Oplev unik indsigt ved hjælp af LuckyTemplates TOPN-funktion
Denne blog indeholder LuckyTemplates TOPN DAX-funktionen, som giver dig mulighed for at få unik indsigt fra dine data, hvilket hjælper dig med at træffe bedre markedsføringsbeslutninger.
I dag ønskede jeg at dække en unik teknik omkring kumulative totaler baseret på månedlige gennemsnitlige resultater i LuckyTemplates . Du kan se den fulde video af denne tutorial nederst på denne blog.
For at indstille datointervallet for beregningen af månedlige gennemsnitsresultater bruger vi en datoudskiller.
En LuckyTemplates slicer er et alternativ til filtrering , som indsnævrer den del af datasættet , der vises i de andre visualiseringer af en rapport. EN eller filter bruges simpelthen til at begrænse relative datointervaller i LuckyTemplates.
Den kumulative total bruges på den anden side til at vise den samlede sum af data, efterhånden som den vokser med tiden eller enhver anden serie eller progression.
Normalt, når vi gennemgår, vi analyserer dem over en bestemt dato eller over måneder og år . I denne artikel skal vi beregne kumulative totaler over kun månederne.
Det interessante ved denne særlige teknik er, at når du har en kontekst på kun måneden , skal du tage højde for de forskellige år, der vælges. Dette kan ske via et LuckyTemplates-datoudsnitsvalg eller et filter på sideniveau.
Dette særlige eksempel stammer fra et meget interessant emne på . Tjek dette ud, hvis du vil anmelde mere.
Indholdsfortegnelse
Evaluering af problemet
Nogen ønskede at vise det kumulative salg baseret på månedens navn i stedet for efter måned og år .
Nu er problemet med dette, hvis det datovalg, du har, til sidst går over et helt år.
Så vi er nødt til at analysere, hvordan vi højst sandsynligt bare kan fortsætte med at få en kumulativ total, ligesom det var et udvalgt bestemt år.
For eksempel, hvis du har januar til september næste år i din datotabel, vil du højst sandsynligt have i alt 20 måneder derinde. I dette tilfælde vil standardmønsteret ikke fungere, så vi bliver nødt til at revidere det.
Dette er bestemt et interessant scenarie og en rigtig god læringsmulighed omkring avanceret DAX for alle.
Lad os først tage et hurtigt kig på, hvordan det standard kumulative totalmønster faktisk fungerer.
Gennemgang af det kumulative samlede mønster
I dette eksempel vil vi se på en meget generisk Salg .
Denne formel er indstillet til at beregne salg inden for det valgte interval . Funktionen ALLSELECTED her viser primært værdierne baseret på hvilket datointerval, der er valgt i denne specifikke rapport.
Og som du kan se her i denne LuckyTemplates dateskærer , er vi i øjeblikket mellem den 2. februar og den 20. september .
Nu, i denne aktuelle kontekst-tabel, kan vi validere, at formlen for det kumulative salg fungerer helt fint. Dette skyldes, at den stadig beregner akkumuleringen af det samlede salg fra januar til september.
Konflikt i brug af kumulativt samlet mønster for månedlige gennemsnitlige resultater
Selvom formlen for kumulativ total i øjeblikket fungerer fint, kan der være problemer, når man udleder beregningen baseret på en datoudsnitsmaskine .
Som vist på billedet har jeg bare langsomt forlænget datointervallet yderligere og trukket det ud i det næste år.
Denne formel akkumulerer det månedlige samlede salg , men den begynder også at bringe akkumuleringen ind i de nye måneder. Så dette resulterer i en ulige værdi for januar , som egentlig bare er en fortsættelse af alle de efterfølgende måneder .
Det er med andre ord korrekt beregnende, men det giver os faktisk ikke det resultat, som vi specielt ønsker.
Hvad det i øjeblikket gør her er, at det starter fra værdien for januar og går hele vejen til december ; og hopper derefter tilbage til januar igen, akkumulerer fra december , og så videre.
Hvis jeg bare trækker datoen ud igen, vil du se, at den kumulative salgsværdi strækker sig endnu lavere, mens vi går.
Og så, når du faktisk trækker det ret langt ud, vil du bemærke, at det akkumulerede salg fra månederne januar til maj alle blev 23 millioner , hvilket stort set er det samlede beløb. Det går bare på en måde i en cyklus for hver eneste måned hvert eneste år.
Hvad vi faktisk ønsker her er at få en opdateret kumulativ total baseret på månedlige gennemsnitlige resultater ; hvor det skal starte med det samlede salg i januar og derefter akkumuleres derfra.
For at løse dette kræver en teknik, der er lidt anderledes end hvad du måske tror. Vi skal også sikre os, at totalerne er korrekte, og at de dynamisk justerer for forskellige valg i datoudsnitteren , som kan komme fra brugerne.
Den kumulative månedlige salgskolonne
Jeg vil bringe resultatet af min formel for dette særlige problem ind og vise, hvorfor det rent faktisk virker.
Tilsyneladende vil du se her, at det altid akkumulerer det månedlige samlede salg .
Men tjek, hvad der sker, når jeg forsøger at udvide dette.
Det akkumuleres altid fra januar . Det gør ikke den mærkelige beregning, som det kumulative salgsmønster gør.
Det er klart, at kolonnen Kumulativt månedligt salg giver et mere logisk resultat.
På den anden side giver det kumulative salgsresultat ikke rigtig meget mening ud fra et visualiseringssynspunkt.
Det, jeg gjorde i min løsning, var, at jeg genskabte et nyt mønster, der gav os det svar, vi havde brug for til netop dette scenarie.
Lad os nu diskutere, hvordan vi kunne finde ud af den leverede løsning.
Oprettelse af datointervallet
Oprettelse af datointervallet er den første ting, vi skal bruge for at etablere formlen.
For at skabe dette initialiserede vi en minimumsdato , som var repræsenteret af MinDate-variablen; og en maksimumsdato , som var repræsenteret af MaxDate-variablen . Derefter lavede vi beregningen for hver variabel ved at bruge ALLSELECTED, MIN og .
Funktionen ALLSELECTED henter den kontekst, der repræsenterer alle rækker og kolonner i forespørgslen , mens den bevarer eksplicitte filtre og sammenhænge bortset fra række- og kolonnefiltre . Denne funktion kan bruges til at opnå visuelle totaler i forespørgsler.
I mellemtiden returnerer funktionen den mindste værdi i en kolonne eller mellem to skalarudtryk, og MAX -funktionen returnerer den største værdi.
Efter initialisering af minimums- og maksimumsdatoen var vi i stand til at oprette datointervallet på en lidt anderledes måde, end vi gjorde i det kumulative samlede mønster.
Jeg havde brug for at genskabe denne del af tabellen, hvor jeg havde månedsnavnet og det samlede salg. Dette skyldes, at vi kun ønskede at beregne det inden for dette bestemte datointerval.
Så ved at bruge SUMMARIZE- funktionen var jeg så i stand til at indsnævre datointervallet .
Tilføjelse af kolonnerne Månedsnavn og Månedsnummer
Som du kan se, har vi inkluderet kolonnen Månedsnavn fra tabellen Datoer og kolonnen Salg , som grundlæggende er det samlede salg .
Nu er den første del af formlen i øjeblikket ret forskellig fra det kumulative salgsmønster .
Desuden har vi tilføjet MonthNumber til det logiske mønster. Dette blev hentet fra Datoer-tabellen . Dette vil fungere som en virtuel eller imaginær kolonne , der vil sætte en værdi fra 1 ned til 12 for månederne januar til december .
Ud fra værdierne i kolonnen MonthNumber var jeg i stand til at beregne den kumulative total baseret på antallet af måneder.
Beregning af den kumulative total baseret på antallet af måneder
For at være mere specifik, gentager de efterfølgende dele af formlen hver enkelt række i den angivne tabel.
Derefter vil kolonnen MonthNumber blive evalueret, hvis den er mindre end eller lig med den maksimale måned i året .
Denne del beregner, hvad det aktuelle månedstal er.
Hvis vi f.eks. er i maj måned , vil værdien af MonthNumber være 5 . Derefter går dette særlige logiske mønster inde i iterationen gennem denne tabel for hver enkelt række .
På det tidspunkt vil den evaluere, om der er nogen af tallene, der er mindre end eller lig med 5 . Hvis der er, vil den inkludere dem i beregningen og bevare den kolonne fra tabellen.
Til sidst tæller vi mængden af salg op .
Og sådan kommer vi til 11. række her, som er november .
Denne del vurderede november som 11 .
Vi gentog hele tabellen og vurderede, om den 11. i måneden er mindre end eller lig med den aktuelle måned i konteksten, som er 11 .
Derefter vil vi gå og tælle salget op , som bliver repræsenteret af denne særlige kolonne her inde i .
Konklusion
I min foreslåede løsning brugte jeg en kombination af DAX-formler inklusive SUMX og SUMMARIZE . Men det, du også skal gøre, er at sørge for, at du omslutter disse særlige funktioner med en FILTER-sætning.
Denne filtererklæring vil gøre dig i stand til i sidste ende at få den korrekte kumulative total baseret på en dynamisk datologik.
Der er lidt at lære i denne særlige tutorial, men det er virkelig et interessant indhold. Forhåbentlig kan du implementere nogle af disse teknikker i dine egne modeller.
Når du lærer at kombinere en masse sammen inde i LuckyTemplates , bliver det absolut opnåeligt at løse disse unikke scenarier.
Held og lykke med at dykke ned i denne.
Denne blog indeholder LuckyTemplates TOPN DAX-funktionen, som giver dig mulighed for at få unik indsigt fra dine data, hvilket hjælper dig med at træffe bedre markedsføringsbeslutninger.
Lær nogle fantastiske analytiske teknikker, som vi kan gøre til datamodellering i LuckyTemplates ved hjælp af DAX-understøttende tabeller.
Her dykker vi ned i LuckyTemplates Advanced DAX og implementerer rangeringslogik for at få en meget unik indsigt. Jeg viser også måleforgrening i dette eksempel.
Denne blog introducerer den nye funktion i LuckyTemplates, What-If-analyseparameteren. Du vil se, hvordan det gør alt hurtigt og nemt til din scenarieanalyse.
Lær, hvordan du afgør, om din omsætningsvækst er god ved at kontrollere, om dine avancer er udvidet ved hjælp af LuckyTemplates, der måler forgrening.
Lær og forstå, hvordan du kan oprette og bruge LuckyTemplates Parameters, som er en kraftfuld funktion i Query Editor.
Denne vejledning vil diskutere om oprettelse af et rundt søjlediagram ved hjælp af Charticulator. Du lærer, hvordan du designer dem til din LuckyTemplates-rapport.
Lær, hvordan du bruger PowerApps-funktioner og -formler til at forbedre funktionaliteten og ændre adfærd i vores Power Apps-lærredsapp.
I denne øvelse lærer du, hvordan du kæder funktioner sammen ved hjælp af dplyr-røroperatoren i programmeringssproget R.
RANKX fra LuckyTemplates giver dig mulighed for at returnere rangeringen af et specifikt tal i hver tabelrække, der udgør en del af en liste over tal.