Brug af flerlags scenarieanalyse i LuckyTemplates

Jeg er enorm på scenarieanalyse i LuckyTemplates. At kunne indtaste variabler i dine beregninger, som du kan 'chokere' for effektivt at forudsige resultater, er så kraftfuldt, når du prøver at træffe beslutninger. Du kan se den fulde video af denne tutorial nederst på denne blog.

I LuckyTemplates kan du fuldføre dette virkelig effektivt, og du kan kombinere mange af formelteknikkerne med dine datamodeller og eksponentielt se, hvordan fremtidige resultater kan blive påvirket på tværs af en række dimensioner.

Siden optagelsen af ​​denne video har LuckyTemplates-teamet faktisk gjort det endnu nemmere at oprette 'What If'-parametre, hvilket er fantastisk, så det vil fremskynde tingene for dig.

Men det, jeg virkelig ønskede at vise her, var, hvordan du kan lag scenarier oven på hinanden. Dette øger din analytiske kraft enormt.

Lad os bare gennemgå et eksempel.

Indholdsfortegnelse

• Hvornår kan du bruge scenarieanalyse i LuckyTemplates?
• Gennemgang af datamodellen og skæremaskinerne
• Brug af iteratorer i flerlags scenarieanalyse
  • Hvorfor vi skal bruge iteratorer
  • Brug af SUMX i Formlen for Total Sales
• Brug af scenarieanalyse i LuckyTemplates
• Tjek Formlen
• Konklusion

Hvornår kan du bruge scenarieanalyse i LuckyTemplates?

Du vil måske køre en kampagne og sænke priserne. Som følge heraf kan efterspørgslen efter dine produkter stige.

Med den stigning i efterspørgslen kan du muligvis arrangere en lavere pris på dine input, og du kan nu købe bulk. Du forstår, hvad jeg mener.

Du kan lag alle disse scenarier efter hinanden og derefter se, baseret på dine prognoser, hvordan det kan ændre tingene eller påvirke din rentabilitet.

Men før vi rent faktisk dykker ned i, hvordan vi faktisk kan lag flere scenarier ved hjælp af, lad os først gennemgå de data, vi skal bruge i denne demo.

Gennemgang af datamodellen og skæremaskinerne

Bare for at give dig lidt baggrund for de data, vi arbejder på her, så lad os tage et hurtigt kig på vores datamodel. Jeg har sat dette op på forhånd i stedet for at arbejde på alt fra bunden for at spare os tid.

Så grundlæggende arbejder vi på salgsdata. Vi har også information om vores kunder, vores produkter, samt de regioner, hvor vi foretog salg, og datoerne for, hvornår transaktionerne fandt sted.

Og som du kan se, har vi understøttende tabeller her for prisændringer, omkostningsændringer og efterspørgselsændringer.

Vi vil bruge disse tre understøttende tabeller som slicere og derefter bringe beregningen ind i vores analyse.

Lad os lige tjekke vores formel for den procentvise omkostningsændring .

Det, vi siger her, er, at HVIS har én værdi, så kan den procentvise omkostningsændring – det kan være gennemsnit eller sum . Det betyder, at hvis vi har valgt én mulighed i Procent Cost Change , såsom 10% eller 15% for eksempel, returner resultatet.

Men hvis det så er nul , hvilket betyder, at hvis intet er valgt, så er det, vi siger, at der er nul ændring af omkostningerne .

Oprettelse af formlerne for den procentvise prisændring og den procentvise ændring af efterspørgsel vil kræve et lignende mønster, så vi vil ikke længere diskutere de to andre.

Brug af iteratorer i flerlags scenarieanalyse

For rent faktisk at lave flerlags scenarieanalyse i LuckyTemplates, skal vi bruge nogle itererende funktioner.

Lad mig vise dig, hvorfor dette er nødvendigt, ved at se på det samlede salg .

Hvorfor vi skal bruge iteratorer

Vi har her nedenfor vores samlede salgsformel .

Hvad den gør her, er at den beregner SUMMEN af den samlede omsætning .

Problemet med denne formel er imidlertid, at vi ikke kan inkorporere andre variabler, der påvirker den samlede omsætning .

Hvad hvis efterspørgslen for eksempel stiger? Hvordan vil det påvirke vores salg? Hvad med når enhedsprisen stiger? Vi skal være i stand til at indregne disse.

Lad os derfor revidere vores formel ved hjælp af iterationsfunktionen.

Brug af SUMX i Formlen for Total Sales

Så vi har vores samlede salgsformel her. Men i stedet for SUM, lad os nu bruge SUMX , derefter ordremængde og derefter gange det med enhedsprisen .

Brug af scenarieanalyse i LuckyTemplates

På dette tidspunkt har vi allerede gennemgået vores datamodel og de slicere, som vi skal bruge. Vi har også diskuteret, hvorfor vi har brug for iteratorer.

Lad os nu oprette et nyt mål og kalde det Scenario Profits .

Lad os derefter tilføje ordremængde og gange den med én plus efterspørgselsændringen . Det, der sker her, er, at når efterspørgslen ændrer sig, vil det chokere mængden.

Lad os så hoppe ned til en anden linje. Vi vil gange med enhedsprisen gange med 1 plus prisændringen . Nu, hvis prisen stiger, vil det chokere enhedsprisen.

Derfor kan ændringer i pris og ændringer i efterspørgsel chokere det samlede salg .

Men vores formel stopper ikke her. Vi mangler stadig at indregne omkostningerne.

Så det ville være minus SUMX , gå derefter til salgstabellen, derefter ordremængde gange 1 plus efterspørgselsændringen og derefter gange den samlede enhedspris gange 1 plus prisændringen .

Så lukker vi den af.

Lad os nu se, hvordan vores Scenario Profits-formel fungerer.

Tjek Formlen

For at dobbelttjekke vores formel, lad os oprette en tabel med Scenariefortjenesten og Måned og År.

Hvis vi ikke vælger noget i vores slicers, vil vores tabel blot vise det samlede overskud for 2016. Vores tabel viser kun 2016-tallene, fordi kun dette år er filtreret.

Lad os nu tage et kig på mulige scenarier.

For eksempel stiger prisen på vores råmaterialer med 10 %, hvilket afspejles i vores Scenario Profits.

Men så ved vi, at denne stigning i omkostningerne kommer til at påvirke vores pris. Så lad os sige, at vi vil øge prisen med 15 % som følge af den stigning i omkostningerne.

Igen afspejles denne prisændring i vores scenarieoverskud.

Men da vores pris steg, kan dette reducere vores efterspørgsel. Så vores efterspørgsel falder for eksempel med 5 %. Det er overflødigt at sige, at vores scenariefortjeneste også er reduceret.

Som vi har set, påvirker alle ændringerne i procentomkostninger, procentpriser og procentvis efterspørgsel scenariets overskud, fordi de bringes ind i analysen.

Konklusion

I dette indlæg har vi kort diskuteret, hvordan man laver flerlags scenarieanalyse i.

Forhåbentlig kan du finde tid til virkelig at dykke ned i denne teknik. Der er et enormt antal anvendelser af dette på tværs af ethvert datascenarie.

Når du først kan få tankerne omkring, hvordan du kan integrere målinger, der fanger scenarieparametrene, i mål, der kører beregninger på tværs af din kernedatamodel, så vil du se ubegrænsede muligheder for at opdage forudsigelig indsigt i fremtiden.

Held og lykke med denne.

Skål,