Datanormalisering i Lucky Templates for forskellige dages resultater

Denne vejledning stammer fra et andet spørgsmål omom datanormalisering . De teknikker, som jeg vil lære dig, vil være vigtige for at komme af med anomalier , der muligvis kan gøre tingene komplicerede under dataanalysen . Du kan se den fulde video af denne tutorial nederst på denne blog.

Af og til, når du kører analyser i LuckyTemplates, skal du muligvis tage højde for salget til weekender eller helligdage, der kommer fra forskellige lande. Udfordringen er, når det er en helligdag for et bestemt land, men ikke i andre lande. Det bliver svært at normalisere disse salgsdata under rapporteringen i betragtning af de forskellige dage i landene. Det er her, datanormaliseringsteknikker kommer i spil.

Målet er at få alle de forskellige salg tilbage og placere dem tilbage på de faktiske arbejdsdage i det rapporterende land.

Dette er et ganske unikt eksempel på en tidsintelligensteknik i LuckyTemplates. Ikke desto mindre er det meget nyttigt, hvis du har at gøre med et specifikt scenarie omkring begrænsede data eller ingen data, der vises i din rå information.

Indholdsfortegnelse

• Eksempel på normalisering af data for salg på forskellige dage
• Træning af udsalg uden weekend
• Oprettelse af en kumulativ total
• Konklusion

Eksempel på normalisering af data for salg på forskellige dage

Det vigtigste, som jeg vil gennemgå i denne tutorial, er måderne at skrive noget logik på i din formel for at ændre positionen for en rapporteringsdag eller resultaterne på en bestemt dag.

Lad os se på denne tabel og virkelig fokusere på et eksempel. Hvis du arbejder med noget lignende, hvor du skal flytte resultaterne fra en dag til en anden, vil denne vejledning hjælpe.

I rapporten kan du se datoen samt hvilken dag det er i kolonnerne Dato og DaysOfWeekName . Du vil også kunne se det samlede antal salg for den pågældende dag i kolonnen Samlet salg .

Nu har jeg udarbejdet en logik til at flytte salgsdata for lørdage og søndage til salgsdata for mandag . Dette skyldes, at jeg vil registrere disse weekendsalg i hverdagssalg (mandag til fredag). Du kan se de opdaterede salgsdata i kolonnen Samlet salg uden weekenddage nedenfor.

Derudover ønskede jeg, at denne tabel skulle være dynamisk, så jeg har tilføjet en datavælger, hvor du nemt kan ændre tidsrammen for salgsdataene. Efter at have valgt en respektive tidsramme, opdateres dataene i kolonnen Samlet salg uden weekenddage automatisk.

Oven i det vil jeg forgrene mig til nogle andre beregninger som kumulative totaler, glidende gennemsnit og så videre. Som du kan se, har jeg tilføjet Cumulative Total Adj. og Kumulativt salg kolonner. Jeg var bare nødt til at omarrangere tingene lidt og komme ind i nogle DAX-beregninger for at løse disse meget specifikke indsigter.

Træning af udsalg uden weekend

Nu vil jeg vise dig, hvordan du træner og opsætter beregningen for det samlede salg uden for weekenden. Dette er nøglen her for denne datanormaliseringsvejledning.

Jeg har et par variabler () her for Weekend Check og WorkdayCheck beregning. Det, jeg gør her, er at identificere, hvilke i den særlige sammenhæng, der er weekender, og hvilke der er mandage.

Når jeg hopper tilbage til min datotabel, har jeg oprettet en Dag Type- kolonne ved hjælp af en meget simpel logik. Så hvis dagen ikke er lørdag eller søndag, kalder jeg det arbejdsdag . Hvis det er en lørdag (6) eller søndag (0), kalder jeg det Weekend .

Nu, efter den første del af formlen, vil jeg diskutere denne del.

Så hvis WeekendCheck er sandt, hvilket betyder, at det er en weekend, så er resultaterne for det sat til tomme. Så, hvis WorkdayCheck er lig med falsk, eller hvis den valgte værdi er lig med mandag er falsk, returnerer den det samlede salg .

Hvis WorkdayCheck er sandt, hvilket betyder, at det er en mandag, vil jeg køre denne logik her.

Denne del er en kombination afogfunktioner. For det første vil den få summen af ​​det samlede salg for mandag samt weekendsalget. FILTER - funktionen vil gå over alle datoer og vil kun returnere de datoer, der er større end den aktuelle dato fratrukket med tre.

Grundlæggende flytter jeg bare det samlede salg fra lørdag og søndag til mandag ved hjælp af en kombination af teknikker som f.eksudsagn og forskellige funktioner. Det er sådan datanormalisering fungerer for denne type analyser.

Den samme teknik vil være meget nyttig, når du arbejder på ferier eller sådan noget. Du skal bare ændre nogle ting her som HolidayChecks i stedet for WeekendChecks. Ikke desto mindre er det en lignende logik, og du kan altid anvende denne løsning på disse scenarier.

Oprettelse af en kumulativ total

Den næste ting, jeg vil lære dig, handler om at skabe en kumulativ total af det samlede salg og det samlede salg uden for weekenden.

En ting, du vil være i stand til at bemærke, er, at de samlede samlede data for weekender i denne kolonne altid vil være en flad linje, fordi der faktisk ingen data er der, uanset hvad din tidsramme er.

I forbindelse med det har jeg lavet en visualisering, der sammenligner den kumulative samlede justering vs. kumulative salg.

Dette er en anden interessant teknik, som du kan bruge i løbet af et antal dage, når du normaliserer dine data. Lad os se på formlen nedenfor.

For det første har jeg oprettet en salgstabel for justeringer ved at genskabe kolonnerne Dato og Samlet salg uden weekenddage medfungere.

Derefter har jeg tilføjetfungere. Som du kan se, er justeringssalgstabellen placeret inde i en FILTER -funktion. I stedet for at gennemgå alle datoerne, har jeg placeret justerede samlede salg uden arbejdsdage. Til sidst, ved at bruge SUMX , vil den iterere hver eneste dag og regne ud datoen mindre end eller lig med max datoen. Det vil derefter tælle kolonnerne op for Normaliseret salg .

Denne datanormaliseringsteknik er meget anvendelig, når du arbejder på tværs af flere lande. Som du kan se, er det virkelig en effektiv måde at normalisere salget på tværs af alle de forskellige regioner i rapporten.

Konklusion

Jeg har nævnt en masse nyttige teknikker i selvstudiet, der vil gøre dig i stand til at køre nogle  unikke tidsrelaterede analyser inde i LuckyTemplates. Jeg gik igennem en række forskellige DAX-funktioner som f.eksfunktion, nogle tabelfunktioner  og andre simple filtre medfungere.

Hvis du vil se mere omkring en række forskellige tidsintelligensteknikker inde i LuckyTemplates, anbefaler jeg at tage et kig på vores kursusmodul i LuckyTemplates online, som specifikt henvender sig til disse typer analyser.

Nyd at arbejde gennem denne detaljerede video.