Beregn gennemsnit pr. kundetransaktion ved hjælp af DAX i LuckyTemplates

Det, jeg vil demonstrere i denne tutorial, er, hvordan vi kan beregne gennemsnitligt salg, fortjeneste eller transaktioner pr. bestemt dimension inde i DAX i LuckyTemplates. Du kan se den fulde video af denne tutorial nederst på denne blog.

I dette særlige eksempel vil vi se på det fra en kundes perspektiv. Vi vil prøve at analysere, hvad det gennemsnitlige salg er, vi laver pr. transaktion pr. kunde?

Dette vil gøre os i stand til at forstå, hvem vores bedste kunder er, men også hvem der er vores kunder, der kommer ind og køber et betydeligt beløb.

Herfra kan vi i sidste ende forstå, hvad de marginer er, vi udtrækker pr. transaktion fra vores kunder. Er de gode i nogle regioner sammenlignet med andre regioner? Er de gode til nogle produkter sammenlignet med andre produkter?

Vi skal se på den gennemsnitlige mængde af produkter købt pr. transaktion. Så vil jeg også vise dig, hvordan du kan udlede endnu mere, så du kan finde endnu mere interessant indsigt baseret på denne indledende. Vi vil forgrene os til andre ting, og jeg vil vise dig, hvordan du gør det effektivt.

Indholdsfortegnelse

• Sådan beregnes gennemsnit pr. transaktion
• Beregn det gennemsnitlige salg pr. transaktion
• Brug af databjælker
• Beregn den gennemsnitlige fortjeneste pr. transaktion
• Beregn gennemsnitlige marginer pr. transaktion
• Gennemsnitlige marginer pr. transaktion over tid
• Andre indsigter
• Visualisering af data
• Konklusion

Sådan beregnes gennemsnit pr. transaktion

Først vil vi beregne en værdi pr. transaktion ved at hoppe ind i salgstabellen. Vi har en ordre-id kolonne i venstre side.

Så hvert ordre-id svarer til hver transaktion i denne særlige tabel. Vi er nødt til at finde en måde at evaluere hver enkelt af disse transaktioner og i det væsentlige gennemsnittet op på det salg, vi har lavet for hver enkelt transaktion.

Dette vil give os – afhængig af konteksten – gennemsnittet pr. transaktion. Dette kan være fra et regionalt perspektiv, et kundeperspektiv eller et sælgerperspektiv.

Nogle datatabeller har et ordre-id, og inden for det ordre-id har du muligvis en række forskellige transaktioner. Afhængigt af hvilken gennemsnitsberegning du vil lave, vil du sandsynligvis indtaste den kolonne i beregningerne. Lad os først beregne det gennemsnitlige salg.

Beregn det gennemsnitlige salg pr. transaktion

Lad os oprette et mål og kalde dette for Gennemsnitligt salg pr. transaktion . Jeg vil bruge RAGEX-funktionen , fordi dette vil give os mulighed for at lave disse gennemsnit ved at gentage noget. Inden for AVERAGEX vil jeg bruge VALUES og indsætte mit ordre-id. Derefter vil jeg i gennemsnit opgøre det samlede salg for hver enkelt ordre.

Når jeg trækker dette mål med min kundenavn-kontekst, er denne tabel, jeg kommer op med:

Dette vil i gennemsnit vise os, hvor meget hver person tjener pr. transaktion, hver gang de kommer ind i en butik.

Brug af databjælker

Dette er allerede en ret god indsigt i sig selv, men vi kan få dette til at se bedre ud ved hjælp af betinget formatering og databjælker .

Beregn den gennemsnitlige fortjeneste pr. transaktion

Vi behøver ikke at stoppe her; vi kan vi kan gå endnu længere. Vi har nogle andre kerneberegninger som samlede overskud og samlede omkostninger . Med disse beregninger kan jeg finde ud af den gennemsnitlige fortjeneste pr. transaktion . Alt, hvad jeg skal gøre, er at kopiere og indsætte det mål, jeg lige har brugt, i et nyt mål, og i stedet for Total Sales , vil jeg indsætte Total Profits .

Med denne nye foranstaltning kan vi regne ud, hvad vores overskud er ud af hver enkelt transaktion og derefter gennemsnittet dem op.

Jeg kan bare trække det nye mål ind i min tabel for at komme med ny indsigt. For eksempel har vores kunde Chris Fuller større rentabilitet pr. transaktion end Philip Foster, som faktisk lavede større salg. Dette er en ret god indsigt, ikke?

Beregn gennemsnitlige marginer pr. transaktion

Vi kan også håndtere gennemsnitlige marginer pr. transaktion . Vi behøver ikke at referere noget fra tabellen, fordi vi faktisk kun kan bruge mål inden for mål .

Alt, hvad vi skal gøre, er at dividere gennemsnitlig fortjeneste pr. transaktion med gennemsnitlig salg pr. transaktion , og derefter indtaste 0 som et alternativt resultat . Vi skal også sikre os, at det er formateret korrekt.

Når jeg har trukket dette ind i tabellen, vil du se nu, hvorfor vi har højere profit for Chris Fuller end for Philip Fosters. Chris har højere marginer sammenlignet med Philip.

Dette er en meget interessant indsigt for netop denne kunde, såvel som resten af ​​vores kunder.

Det smarte er, at vi kan bruge denne teknik i enhver sammenhæng. I øjeblikket bruger vi kun et filter fra vores kundetabel. Hvis du tænker over det, kan vi bruge filtre fra enhver af disse tabeller i vores datamodel og se, hvordan tingene ændrer sig.

Gennemsnitlige marginer pr. transaktion over tid

Vi kan også tage et kig på vores gennemsnitlige marginer pr. transaktion over tid. Jeg vil bare hurtigt piske dette op ved at bruge måned & år og gennemsnitlige marginer pr. transaktion som værdier og derefter lægge dem ud i en graf.

Vi kan se, hvordan de gennemsnitlige marginaler ændrer sig over tid og se sæsonbestemte.

Andre indsigter

Samlet set er det meget nemmere nu at se vores kunder med høj margin versus lav margin. For eksempel har kunden Juan Collins en margin på 40 %. Denne stikker klart ud som dagen.

Vi kan også gemme filter for at se, hvilke kunder der er mest rentable pr. transaktion; dette kunne muligvis indikere, at sælgeren, der er tildelt disse dele, er meget god.

Visualisering af data

Vi kan se nærmere på indsigten ved hjælp af DAX i LuckyTemplates og bestemme vores bedste kunder på regional basis. Sker der noget regionalt? Vi kan skifte fra et kortvisuelt til et udfyldt kort.

Vi kan bore i og se mere i dybden. I mit eksempel har New Hampshire lave marginer, mens hver anden region er ret jævnt fordelt.

Du kan også vælge kunder fra tabellen og ud fra denne bestemme en undergruppe af kunder, hvor opdelingen var.

Konklusion

Vi kan udtrække så mange gode indsigter, når vi beregner gennemsnit ved hjælp af DAX i LuckyTemplates. De tilføjer også en masse værdi til det, vi kan gøre inden for en virksomhed ud fra et marketingperspektiv og et allokering af salgsressourcer.

Du ønsker naturligvis at fokusere på de kunder, der køber mest med de højeste marginer. Og gennem denne type analyse kan du tilpasse dine ressourcer til det sted, hvor du føler, at du vil optimere de bedste resultater.

I denne tutorial arbejdede vi på én ting og forgrenede os derefter til en masse andre ting. Du kan lave mange beregninger og teknikker ved hjælp af DAX i LuckyTemplates, og finde nogle rigtig gode indsigter.

Denne type analytisk arbejde er så kraftfuldt. Hvis du gerne vil gennemgå flere eksempler, så tjek denmodul klOnline. Dette modul indeholder indhold omkring løsning af forretningsproblemer i den virkelige verden ved hjælp af DAX's bedste praksis i LuckyTemplates.

Alt det bedste,