Home
» Power BI
»
Kørsel af følsomhedsanalyse for LuckyTemplates ved hjælp af DAX
Kørsel af følsomhedsanalyse for LuckyTemplates ved hjælp af DAX
Har du nogensinde tænkt, at det ville være rart at finde ud af, hvad det mest optimale resultat er fra dit scenarieanalysearbejde , som du laver inde i LuckyTemplates? I denne tutorial viser jeg dig præcis, hvordan du kan opdage dette og inkluderer også følsomhedsanalyseteknikker til dit hvad-hvis-parameter- og scenarieanalysearbejde. Du kan se den fulde video af denne tutorial nederst på denne blog.
Så vi gennemgår, hvordan du kan bygge og optimere din model gennem kørende scenarier, og derefter udforske eller køre følsomhed på disse scenarier.
Scenarieanalyse er en virkelig effektiv måde at køre avanceret analyse på eller opdage avanceret analytisk indsigt i LuckyTemplates.
Ved at inkorporere følsomhedsanalyse og relevante visualiseringer i dine rapporter kan forbrugerne se, hvad der ville ske, hvis der opstod flere scenarier på én gang versus kun et enkelt resultat baseret på et udvalg.
Ved at bruge denne teknik i LuckyTemplates giver du forbrugeren en chance for at se, hvad det mest optimale resultat er baseret på de scenarier, der kan forekomme i dine data.
Det vigtigste for denne analyse er at opsætte vores datamodel korrekt. Inde i vores datamodel har vi vores opslagstabeller – datoer, kunder, produkter og regioner – der er relateret til vores salgstabel .
Endnu vigtigere, vi opretter disse tre scenarietabeller eller scenarieunderstøttende tabeller. I den ældre version af LuckyTemplates var vi nødt til at gøre dette manuelt. Men nu med den seneste LuckyTemplates-version kan vi oprette dette ved hjælp af What-If-parameterfunktionen .
I disse scenarietabeller kan vi chokere efterspørgslen, omkostningerne og prisen .
Jeg kalder dette flerlag af scenarier eller en flerlags tilgang til scenarier, fordi vi kan trænge gennem disse tre variabler eller elementer i vores beregninger, så vi kan køre flere scenarier.
Sådan skal vi kørefor derefter at se, hvilket der er det mest optimerede scenarie i dette nuværende miljø, vi har her i dette eksempel.
Når vi har denne prognose eller denne slags scenarier i vores efterspørgsel, priser og omkostninger, vil vi så se dens ultimative indvirkning på vores samlede overskud eller salg.
Arbejder scenarierne gennem formlen
Vi fører derefter alle vores elementer gennem vores formler. I vores Scenario Profits- beregning bruger vi iterationsfunktioner . Vi kan isolere ethvert element, som vi kigger på, i en bestemt række i en tabel.
I dette tilfælde er det salgstabellen, vi gentager hver enkelt række. Og så kan vi chokere det med ændringen i efterspørgsel, pris og omkostninger.
Så hvis du tænker over det, er disse elementer eller scenarietabeller ikke engang forbundet til noget i vores model, da de understøtter tabeller. Og vi bruger denne formel til at integrere dem i vores model .
I stedet for blot at vise de overordnede resultater, viser vi følsomheden. Vi bruger denne flerlags-scenarie-tilgang inden for itererende funktioner i denne særlige formel for derefter at skabe disse følsomheder.
I dette diagram her har vi indført ændringen i pris på rækkerne og på tværs af toppen og kolonnerne har vi efterspørgselsændringerne .
I dette diagram kan vi se, hvad ændringen i efterspørgsel, såvel som ændringen i pris, faktisk ville gøre ved vores resultater. Og så inden for matrixen kan vi bruge den betingede formatering til at farve dem ind, hvilket er et andet virkelig fantastisk element, for en bedre visualisering.
I dette diagram nedenfor kan vi se ændringen i omkostningerne . Så når omkostningerne for eksempel falder, stiger vores efterspørgsel.
Vi kan lige så godt tilføje flere elementer for at få en mere omfattende analyse. Vi kan indsætte vores datoer, regioner osv.
Andre elementer til yderligere analyse
Vi tilføjer vores her, så vi kan ændre tidsrammen, hvilket seriøst er fantastisk. Dette vil gøre os i stand til at bore ind i en bestemt tidsramme, og så vil det ændre de resultater, vi har i vores diagrammer.
Med kraften i datamodellen kan vi også inkludere ethvert element på enhver dynamisk måde, så vi virkelig kan bore i aspekter af vores data.
Så vi kan bruge alt i vores model, vi kan filtrere vores kunder, produkter, regioner osv.
Vi kan stadig køre disse følsomheder i disse meget specifikke regioner. Når du har valgt et område, vil det også dynamisk ændre resultaterne.
Og det er sådan, du kan optimere disse scenarier. Det er grundlæggende at køre følsomhedsanalyse nemt og effektivt.
Som du kan se, er dette virkelig kraftfulde ting. Dette er virkelig analytisk arbejde af høj kvalitet, som vil imponere nogen, hvis du lægger dette foran dem.
Dette arbejde har historisk set været meget vanskeligt at opnå. I LuckyTemplates, ligesom magi, kan du oprette dette værk. Du kan skabe disse indsigter på en virkelig intuitiv, effektiv og skalerbar måde.
Jeg håber, du kan se, hvor hurtigt du kan gøre dette. Der er ikke mange komplekse formler involveret. Det kræver bare en rigtig god forståelse af iterationsfunktioner, og det er nøglen til at implementere denne teknik.
Held og lykke med at bruge teknikker som denne i din egen analyse.