Oplev unik indsigt ved hjælp af LuckyTemplates TOPN-funktion
Denne blog indeholder LuckyTemplates TOPN DAX-funktionen, som giver dig mulighed for at få unik indsigt fra dine data, hvilket hjælper dig med at træffe bedre markedsføringsbeslutninger.
Jeg vil gennemgå et unikt stykke analyse her vedrørende LuckyTemplates Inventory Management. Du kan se den fulde video af denne tutorial nederst på denne blog.
Denne idé kom fra en forespørgsel om. Medlemmet ønskede at regne ud, hvor mange dage der var, hvor beholdningen var på nul. Dette vil være baseret på data om aktiebevægelser.
Indholdsfortegnelse
Eksempel på datavisualisering
Lad os starte med en visualisering af de angivne eksempeldata, som vist nedenfor.
Du vil se, at grafen viser lagerbeholdningen over en given periode . Mange SAP-systemer viser faktisk data som dette, hvor du kan se faktiske lagerbevægelser.
Du kan se, om aktierne er steget med 20 på et bestemt tidspunkt, eller faldet med 3, og så videre. Det kan du se her i kolonnen Mængde .
Materialerne er også opdelt i specifikke grupper for overskuelighed. Det gør det mere effektivt at finde ud af, hvilke specifikke produkter eller materialer, der bevæger sig .
Når der sker lagerændringer, skal du også have en dato forbundet med det. Dette fortæller dig, hvornår en bestemt aktie viste bevægelse.
Det samme gøres, når der kommer ekstra beholdning ind. Hver aktivitet er knyttet til datoen, hvor den skete, eller hvornår den blev bogført.
Model, der viser nødvendige data
Ud fra disse specifikke grupper af data genereres denne simple model. Den viser hver bevægelse, der kræves for at få de resultater, du har brug for.
Med disse oplysninger kan vi oprette en kumulativ total af vores lagerniveau på ethvert givet tidspunkt. Derfra kan vi tælle de dage op, hvor der var nul beholdning.
Lad os anvende en kontekst her. Vi tæller dagene op; det betyder, at vi har brug for specifikke datoer.
Som tidligere nævnt er materialerne også opdelt i separate grupper. Dette fortæller os, hvilke specifikke aktier der bevæger sig. Det ser vi her.
Hvad angår beregningerne, vil de alle ske i nedenstående tabel.
Demomodellen er ikke så lang og kompliceret, men den viser al den bevægelse, du har brug for.
Lad os nu se, hvordan disse ser ud på vores bord. Du skal bare bruge en simpelpå lagerændringerne og mængden.
Denne beregning vises i kolonnen Antal .
Vi vil også tilføje nogle filtre her. Jeg viser formlen brugt til filteret senere, men sådan ser vores filter ud.
Du vil se, at vi kun har ét bestemt materiale valgt i øjeblikket. Det er grunden til, at du også ser den samme type materiale opført i kolonnen Materialebeskrivelse.
Selvfølgelig har vi en udsnitsmaskine, der giver os mulighed for at angive tidsperioden for de data, vi får som et resultat.
Når man kigger på tabellen, kan man nu se, at vi på denne specifikke dato havde minus 1, hvilket betyder, at en aktie formentlig er solgt.
Hver gang der er en ændring i antallet, vil du også se visualiseringen ændre sig. Så i dette tilfælde kan det 1 solgte stykke aktie ses i denne drop på diagrammet.
Bortset fra solgte produkter, kan du også se, at der på en bestemt dag kom 15 stykker på lager.
Optælling af det samlede antal dage med nul aktier
Teknikken, som jeg brugte her, ligner meget den sædvanlige måde, du ville gøre.
Når denne kumulative total er oprettet, vil den blive spejlet i din visualisering. Vi leder efter dage, hvor beholdningen er på nul, hvilket du vil se i faldene på dit diagram.
Her vil du se, at på en bestemt dag blev 13 aktier flyttet ud af beholdningen, hvilket medførte, at du havde nul aktier. Så alt, hvad vi skal gøre, er at finde lignende dage som denne, og derefter finde ud af, hvor mange af de dage, der er i alt.
Dette resultat vil blive vist her, mærket som Days Out Of Stock .
For at begynde at få det tal, skal vi bygge en virtuel tabel , der skal vise de tre kolonner, der indeholder de data, vi har brug for.
Den virtuelle tabel er bygget ved hjælp af denne del af formlen.
Lad os diskutere den formel stykke for stykke.
Jeg startede med ADDCOLUMNS , derefter brugte jeg CROSSJOIN for at sikre, at hver specifik dato og materiale er repræsenteret.
Så lad os sige, at en bestemt slags materiale blev flyttet på en bestemt dag. Denne del af formlen sikrer, at alle datoer inden for tidsperioden er opført, inklusive datoen, hvor bevægelsen fandt sted.
På den anden side er det denne del af formlen, der skaber en liste over alle mulige typer materialer. Dette sikrer, at når den bevægelse sker, står tabellen for den specifikke aktie.
Når datoerne og lagrene er tilføjet i tabellen ved hjælp af CROSSJOIN , kan du nu oprette en ny kolonne, der viser den kumulative total , som vist i denne del af formlen vist nedenfor.
Husk nu, at du kun tæller nullerne her. Men hvad med de tomme felter på vores totaler?
Det er hvad denne del af formlen er til.
Du vil se, at vi leder efter kolonner med nul i. Samtidig ekskluderer vi også rækker, der er BLANKE .
Disse tomme rækker er der, fordi den specifikke slags lager måske ikke har været en del af lagerbeholdningen endnu på det specifikke tidspunkt. I tabellen ovenfor kan du se, at de tomme felter kommer, før der blev tilføjet 15 stykker af det specifikke lager. Det betyder, at denne levering af 15 lagre måske var første gang for dem at have den slags produkter.
Når formlen er anvendt, får du det nummer, du har brug for. Det er bestemt meget bedre end at scrolle gennem rækkerne én efter én og opgøre, hvor mange af dem der ville vise nuller.
Konklusion
Så endnu en gang har vi løst et andet problem ved at bygge en virtuel tabel. Denne gang anvendes tilgangen som en LuckyTemplates lagerstyringsteknik. Den virtuelle tabel gav os det nøjagtige resultat, vi havde brug for, som var det samlede antal dage, hvor der var nul beholdning.
Forhåbentlig kan du finde noget brug for dette unikke koncept inde i LuckyTemplates.
Alt det bedste,
Denne blog indeholder LuckyTemplates TOPN DAX-funktionen, som giver dig mulighed for at få unik indsigt fra dine data, hvilket hjælper dig med at træffe bedre markedsføringsbeslutninger.
Lær nogle fantastiske analytiske teknikker, som vi kan gøre til datamodellering i LuckyTemplates ved hjælp af DAX-understøttende tabeller.
Her dykker vi ned i LuckyTemplates Advanced DAX og implementerer rangeringslogik for at få en meget unik indsigt. Jeg viser også måleforgrening i dette eksempel.
Denne blog introducerer den nye funktion i LuckyTemplates, What-If-analyseparameteren. Du vil se, hvordan det gør alt hurtigt og nemt til din scenarieanalyse.
Lær, hvordan du afgør, om din omsætningsvækst er god ved at kontrollere, om dine avancer er udvidet ved hjælp af LuckyTemplates, der måler forgrening.
Lær og forstå, hvordan du kan oprette og bruge LuckyTemplates Parameters, som er en kraftfuld funktion i Query Editor.
Denne vejledning vil diskutere om oprettelse af et rundt søjlediagram ved hjælp af Charticulator. Du lærer, hvordan du designer dem til din LuckyTemplates-rapport.
Lær, hvordan du bruger PowerApps-funktioner og -formler til at forbedre funktionaliteten og ændre adfærd i vores Power Apps-lærredsapp.
I denne øvelse lærer du, hvordan du kæder funktioner sammen ved hjælp af dplyr-røroperatoren i programmeringssproget R.
RANKX fra LuckyTemplates giver dig mulighed for at returnere rangeringen af et specifikt tal i hver tabelrække, der udgør en del af en liste over tal.