I denne blog vil jeg sammenligne den eksisterende kundeallokering i depoter eller hubs med en nyberegnet tildeling baseret på en valgt afstand . Denne form for analyse giver virksomheder mulighed for dybt at forstå kundernes rentabilitet.
Der er to lignende datasæt her, som er valg af kundedata og aktuelle kundedata . Jeg brugte disse datasæt til at vise både den aktuelle kundeallokering og den nyligt beregnede allokering kombineret i én rapport.

Derudover er der en tabel over Forward Stock Locations , som kunne være depoter eller fabrikker. Denne tabel blev tilføjet til begge kundetabeller ( Kundedatasektion og Kundedataaktuelle ) for at tillade samtidig visning af data.

Indholdsfortegnelse
Opsætning af scenarie og sammenligningsrapport
Forestil dig, at du har en leveringsinfrastruktur fra videresendelse af lagersteder, pakkeskabe eller hubs til kunder.
Historisk set har der udviklet sig en allokering på tværs af de eksisterende terminsbeholdninger. Ny forretning er blevet erhvervet, og det er tid til at overveje, om det nuværende setup stadig er berettiget.
Lad os få en gennemgang af rapporten, som jeg har genereret til dette.

Først viser dette kort den aktuelle kundetildeling med depotet.

Derefter viser denne tabel afstand, omsætning og krav.

Disse kort repræsenterer totalerne og den procentvise fordeling for den valgte forward lagerplacering.

I øverste højre hjørne er et multi-rolle kort, der ikke er filtreret. Derfor viser det den overordnede omsætning og krav i datasættet til reference.

Der er også en slicer til at vælge en fremadrettet aktieplacering. Dette kunne bestemt være et depot, en fabrik eller hvad du nu måtte ønske at analysere.

Som et resultat styrer FSL's slicer begge kort her.

Det nederste kort viser resultaterne udløst af udskæringsværktøjet Vælg afstand .

Disse midterste kort viser omsætning og krav baseret på den valgte distance. Dette er nyttigt til at analysere forskellen mellem den aktuelle kundeallokering og den nyligt beregnede allokering baseret på et udvalg.

DAX-mål for sammenligning af kundeallokering
Dette ersom jeg brugte til dette scenarie. Bemærk, at variablerne i formlen afhænger af, hvordan dine data er blevet sat op. Du bliver nødt til at tilpasse disse i overensstemmelse med dine egne data for at få det rigtige resultat.

Målene for størrelse og farve for at vise forskellige farver er forskellige for både den aktuelle tildeling og den udvalgsbaserede tildeling.

Dette er det aktuelle mål for kortpunktfarve for den aktuelle kundeallokering.

På den anden side er dette Map Point Color i udvælgelsesmål for den udvalgsbaserede kundeallokering.

Som du kan se, miner i tre separate tabeller. Jeg plejer at gemme disse i mapper, når jeg har færdiggjort min model. Men når man bygger, er det meget mere praktisk at have dem ved hånden.

Konklusion
Faktisk giver denne eksempelrapport en kraftfuld analyse, da du kan foretage valg for at omfordele alle kunder på tværs af de eksisterende lokationer. Ved at lære tyngdepunktsberegningen og Huff Gravity- analysen kan du nemt håndtere forskellige lokationsintelligensprojekter.
Jeg håber, at denne blog bidrager til din læringskurve og øger bevidstheden om, hvor vigtigt det er at bruge de geografiske komponenter i dine data.
Husk, at dette ikke handler om at bygge den flotteste rapport, men snarere et eksempel. For eksempel kan tilføjelse af smarte fortællinger eller diagrammer forbedre modellen for præsentation på højt niveau. Dette er dog kun analysestadiet.
Tjek nedenstående links for flere eksempler og relateret indhold.
Tak skal du have.
Paul