at se på hvert enkelt køb, ønsker vi at se, hvordan det går med de gennemsnitlige indkøb i vores afdelinger. Jeg vil vise dig, hvordan du kan bruge en kombination af teknikker til rent faktisk at finde ud af dette ved hjælp af LuckyTemplates.
Først og fremmest har jeg lavet et mål for at få det samlede faktureringsbeløb, vi laver. Her er formlen:
Så nu regner vi ud gennemsnit over tid . Vi vil se gennem tiden og se, hvilken tidsramme vi foretager indkøb. I dette tilfælde har vi hele vejen fra januar 2015 til januar 2017.
Vi trækker blot vores Dato-tabel ind i vores akse, og vi kan se vores faktureringstotaler efter dato.
Nu vil vi regne ud, hvor meget vi fakturerer om måneden på afdelingsbasis. For at se denne indsigt, griber vi Faktureringstotalerne og trækker derefter vores afdeling ind i aksen.
Det er også nemt at overlejre en slicer fra vores Datetabel, hvor vi nemt kan ændre den og se på bestemte tidsrammer, som vil påvirke både konteksten og resultaterne.
Men f.eks. vil vi inden for denne datosammenhæng gerne se i gennemsnit i månederne her, hvor meget vi faktisk bruger pr. afdeling . For at gøre dette kræver det blot en forståelse af, hvordan man bruger AVERAGEX- funktionen, og hvilken virtuel tabel vi ønsker at placere inde i denne funktion.
Så vi laver et nyt mål og kalder det Gennemsnitlige månedlige køb . Vi bruger AVERAGEX , og indeni sætter vi en virtuel tabel over hver eneste måned. Vi finder dimensionen Måned og År i vores Dato-tabel, og det kommer til at gentage for os.
AVERAGEX er en itererende funktion, så vi er nødt til at give den en tabel at gentage den. I dette tilfælde giver vi det en virtuel tabel over hver måned og år. Og det er det, der kommer til at skabe gennemsnittet, fordi det kun vil beregne antallet af måneder i år i denne sammenhæng.
Derefter tilføjer vi vores faktureringsmål , og vi vil se, at nu har vi et gennemsnit. Vi formaterer den og ændrer farven for at få den til at skille sig ud.
Sammenligning af gennemsnitsindkøb over en tidsperiode
Det er godt at se det gennemsnitlige køb, men det ville også være en god ting at se og sammenligne det gennemsnitlige køb over en tidligere tid.
For at gøre dette, udvider vi simpelthen det, vi har her. Vi tager udgangspunkt i vores simple foranstaltninger og går derefter videre til flere DAX-teknikker for at få mere indsigt.
Vi kalder vores formel Gennemsnitlige månedlige køb LY , og vi bruger funktionen CALCUATE for vores gennemsnitlige månedlige køb . Vi har DATEADD og DATES , og antallet af intervaller er -1 – så går vi YEAR .
Ud fra denne sammenhæng kan vi nu sammenligne voresover den tidsramme, vi har valgt i forhold til nøjagtig den samme tidsramme fra det foregående år.
Jeg har gennemgået alle de trin, der er angivet ovenfor i denne tutorial. Hvis du kan relatere til dette scenarie, er jeg meget sikker på, at du vil lære meget om, hvordan LuckyTemplates kan bruges til at optimere beslutninger omkring denne slags købsscenarier.
Og det gode ved dette i LuckyTemplates er, at når du først har lært teknikken, kan du nemt anvende den på mange forskellige datascenarier.
Tidssammenligninger ændrer sig ikke, uanset hvilket datascenarie du arbejder på, og meget hurtigt kan du få nogle ret fede indsigter. Du kan endda forgrene dig, hvis du vil gå længere med din LuckyTemplates-gennemsnitsanalyse.