Flere hvad hvis-parametre i LuckyTemplates

Vil du se, hvor avanceret du kan blive med LuckyTemplates? I denne tutorial vil jeg vise dig min foretrukne måde at bruge LuckyTemplates på. Du kan gøre noget fantastisk arbejde omkring scenarieanalyse ved at integrere hvad hvis-parametre i LuckyTemplates - ting som salg, overskud eller transaktioner. Du kan se den fulde video af denne tutorial nederst på denne blog.

Ikke kun på grund af den indsigt, du kan finde, men også på grund af den lethed, du kan implementere denne analyse i forhold til at gøre dette med historiske værktøjer som Excel. Jeg ved seriøst ikke engang, hvordan du ville komme tæt på at implementere dette i Excel uden at skulle gøre noget uhyrligt komplekst.

Du kan stort set på et hvilket som helst tidspunkt forudsige, hvad der kan ske i fremtiden eller endda fremvise en række ting, der kan opstå i fremtiden, hvis scenarier udspiller sig, som du opfatter, de kunne. Du kan også overlejre dette på historiske oplysninger. Så du kunne se på, hvad der ville være sket, hvis noget skete.

Indholdsfortegnelse

• Inkorporerer flere What If-scenarier på én gang
• Arbejde med tre scenarier 
• Oprettelse af bordet
• Arbejder med HASONEVALUE
• Scenariefortjeneste ved at bruge SUMX
• Inkorporerer scenarier inde i logik
• Udregning af de kumulative resultater
• Konklusion

Inkorporerer flere What If-scenarier på én gang

I dette blogindlæg vil jeg vise endnu et rigtig fedt eksempel på, hvordan du kan inkorporere flere hvad nu hvisi LuckyTemplates på én gang. Du vil være i stand til at se, hvordan alle disse personer, hvad hvis parametre i LuckyTemplates kan påvirke flere scenarier.

I virkeligheden er dette noget, der kan ske. For eksempel vil du måske i et scenarie se, hvad der vil ske, hvis du øger prisen, og efterspørgslen forbliver den samme eller falder. Du vil måske også se et Best Case, et Ok Case og et Worse Case scenarie, mens du arbejder med alle disse forskellige parametre.

Arbejde med tre scenarier 

Jeg vil vise dig, hvordan jeg har skabt en model, der gør det muligt for dig at analysere alle disse på én gang. Jeg har en prisændringsparameter , en efterspørgselsændringsparameter og en omkostningsændringsparameter . Jeg har også scenarierne her: Best Case , Ok Case og Worse Case .

Man kan se, at i Best Case, når vi øger priserne, stiger efterspørgslen, hvilket er ret overraskende. Men dette er sket før, hvor folk kan se den øgede pris som et mere premium produkt, så de køber det mere.

I Ok-sagen sker der ikke noget med efterspørgslen, hvis vi øger priserne, men omkostningerne falder med 1%.

I værre tilfælde ændrer vi ikke prisen, men efterspørgslen falder bare, og vores omkostninger stiger.

Vi har også en datoudskærer i øverste højre hjørne og den kumulative effekt af disse Bedste/Ok/Værre tilfælde på vores faktiske resultater i det nederste diagram.

Vi har vores faktiske overskud eller forventede overskud, og så er jeg gået videre og chokeret dem med vores mange hvad-hvis-scenarier for at se virkningen i løbet af året, hvis vi implementerer disse ændringer.

Oprettelse af bordet

Dette er blot et eksempel, jeg har konfigureret, men det, jeg ønsker at komme igennem, er de teknikker, det tog os at nå hertil. Den første ting at gøre er at oprette en tabel, der viser det bedste tilfælde, ok tilfælde og værre tilfælde, samt de involverede parametre og scenarier såsom prisændring, efterspørgselsændring og omkostningsændring.

Arbejder med HASONEVALUE

Jeg havde brug for at arbejde med et mønster baseret på det scenarievalg, jeg foretager her. Jeg brugte et mønster, som jeg har brugt i en masse scenarie-type analyser hvoreller hvis et af scenarierne er valgt, så lig med denne scenarieprisændring. Jeg har brugt MIN til at finde ud af, hvad den faktiske prisændring er. Der bør kun være én værdi, når noget er valgt, fordi vores tabel kun har én linje. Hvis intet er valgt, bør pris-, efterspørgsels- og omkostningsændringer alle være lig med 0.

Scenariefortjeneste ved at bruge SUMX

Det næste trin er den integrerede logikdel, og dette er den formel, jeg brugte til at integrere alle disse ændringer i et bestemt scenarie.

Jeg har brugt denne tilgang i min flerlagede scenarieanalyse. Ved at bruge SUMX-formlen skaber den stød baseret på disse værdier. Lad os opdele formlen i to dele: indtægtsdelen og omkostningsdelen .

For omsætningsdelen går jeg med salgsordremængde ganget med kravændringen, fordi hvis efterspørgslen stiger, så vil vi sælge mere af mængden. Så skal vi gange det med enhedsprisen, som er blevet forhøjet eller chokeret for prisændringen. For omkostningsdelen vil vi øge mængden igen med efterspørgslen. Men i stedet for prisændring, vil vi inkorporere omkostningsændringen.

Med denne ene formel kan vi regne ud, hvad vores scenarieoverskud er ved at inkorporere alle disse individuelle what if-parametre i LuckyTemplates. Forståelse og iteratorer generelt er virkelig afgørende. Du skal huske, at formler med et X i slutningen gentager hver eneste række i tabellen. Så for hver enkelt transaktion eller salg, vi har foretaget, kan vi så placere disse stød oven på dem.

Inkorporerer scenarier inde i logik

Husk, at vi har indarbejdet flere scenarier og flere foranstaltninger. Disse mål ændres baseret på vores scenarievalg, og vi kan nu inkorporere disse scenarier i vores logik. Jeg har individuelt beregnet Best Case scenariet, Ok Case scenariet og Worse Case scenariet.

Hvis vi går til disse formler, vil du se, at alt, hvad jeg har gjort, er at bruge Scenario-fortjenesten og bruge CALCUATE til at udskille, hvad det bedste tilfælde-resultat ville være. Jeg har også gjort dette for Ok Case-resultatet og Worse Case-resultatet.

Brug af denne formel vil give os dette diagram, som giver os mulighed for at sammenligne med vores generelle forventede overskud.

Udregning af de kumulative resultater

Ud over det, jeg allerede har gjort, ville jeg se, hvordan tingene er, og se hvordan tingene akkumuleres over tid. Jeg brugte disse formler og forgrenede mig igen ved at bruge det kumulative samlede mønster. Du kan se her, at jeg har inkorporeret eller forgrenet den tidligere takt i det samme mønster hver eneste gang, hvilket giver os individuelle scenarier kumulativt.

Det fede ved dette diagram er, at uanset hvilken tidsramme vi vælger, justeres det automatisk. Hvis vi kun ønskede at se, hvad dollarpåvirkningen var kumulativt over en tre-måneders periode, kan vi se det kumulativt. For eksempel kan vi se, at Best Case kommer til at levere os $8,4 millioner i forhold til Worst Case, som er $4 millioner.

Konklusion

I dette specifikke eksempel viste jeg dig ikke kun DAX-mål , men også hvordan du kan oprette en tabel med oplysninger, der kunne klassificere bestemte scenarier. Du vil måske klassificere et Best Case-scenarie, et Ok-scenarie eller et Worst Case-scenarie. Inden for disse scenarier kan du have flere ting, der ændrer sig omkring din prissætning eller din efterspørgsel eller dine omkostninger.

Ved at gøre begge disse ting rigtig godt, kan du på en dynamisk måde fremvise resultater eller ydeevne enten historisk eller ind i fremtiden, og være i stand til meget hurtigt og automatisk at evaluere, hvad dine resultater kan være.

Der er så meget at lære med dette eksempel, og masser af teknikker at gå ind i. Forhåbentlig kan du komme ud af det på de eksponentielle måder, hvorpå du kan ændre det miljø, som din analyse og dine resultater beregnes i.

Aldrig før har vi virkelig haft et værktøj, der gør os i stand til så nemt og effektivt at lave denne type avancerede analyser. Held og lykke med at implementere alle disse ting i dine egne modeller. Eventuelle kommentarer, så lad mig det vide nedenfor.

Hvis du vil dykke ned i scenarieanalyse mere detaljeret, så tjek helt sikkert mit kursus. Så meget at lære om denne utrolige analytiske teknik inde i LuckyTemplates.