Identificer og fremvis afvigende data i LuckyTemplates ved hjælp af DAX

Vi vil tage LuckyTemplates udvikling til næste niveau og opdage vigtige nye tendenser i vores data. Først skal vi dykke ned i vores dataoutliers gennem noget avanceret logik i LuckyTemplates ved hjælp af DAX. Du kan se den fulde video af denne tutorial nederst på denne blog.

Jeg hjælper dig med at forstå forskellen mellem rå og filtrerede kontekster. Så vi vil analysere og fremvise outliers i vores data effektivt inde i LuckyTemplates.

Outliers minder meget om anomalier i vores data. De er de resultater, der ligger uden for det overordnede mønster af en fordeling. Derfor vil vi gennem vores analyse sandsynligvis ønske at segmentere disse specifikke resultater i vores data.

Men jeg klassificerer dem lidt anderledes end anomalier, fordi vi måske ønsker at sætte triggerpunkter omkring, hvad vi ville betragte som en afviger.

Så hvordan opdager vi dem? Hvordan viser vi dem rigtig godt i LuckyTemplates? Og hvordan kan vi gøre det dynamisk? 

Indholdsfortegnelse

• Fremvisning af outliers dynamisk gennem Lucky Templates
• Identifikation af data-outliers
• Fremvisning af dataoutliers ved hjælp af DAX
• Konklusion

Fremvisning af outliers dynamisk gennem Lucky Templates

I dette blogindlæg vil jeg vise dig noget ret avanceret, som jeg elsker at tale om. Dette er blot et eksempel på de fantastiske muligheder i LuckyTemplates. 

For at fremvise vores dataoutliers gennem LuckyTemplates skal vi kombinere en række DAX-formler og visualiseringsteknikker. Det er sådan, vi kan vise, hvad der er et unormalt resultat, og hvorfor denne afvigelse kan forekomme.

Derudover ønsker vi også at dykke dybere ned i disse afvigende resultater for at sætte os i stand til at forstå, hvorfor de er sådan.

Det er her, vi kan tage vores LuckyTemplates-udvikling til næste niveau. Vi kan virkelig se igennem og forstå, hvad der driver de resultater, vi ser.

Identifikation af data-outliers

I dette eksempel her vil vi bruge dette dashboard til at fokusere på at se på kundens ydeevne outliers gennem LuckyTemplates. 

Som vi kan se i den øverste højre del af dashboardet, kan vi klikke gennem forskellige tidsrammer. Vigtigst af alt, vil det automatisk vise os dataene for det specifikke år eller kvartal.

Hvis vi for eksempel ønsker at analysere outlier-kunderne i første kvartal af 2017, kan vi klikke på 2017 og derefter klikke på Q1 .

Frem for alt er det sådan, vi kan manipulere vores data i LuckyTemplates for at udtrække indsigt, som vi aldrig kan gøre i Excel. Men det kan vi inde i LuckyTemplates. For mig er dette virkelig kraftfuldt, og det er her, den reelle værdi kommer fra vores analyse.

For eksempel, hvad jeg klassificerede som en outlier i dette særlige salgstilfælde var en kunde med salg over 10.000 USD, som havde overskudsmargener på over 30 % i et bestemt kvartal.

Hvis vi ser os omkring og borer i en bestemt indsigt, vil vi måske se fordelingen af ​​de særlige outlier-kunder gennem en bestemt periode. Bortset fra det vil vi måske også tjekke tendenserne for ikke-outlier-kunder.

Så lad os springe over til denne demo, jeg har sat op.

Vi vil se her, jeg har to mål, der specificerer det outlier kundesalg og det ikke-outlier. Den nederste linje i lys rødbrun farve betegner de ekstreme kunder, mens den øverste linje i mørk rødbrun er de ikke-outlier kunder.

Fremvisning af dataoutliers ved hjælp af DAX

Lad os desuden dykke ned i formlen for at bryde ud og klassificere disse dataoutliers i LuckyTemplates.

Som vi kan se nu, har forskellige kvartaler forskellige data. Så vores outlier her er dynamisk, da den ændrer sig over en hvilken som helst tidsramme.

Derfor skal vi lave en dynamisk beregning baseret på de overordnede outlier-metrics, som vi har.

Grundlæggende skal vi blot beregne det samlede salg, som er den vigtigste del. 

Men vi vil kun beregne det for de kunder, der har overskredet de afvigende tal, som vi tidligere har sat op. Derfor kan vi ikke bare placerei formlen, fordi de data, vi har, er daglige data.

Det, vi kan gøre her, er at tilføje (Dates) for at fjerne enhver kontekst fra datoerne, men beholde den kvartalsvise kontekst.

Desuden kan vi indtaste et udvalg for lokationerne – du skal blot indtaste ALL(Locations),

eller et valg for produkterne, indtast ALLE(PRODUKTER).

For at præcisere vil vi bare sikre os, at vi ikke har et ekstra filter, fordi det, vi evaluerer, er det kvartalsvise tal, som har $10.000 og 30%.

Husk, vi ønsker, at det samlede salg skal være et kvartalstal, det samme med . Vores mål er at skabe en vis kontekst for vores kunder baseret på den samlede talsammenligning.

Lad os nu gå tilbage til vores dashboard. Det, vi kan se i tabellen for KUNDERESULTATOPDELING, vil altid være den samme delmængde af kunder, som vi kan se i tabellerne for opdeling af salg og marginer.

Så kraftfulde kan vi få inde i LuckyTemplates.

Konklusion

For at opsummere er vores outlier-resultater, hvad enten det er over eller under trend, ting, vi ønsker at udforske mere. At fuldføre denne type arbejde i LuckyTemplates kræver således en rimelig mængde viden om DAX-formler , hvorfor jeg besluttede at oprette denne tutorial.

Vi har dykket dybere ned i, hvordan vi kan og alle de forskellige varianter af DAX for at få det til at ske.

Nyd at dykke ned i denne tutorial – der er så meget mere at lære, men vi er sikre på, at alle vil elske at opdage mere om dette emne.

Skål,