Budgettering af præstationsanalyse kan nogle gange kræve, at vi segmenterer de resultater, vi har i øjeblikket, til forskellige grupper. Dette er for at analysere, hvilke performere der var bedre end andre i forhold til deres mål. Du kan se den fulde video af denne tutorial nederst på denne blog.
LuckyTemplates kan styre ydeevnesegmentering og forstå deres forskelle og effekter på det samlede budget. I denne selvstudie vil jeg diskutere, hvordan man udfører en budgetteringspræstationssegmentering.
Segmentering er en teknik, der bruges til at indsnævre store målfag til definerede målgrupper.
Dette er et almindeligt krav til budgetlægningstypeanalyse. Det er dog ikke en nem teknik for dem, der lige er startet med LuckyTemplates. Der er mange ting, du skal gøre rigtigt for denne teknik.
Jeg vil også diskutere, hvordan du kan segmentere den budgetteringsdimension , som du analyserer. Du kan segmentere i grupper som bedst præsterende versus dårligst præsterende . Dette kan være baseret på forskellen mellem din omsætning og dit budget .
Det vigtigste at bemærke her er at forstå formlen for datasegmentering .
Indholdsfortegnelse
Understøttende tabel til budgettering af præstationssegmentering
Vi vil bruge denne rapportside, som jeg brugte sidst. Sessionerne handlede udelukkende om budgettering.
Denne vejledning vil dog kun fokusere på, hvordan man segmenterer data i grupper . Dette vil hjælpe os med at se, hvordan man opretter grupper, der ikke fandtes i vores data, men som er afledt af resultaterne baseret på vores data.
Alle budgetforanstaltningerne her var allerede afledt, da de blev diskuteret under dette. Du kan tjekke alle de ressourcer og diskussioner, som du kan downloade.
Lad os sige, at vi allerede har ydelsen af vores salg til budgetdata. Derefter skal vi segmentere dette for at identificere, hvem der klarer sig positivt fra gruppen , eller i dette eksempel regionen .
Men vi skal huske, at dette ikke findes i vores datasæt. Derfor er det bydende nødvendigt, at vi opretter en understøttende tabel til at kategorisere ydeevnen pr. region. Lad os tage et kig på denne eksisterende støttetabel.
Baseret på denne tabel er regionerne klassificeret som bedst præsterende , hvis de ligger 40 % over budgettet . Hvis de er under deres budget og slet ikke opfylder dem, så er de klassificeret som dårligste performere .
Dette vil give os mulighed for at få bedre indsigt og forstå scenariet bag vores analyse. Dataene pr. segmentering vil blive afspejlet efter oprettelse af den understøttende tabel.
Forståelse af budgetteringspræstationssegmenteringsformlen
Billedet nedenfor viser det almindeligt anvendte generelle DAX-mønster til datasegmentering.
Da vi leder efter data fra forskellige regioner, er det vigtigt at gentage hver enkelt by i hver region . Og det er, hvad RankingDimension -variablen gør. Det opretter en liste over hvert enkelt bynavn.
Derefter sætter vi det inde i funktionen, fordi vi skal evaluere hver enkelt by baseret på deres Salg vs Budget- procent. Derefter vil vi bruge resultatet fra denne evaluering til at identificere budgetområdet eller gruppen, en by tilhører.
Som du kan se her, talte den tidligere omtalte beregning antallet af byer op i hver af de præstationsgrupper , vi oprettede.
Vi kan også bruge dette lignende mønster til foranstaltningen Budgetgruppesalg .
Brug af samme formel til budgetgruppens salgsmål
Lad os først klikke på budgetgruppesalgsmålet og tjekke denne formel:
Her brugte vi en logik, der er næsten det samme som at segmentere butikkerne pr. by. Der er ikke meget forandring fra mønsteret. Men i stedet for at tælle butikkerne, beregner vi det samlede salg for hver butik ved hjælp affungere.
Disse oplysninger er nyttige, hvis vi gerne vil vise resultaterne ved hjælp af visualiseringer såsom et kort. Dette vil farve hver by afhængigt af hvilken præstationsgruppe de tilhører i den valgte kontekst.
Vi kan klikke på denne visualisering for at tjekke de byer, der tilhører en bestemt præstationsgruppe. For dette eksempel, lad os klikke på gruppen Best Performers .
Når vi tjekker kortet ud og tager et kig på Miami-regionen , vil vi se, at det er en storby. Det kan være grunden til, at salget er bedre i den region.
Når vi klikker på Worst Performers- gruppen, kan vi også se de byer, der indgår i den performance-gruppe.
Dynamisk gruppering baseret på det valgte segment
En anden ting at bemærke her er, at vi skal genskabe alle de tilsvarende tiltag, så de kan ændre sig baseret på valget fra præstationsgruppevisualiseringen. Disse er foranstaltningerne Budgetgruppe % forskel, Budgetgruppesalg, Budgetgruppeydelse og Budgetgruppetællinger .
Dette skyldes, at vi vælger en dimension inde i et støttebord uden relation til vores kernemodel.
Når vi først bruger vores gamle mål og vælger fra præstationsgruppemålene, vil det ikke påvirke de andre beregninger ( budgetgruppe % forskel, budgetgruppesalg, budgetgruppeydelse, budgetgruppeantal ), som vi viser.
Det, der gør Budgeting Performance Segmentation -målet dynamisk, er, at det ændrer de andre beregninger baseret på de valgte data fra performancegruppevisualiseringen . For at gøre dette skal vi ændre alle vores beregninger til en anden kontekst. Når et valg er foretaget, skal vi genberegne det baseret på denne segmenteringslogik.
Endelig vil denne del af logikken gentage salget i hver region og identificere den præstationsgruppe, en by tilhører . Og det er for det meste, hvad du har brug for for at kunne segmentere dine data eller resultater i grupper.
Avanceret produktbudgeteringsanalyse – LuckyTemplates & DAX-teknikker
Konklusion
For at opsummere kan budgettering af præstationssegmentering ved hjælp af DAX i LuckyTemplates være fordelagtigt på forskellige måder. Det er en fantastisk måde at præsentere data på over tid. Det kan åbne diskussionen på tværs af præstationsresultaterne for kunder, produkter, butikker eller endda regioner.
Ikke alene giver det dig mulighed for at gruppere data baseret på en specificeret segmentering, det gør det også lettere at manipulere de rå resultater og sammenligne dem med budgetterne eller lave prognoser.
Selvom den omtalte dynamiske segmentering er problemfri, skal man være i stand til at generere relativt kompleks analyse, når man sammenligner faktiske resultater med budgetresultater.
Forhåbentlig har du fået meget ud af denne teknik og fundet måder til, hvordan du kan implementere den i dine egne modeller.
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.
Find ud af, hvorfor det er vigtigt at have en dedikeret datotabel i LuckyTemplates, og lær den hurtigste og mest effektive måde at gøre det på.
Denne korte vejledning fremhæver LuckyTemplates mobilrapporteringsfunktion. Jeg vil vise dig, hvordan du kan udvikle rapporter effektivt til mobilenheder.
I denne LuckyTemplates Showcase gennemgår vi rapporter, der viser professionel serviceanalyse fra et firma, der har flere kontrakter og kundeengagementer.
Gå gennem de vigtigste opdateringer til Power Apps og Power Automate og deres fordele og implikationer for Microsoft Power Platform.
Opdag nogle almindelige SQL-funktioner, som vi kan bruge, såsom streng, dato og nogle avancerede funktioner til at behandle eller manipulere data.
I denne tutorial lærer du, hvordan du opretter din perfekte LuckyTemplates-skabelon, der er konfigureret til dine behov og præferencer.
I denne blog vil vi demonstrere, hvordan man lagdelte feltparametre med små multipler for at skabe utrolig nyttig indsigt og visuals.
I denne blog vil du lære, hvordan du bruger LuckyTemplates rangerings- og brugerdefinerede grupperingsfunktioner til at segmentere et eksempeldata og rangordne det efter kriterier.
I denne tutorial vil jeg dække en specifik teknik omkring, hvordan du kun viser Kumulativ Total op til en bestemt dato i dine visuals i LuckyTemplates.
