Pipe In R: Tilslutningsfunktioner med Dplyr
I denne øvelse lærer du, hvordan du kæder funktioner sammen ved hjælp af dplyr-røroperatoren i programmeringssproget R.
Jeg vil gennemgå, hvordan man beregner dynamiske avancer i LuckyTemplates. Du kan se den fulde video af denne tutorial nederst på denne blog.
Dette er noget, jeg anser for at være ret ligetil, hvis du har brugt LuckyTemplates i nogen tid. Men hvis du lige er begyndt, kan det være en udfordring at sætte sammen.
Denne form for information er noget, som de fleste organisationer har brug for. Når du har lært, hvordan du får dynamiske produktmargener, kan du bore ned i disse data og få endnu bedre indsigt.
Indholdsfortegnelse
At få det samlede overskud
Når du forsøger at beregne salget eller omsætningen for en organisation, vil din model normalt se sådan ud, som bruger vandfaldsteknikken, som jeg har talt om i tidligere tutorials.
Nu, i din salgstabel , har du normalt grundlæggende omsætningsoplysninger som mængde, enhedspris og enhedspris .
Da vi ikke har de nødvendige data til at springe direkte ind i din fortjenstmargen, vil vi foretage nogle forgrening her. Det betyder, at vi starter med enkle foranstaltninger og derefter begynder at bygge det op derfra .
Vores tabel har allerede indtægterne, som vi har beregnet ved at fåaf vores samlede salg .
For at få overskudsmarginen ønsker vi at dividere det samlede overskud med den samlede omsætning . Vi har allerede den samlede omsætning , så vi vil beregne den samlede fortjeneste .
Selvfølgelig har vi heller ikke Samlet overskud i din tabel. Vi har også vores samlede enhedsomkostninger , men vi har brug for de samlede omkostninger , som vi kan få ved at gange ordremængden med de samlede enhedsomkostninger .
For at gøre det, vil vi hoppe tilbage i vores rapport og oprette en ny foranstaltning.
Nogle af jer vil måske lave en hurtig mål, men jeg anbefaler det ikke. Det er altid bedst at holde sig til enkle foranstaltninger.
Jeg vil kalde dette Total Costs , og jeg vil brugeat beregne for det. Så jeg bruger min salgstabel og derefter ordremængden .
Føj det til tabellen, så får vi samlet omsætning og samlede omkostninger , som begge er dynamiske.
Nu hvor vi har disse to, kan vi begynde at beregne det samlede overskud ved at beregne forskellen mellem samlede omsætning og samlede omkostninger .
Få overskudsmargener
Når det samlede overskud er blevet beregnet, er næste trin at få overskudsmargener . Jeg brugerfor det samlede overskud og den samlede omsætning . Jeg tilføjer også et nul for alternative resultater.
Lad mig trække dette mål ind i tabellen for at vise de tilsvarende overskudsmargener for de data, vi allerede har.
Det er klart, at det skal være i procentvis form. Det er noget, du kan rette i formatering i dine måleværktøjer . I dette tilfælde, lad os gå efter kun én decimal.
Nu vil du se, at dine overskudsmargener er i det rigtige format.
Mere indsigt fra dynamiske overskudsmargener
At få overskudsmargener er kun begyndelsen. Når du har det, kan du virkelig grave dybt og få bedre indsigt.
For eksempel kan vi lave noget betinget formatering for at ændre baggrundsfarven på dine overskudsmargener baseret på, om de er blandt de højeste eller laveste.
Dine data vil nu se sådan ud.
Når først den formatering er på plads, kan du sortere gennem dataene enten fra højeste til laveste eller omvendt.
Lad os nu lave nogle visualiseringer for at få endnu mere indsigt. Du behøver ikke nogen af disse mellemliggende beregninger, så du kan slippe af med dem.
Nu har du kun dine overskudsmargener på plads.
Derfra kan du oprette et søjlediagram for at visualisere dataene korrekt.
Her er problemet. Der er for mange data her, så det ser ud til, at alle navnene på dit diagram har de samme tal.
Der er en nem løsning på dette. Jeg har også talt om grupperingsteknikker i tidligere tutorials.
I dette tilfælde kan du anvende disse grupperingsteknikker. For eksempel, i stedet for at have individuelle kunder, kan du segmentere dem i grupper. Du kan f.eks. gruppere kunder med en overskudsgrad på 50 % til 60 %. Dette vil i høj grad forbedre visualiseringen.
Udover at se på individuelle kunder, kan du også tjekke dine overskudsmargener pr. stat.
Dette er den store fordel, du har, når dine resultater er dynamiske. Du kan ændre alle filtre, der indgår i din model. Du kan endda vælge kun at se de øverste 5 stater her eller de nederste 5.
Konklusion
Disse er nogle fantastiskesom du potentielt kan bruge. Disse indsigter i overskudsmargener er anvendelige på tværs af forskellige scenarier og organisationer.
Endnu bedre, du kan kopiere disse teknikker i dine egne LuckyTemplates-rapporter, selvom du ikke har at gøre med overskudsmargener . Det er bare et spørgsmål om at have en forståelse af simple DAX-formler og måle forgrening .
De teknikker, du ser her, kan genbruges i enhver form for beregning, så længe omstændighederne er de samme. Du kan endda blande denne teknik med andre, hvor det er relevant.
Alt det bedste,
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.
Lær, hvordan du adskiller en PBIX-fil for at udtrække LuckyTemplates-temaer og -billeder fra baggrunden og bruge den til at oprette din rapport!
Excel Formler Snydeark: Mellemvejledning
LuckyTemplates kalendertabel: Hvad er det, og hvordan man bruger det
Lær, hvordan du installerer programmeringssproget Python i LuckyTemplates, og hvordan du bruger dets værktøjer til at skrive koder og vise billeder.
Lær, hvordan du beregner dynamiske fortjenstmargener ved siden af LuckyTemplates, og hvordan du kan få mere indsigt ved at grave dybere ned i resultaterne.
Lær, hvordan du sorterer felterne fra kolonner med udvidet datotabel korrekt. Dette er en god strategi at gøre for vanskelige felter.
I denne artikel gennemgår jeg, hvordan du kan finde dine topprodukter pr. region ved hjælp af DAX-beregninger i LuckyTemplates, herunder funktionerne TOPN og CALCUATE.
Lær, hvordan du bruger en uønsket dimension til flag med lav kardinalitet, som du ønsker at inkorporere i din datamodel på en effektiv måde.