Find automatisk dine top 3 sælgere pr. region ved hjælp af DAX i LuckyTemplates

Der er så meget, du kan gøre med DAX i LuckyTemplates , og en af ​​disse ting er, at du automatisk kan finde dine top 3 sælgere for hver region . Du kan se den fulde video af denne tutorial nederst på denne blog.

Forestil dig dette alt for velkendte scenarie….

Du er til et møde og spurgte om dine salgsområder. Hvem er dine tre bedste sælgere i hvert område? Boring dybere, hvad sælger de, hvornår sælger de det og hvor meget?

Hvad nu hvis der var en dynamisk måde at afdække sådanne indsigter på , som historisk set ville have været tidskrævende at finde og svære at bore ned i, hvilket fik dig til at se superprofessionel og organiseret ud i den førnævnte mødesituation?

Ved at bruge DAX i LuckyTemplates kan vi faktisk dynamisk afdække disse indsigter og nemt visualisere information af denne art.

I denne vejledning vil jeg forklare, hvordan man konstruerer den nøgleformel, der er nødvendig for at opnå dette, og hvorfor denne information kan være værdifuld.

Denne teknik kan bruges til en række forskellige applikationer. 

Indholdsfortegnelse

• Sådan finder du dine top 3 sælgere
• Udarbejde formlen
• Formel forklaret
• Konklusion

Sådan finder du dine top 3 sælgere

Før vi dykker ned i formlen, lad os lave en tabel over vores regioner.

Vi hopper til tabellen Steder og tager fat i kolonnen Navn . Tilføj derefter sælgerne også.

Vi kommer også til at bruge kolonnen Databjælker . Det er bare en fantastisk visualisering udgivet af LuckyTemplates.

Så for eksempel her, for hver enkelt region og for hver enkelt sælger, kan vi faktisk få det samlede salg .

Vi kunne derefter rangere det ved at vælge noget i diagrammet og se, hvordan tingene udføres over tid.

Vi kunne også bringe vores Dates-kontekst ind her og gøre den til en udstikker. Og når vi ændrer konteksten og tidsrammen, ser vi, hvordan det ændrer tabellen.

Men vi vil på en eller anden måde automatisere dette eller hente vores top 3 automatisk og dynamisk se disse top 3 for enhver kontekst, vi sætter det ind i.

Og med dette skal du sortere gennem hver enkelt sælger og se, hvem der rangerede først, hvem der rangerede sidst, så videre og så videre.

Men vi vil kun have Top 3, og vi ønsker at gøre det virkelig effektivt. Vi er nødt til at implementere en formel, der gør os i stand til at gøre det.

Udarbejde formlen

Vi går til New Measure, og vi vil kalde det Top 3 sælgere pr. region . Vi vil bruge variabler her, fordi det bare er den bedste måde at opdele formler på, som vi skriver.

Så vi går , og så på den næste linje skriver vi RankingContext . Vi rangerer sælgerne, så vi opretter en tabel ved hjælp af sælgernes værdier .

Så skriver vi formlen.

Det er klart, at vi sætter et retur her og går til Beregn det samlede salg på næste linje, fordi vi stadig ønsker at beregne det samlede salg .

Vi ønsker dog kun at beregne Top 3 og hvilken sammenhæng vi har i vores tabel. Konteksten her er faktisk navnet på detailwebstedet .

Vi vil bruge funktionen, hvilket er seriøst fedt. Og vi går ALLE sælgere her, og derefter Total Sales, fordi TOPN kommer til at rangere efter Total Sales.

Så laver vi dette lille trick - vi vil bringe noget kontekst tilbage , og det er det, RankingContext-variablen er til for.

Når vi trykker på enter, og jeg bringer dette ind, vil vi se nu, at det kun vises tre gange pr. region.

Du vil se, at det faktisk giver det samme resultat, men det udviser faktisk folk, der ikke er top 3.

Formel forklaret

Her ser vi, at vi for hver enkelt region har Top 3 sælgere.

Vi kan ændre tidsrammen og se, at den kontinuerligt og dynamisk sorterer og beregner kun for Top 3.

Det, der skal genkendes med TOPN, er, at der, hvor det bliver placeret inde i Calculate, er det filteret.

Så det, vi siger her med denne funktion TOPN, er, at vi rangerer top 3, for kun at returnere en tabel eller filtrere top 3 sælgere fra baseret på salg.

Og på grund af ALT fjerner dette faktisk sælgerkonteksten. Så hvis vi ikke havde ALLE her, ville vi få de samme resultater for hver enkelt sælger.

Vi skal bringe den kontekst tilbage i beregningen og derefter implementere den i vores tabel.

Der er mange ting, jeg demonstrerer gennem tv- kanalen, at det er et mønster.

Så du kan faktisk implementere dette på tværs af en række forskellige scenarier.

Måske vil du se på dine top 3 produktsalg, eller dine top 3 kunder osv.

Det behøver ikke at være imod navnekonteksten. Det kan være i forhold til Produktkonteksten eller enhver af de dimensioner, du har i din datamodel.

Så hvis vi slipper af med vores samlede salg og bare ændrer dette, fordi alt udenfor Top 3 er tomt, så returnerer vi først Top 3 her nu. Så alt vises dynamisk kun for Top 3.

Så kan vi bruge det fantastiske. Vi klikker blot på rullepilen ved siden og går til Betinget formatering og klikker på Databjælker.

Alt vi skal gøre er at skabe nogle farver her, og nu har vi disse fantastiske bordvisualiseringer.

Vi kan få nogle rigtig gode indsigter her og bruge dem til at gøre anerkendelse og belønninger effektivt.

For at afslutte det, skal vi oprette dashboardet. Hvis vi ønsker at bore ind i en bestemt tilstand, kan vi bare ændre det til en visualisering.

Med dette dashboard kunne vi bore ind i enhver region, og vi kan se hver eneste detailside, vi har. Vi kunne endda vælge en og se, hvem der er vores top 3 personer.

Konklusion

Der er så mange implikationer, at du kunne bruge denne beregning.

Der er så mange applikationer her. I stedet for at have samlede salg, kunne du have overskudsmargener eller transaktioner osv.

I dette eksempel kunne analysen bruges til at anerkende og belønne de tre bedste sælgere i hver region på månedsbasis uden behov for kompleks og tidskrævende dataindsamling og analyse , som skulle starte igen, så snart den foregående måneds analyse blev afsluttet.

Nogle andre anvendelser kunne omfatte fremhævelse af dine top tre kunder, dine top tre produkter eller de tre største omkostningsgrupper pr. region. 

I sidste ende kan disse indsigter hjælpe dig med at finpudse din forretningsstrategi omkring produkter eller regioner.

Nyd denne!