Optælling af kunder over tid ved hjælp af DISTINCTCOUNT i LuckyTemplates

I dette blogindlæg vil jeg gennemgå, hvordan du kan beregne, hvor mange kunder du sælger til gennem tiden ved hjælp af nogle få funktioner såsom DISTINCTCOUNT inde i LuckyTemplates. Der er faktisk et par måder, du kan beregne det på, og derfor ville jeg lave en kort vejledning om det for at vise et par ting. Du kan se den fulde video af denne tutorial nederst på denne blog.

Forståelse af, hvordan man kan omgå den datamodel, som du har sat op, er afgørende i dette eksempel, så jeg sørger for at vise dig, hvordan jeg har sat dette op. Det er vigtigt, fordi det ikke er så nemt som bare at placere et COUNT over dit kundebord. Husk, vi ønsker at vise, hvordan antallet af vores kunder ændrer sig over tid, så vi skal sikre os, at resultatet også bliver filtreret efter vores datotabel.

Indholdsfortegnelse

• Brug af DISTINCTCOUNT til at tælle dine kunder
• Formel #1: At finde ud af, hvor mange kunder pr. dag
• Formel #2: Oprettelse af en ny formel for at vise forhold
• Formel #3: Brug af udvidede tabeller
• Visualisering af data
• Konklusion

Brug af DISTINCTCOUNT til at tælle dine kunder

I dette indlæg skal vi gennemgå nogle relativt simple. Tænk bare på, hvordan disse ting er logisk beregnet, og hvordan DAX arbejder med datamodellen. Så vi vil hurtigt gennemgå datamodellen. Vi har Salgstabellen nederst, og faktatabellen øverst: Datotabellen, Produkttabellen, Regionstabellen og Kundetabel som vores opslagstabeller. Disse borde er alle forbundet.

Vi vil gerne se, hvor mange kunder vi sælger til pr. dag. Dette vil vise et lille problem, som vi kan have med formlen, men jeg vil vise dig, hvordan du rent faktisk kan løse det på et par måder. Ved at gøre det vil det gøre dig i stand til at forstå, hvad der sker i datamodellen.

Formel #1: At finde ud af, hvor mange kunder pr. dag

Det første, vi skal gøre, er at se på, hvor mange kunder vi faktisk solgte til pr. dag. Det, vi kan gøre, er at oprette et mål og kalde det Totalkunder og derefter bruge DISTINCTCOUNT og Kundenavn.

Logisk set er det, hvad du tror, ​​du skal gøre: tælle op, hvor mange kunder vi sælger til hver eneste dag . Nu er problemet her, at vi får præcis det samme resultat for hver eneste dag.

Grunden til, at vi får dette, er, fordi formlen går til kundetabellen og siger, hvad der er det særskilte antal kunder for hver eneste dag. Problemet er, at Datoer-tabellen absolut ikke har noget forhold til Kunde-tabellen ; det eneste forhold, begge disse tabeller har, er til tabellen Salg. For hvert enkelt filter, der er placeret på Datoer-tabellen, filtreres intet i Kunde-tabellen, når vi kørerhver eneste dag, og derfor får vi præcis det samme resultat.

Hvis vi vil se på, hvor mange kunder vi solgte til på en bestemt dag, er vi nødt til at ændre denne formel noget. Vi er nødt til at ændre den på en sådan måde, at den ser på Salgstabellen, fordi det er der, Dato-tabellen er forbundet til . Når der sættes en eller anden kontekst på et resultat, vil det flyde ned gennem relationerne, og det vil flyde til tabellen, som det er forbundet med, som i dette tilfælde er Salgstabellen.

Formel #2: Oprettelse af en ny formel for at vise forhold

For at opnå dette opretter vi en anden formel og kalder den Totalkunder 2 . Vi bruger DISTINCTCOUNT igen, men i stedet for at bruge kundetabellen, skal vi finde kundenavneindekset inde i salgstabellen.

Når vi trækker denne nye måling ind i tabellen, vil du se, hvor mange unikke kundenavneindeks der er for hver eneste dag.

Formel #3: Brug af udvidede tabeller

Så sådan gør du det på en enkel måde. Der er faktisk en anden måde at generere præcis det samme resultat. Der er aldrig rigtig kun én måde at svare på i LuckyTemplates; der er altid et par måder – og nogle gange mere end det – til at opnå de ønskede resultater.

Lad os oprette et andet mål og kalde det Totalkunder 3 . Det, vi skal gøre inde i CALCULATE, er at referere til den første Totalkunder-måling, som vi oprettede, den, der blot genererer 50 for hver eneste dag, og derefter tilføje hele Salgstabellen som et filter.

Når vi trykker på enter og trækker det ind i tabellen, vil du se, at det tager et stykke tid at beregne, fordi beregningen er en lille smule mere kompleks. Men som du kan se, genererer det faktisk nøjagtigt det samme resultat som de korrekte Totalkunder 2.

Det er på grund af et koncept kaldet udvidede tabeller . Hvad salgstabellen faktisk repræsenterer her, er en hel flad fil af vores datamodel. Der er én massiv flad fil, der inkluderer datoer , produkter , regioner og kunder . Ved at bruge denne teknik og denne formel, aktiverer vi i det væsentligefor at genberegne målingen Totalkunder ved at beregne den over hele den udvidede Salgstabel .

I den første foranstaltning var der ingen sammenhæng. Så vi skabte en forbindelse i det tredje mål ved at henvise til den udvidede Salgs-tabel inde i en beregne-sætning for at generere det korrekte resultat.

Visualisering af data

Jeg ville generelt bare gå efter den #2 mulighed, vi oprettede, så vi kan begynde at visualisere den ved hjælp af områdediagrammet.

Vi kan gennem tiden se, hvor mange kunder vi faktisk sælger til pr. dag. Vi kan også bruge de indbyggede analysefunktioner inde i LuckyTemplates til at tegne en trendlinje. Vi kan se, at vi i gennemsnit er omkring otte eller ni kunder om dagen.

Husk, at det hele også er dynamisk, så vi kan bringe et ekstra stykke kontekst ind, som vi måske vil tilføje.

Vi har gennemgået et par koncepter, og du kan bruge dem til en række forskellige ting; i stedet for kunder kan det være produkter, regioner eller sælgere. I sin kerne er det at forstå, hvad DISTINCTCOUNT gør , og at forstå datamodellen bag kulisserne for at sikre, at du beregner det korrekte resultat.

Konklusion

Denne teknik giver interessant indsigt, og du kan i sidste ende bruge og visualisere denne på mange forskellige måder. En måde, der dukker op til at tænke på, ville være via scenarieanalyse . Du kunne se, baseret på prognoser, som du muligvis fremskriver fra historiske kundetællinger, hvordan dine resultater kan blive påvirket, hvis du øger antallet af kunder, du sælger til. Du kan køre scenarier på dette ved at bruge en estimeret gennemsnitlig salgspris for at udlede den gennemsnitlige værdi pr. kunde. Virkelig kraftfulde ting. Forhåbentlig kan du se de samme muligheder som mig med dette.

En anden måde, du kan visualisere denne type indsigt på, er at vise sammenligning gennem tid. Måske vil du kumulativt vise antallet af kunder, du har solgt til, og sammenligne det med sidste måned eller sidste kvartal. Du ville starte her og derefter 'forgrene' dig ved at bruge tidsintelligensfunktioner.

Jeg gennemgår, hvordan man bruger alle tidens intelligensfunktioner til at gennemføre denne tidssammenligningsanalyse i mit kursus.

Held og lykke med at implementere denne, og lad mig vide, hvis du har nogen tanker i kommentarfeltet nedenfor.