Rangeringsanalyse i LuckyTemplates: Avanceret indsigt fra kombinerede datasæt

I denne tutorial vil jeg vise dig nogle avancerede rangeringsanalyser i LuckyTemplates. Som et eksempel vil jeg bruge den rapport, som jeg indsendte til LuckyTemplates-forummet.

Jeg har diskuteret de andre sider i denne rapport i andre selvstudier. Indtil videre vil jeg gerne fokusere på en specifik side i rapporten, der kombinerer to sæt data.

Bemærk, at jeg allerede har separate sider for leverandørdata og anlægsdata . Men når disse to datasæt interagerer, kan brugerne få endnu dybere indsigt. Derfor gik jeg videre og lavede en kombineret rutsjebane.

Indholdsfortegnelse

• Opbygning af den kombinerede side for sælgere/planter
• Foranstaltninger til rangeringsanalyse
• Brug af LuckyTemplates-forumet til rangeringsanalyse
• Konklusion

Opbygning af den kombinerede side for sælgere/planter

Hvis du har set de andre tutorials om, hvordan jeg oprettede denne rapport, vil du bemærke, at alle de dias, jeg brugte, ser næsten ens ud, bortset fra nogle unikke visuals. Det er fordi jeg har lavet en baggrundsskabelon på PowerPoint og brugt den på tværs af hele rapporten.

Dette gav min rapport et ensartet udseende og gjorde det også nemmere, velvidende at alt jeg skulle gøre var at ændre overskriften og dataene på hver side. Baggrunden forblev den samme hele vejen igennem.

På denne side brugte jeg en chiclet-skærer til venstre til plantedata og en anden chiclet-skærer til højre til leverandørdata.

Chiclet-skæreren kan findes under visualiseringsruden, men hvis du ikke kan se den endnu, kan du tilføje den til dit eget LuckyTemplates-skrivebord ved at downloade den via AppSource.

Tabellen i midten indeholder alle data. Som du kan se, har den både plante- og sælgerlisten.

Den indeholder også nedetidsminutterne , den gennemsnitlige nedetid , defekterne og placeringerne for disse tre mål. Den har også den samlede gennemsnitlige rangering og den samlede rangering .

Bemærk, at dataene i øjeblikket er sorteret baseret på den overordnede rangering, fra den bedst præsterende til den dårligst præsterende.

Foranstaltninger til rangeringsanalyse

Lad os nu grave i de faktiske mål, der skabte de resultater, som du ser i tabellen. Jeg starter med Downtime Minutes, som blot brugeraf de samlede nedetidsminutter.

Nu hvor jeg har den grundlæggende foranstaltning klar, kan jeg begynde at rangere nedetidsminutterne. Jeg kaldte denne foranstaltning Top Performing Vendors & Plants by Downtime Minutes . Men fordi jeg har begrænset plads på bordet, kaldte jeg det ganske enkelt Rank By Downtime Minutes på det visuelle.

Nogle ville bruge en redegørelse for sager som disse. Men det, jeg gjorde, var at skabe enudsagn med funktionenpå Anlægsstedet.

Grundlæggende siger denne erklæring, at hvis der er en værdi i anlæggets placering, vil jeg vise rangeringen. Ellers skal det forblive tomt.

Jeg gjorde dette for at sikre, at pladsen til Total forbliver tom. Denne kolonne er kun beregnet til at rangere data på tværs af hver række, så det giver ikke mening at have en total i bunden.

Der er flere måder at få dette til at ske. Men da jeg vurderede de resultater, jeg ønskede at få, regnede jeg med, at brugen af ​​IF HASONEVALUE er den bedste mulighed i betragtning af den måde, alle målene i denne rapport interagerer med hinanden på.

Du vil bemærke, at på tværs af tabellen er andre rangkolonner også tomme. Det er fordi den tilgang, jeg brugte på dem alle, var ens.

Den næste del viser brugen affungere. Så brugte jegfor at sikre, at jeg rangerer både fabrikkens placering og leverandøren, selvom jeg har enpå plads. Grundlæggende hjælper CROSSJOIN- funktionen med at kombinere dataene for at komme frem til placeringerne.

Du vil bemærke, at jeg ønskede, at nedetidsminutterne skulle være større end eller lig med nul, før de rangeres. Det er fordi jeg ønskede at udelukke ethvert anlæg eller leverandør, der havde en tom plads under Nedetidsminutter.

For at demonstrere det, sorterer jeg dataene i henhold til Nedetidsminutterne. I øjeblikket er det sorteret ud fra den overordnede rangering.

Sådan kommer det til at se ud, når jeg sorterer tabellen efter Downtime Minutes.

Bemærk, at de øverste data har et nul i sig. Men i virkeligheden var der nogle poster i datasættet, hvor nedetidsminutterne faktisk var tomme. Disse er blevet fjernet fra ligningen.

Lad os gå videre til næste mål, som rangerer den gennemsnitlige nedetid. Dybest set har jeg lige duplikeret placeringsmålet for nedetidsminutterne og ændret de data, der refereres til.

Dette er en teknik kaldet måle forgrening . Grundlæggende betyder det at bygge en foranstaltning ud fra en foranstaltning. Jeg havde et eksisterende mål, som jeg duplikerede og tilpassede, så det passede til det nye mål, jeg har brug for.

Forgreningsforgrening gør hele rapportudviklingsprocessen mere effektiv.

På denne måde behøver jeg ikke at spilde tid på at lave tiltag fra bunden, især hvis den foranstaltning, jeg har brug for, minder meget om en eksisterende.

Nu vil jeg gå videre til den næste målestok, som er Rang efter mangler . Endnu en gang duplikerede jeg det mål, jeg brugte tidligere, og ændrede bare de områder, der vil være specifikke for defekter.

Der er en yderligere ændring, som jeg lavede her, specifikt det faktum, at jeg ikke ønskede, at noget skulle være. Så selvom en række under Defekter ikke har nogen værdi i sig, vil jeg gerne have den med i rangeringen på samme måde.

Lad os fortsætte til det samlede gennemsnit. Dette er det mål, jeg brugte til at få det samlede gennemsnit.

Som du kan se, var jeg nødt til at oprette variabler til dette mål. Den førsteJeg oprettede hedder AddRank. Grundlæggende tog jeg bare de tre foranstaltninger, jeg arbejdede på tidligere, og tilføjede dem alle, så jeg kan få et samlet antal.

Derefter oprettede jeg den næste VAR , som jeg kaldte Resultat. Herinde brugte jegfunktion på AddRank-variablen med en divisor på tre.

Og så på min RETURN-erklæring nederst, brugte jeg IF på sælgeren.

Dette er en anden tilgang end HASONEVALUE , som jeg brugte tidligere, selvom de har samme tanke. Der står bare, at hvis der er en leverandør på listen, så vis mig et resultat. Ellers skulle den returnere en BLANK .

Nu går jeg videre til den overordnede rang. Selvfølgelig vil dette stadig være magen til de andre rangordningsmål, jeg brugte tidligere.

Jeg brugte HASONEVALUE til anlægsplaceringen, så har jeg min RANKX- sætning igen ved at bruge CROSSJOIN- funktionen for at sikre, at jeg får mine resultater efter både anlægsplacering og leverandør. Jeg henviste også til målingen for Samlet gennemsnitsrangering af leverandører og anlæg , som er det mål, jeg lige har arbejdet på før dette. Jeg vil bare sikre mig, at nummeret ikke er tomt.

Det fantastiske ved dette er, at hele bordet kan sorteres ved hjælp af en hvilken som helst af rækkerne. Så hvis jeg ville sortere mine data ved hjælp af nedetidsminutterne, kan jeg gøre det. Det vil vise, at topresultatet for fabrikken ville være New Britain, og leverandøren ville være Linktype.

Endnu bedre, det justerer ikke de andre placeringer på siden. Dette er fordi jeg brugtei mit mål, og ikke.

Du kan se, ALLSELECTED vil kun rangere data baseret på de valgte data. Hvis jeg f.eks. anvender et filter, vil kun de data, der vises i tabellen, blive rangeret. De data, der er ekskluderet på grund af filteret, vil ikke blive inkluderet i rangeringen.

Det hele koger ned til den slags resultater, du leder efter. I dette tilfælde ønskede jeg ikke, at de overordnede rækker skulle ændre sig, uanset hvis jeg kun kigger på specifikke data. Derfor valgte jeg at bruge ALLE .

Brug af LuckyTemplates-forumet til rangeringsanalyse

Rankinganalyse kan være vanskelig, især hvis du arbejder med funktioner som RANKX . Det fantastiske ved LuckyTemplates er, at vi har gode kursusmaterialer og en samarbejdskultur i fællesskabet. På denalene kan du finde så mange diskussioner om rangeringsanalyse.

Lad os gå over til forummet, så du kan få en idé om, hvad du kan forvente.

Når du kommer til forummets hjemmeside, vil du se søgefunktionen her.

Jeg skriver RANKX for at vise, hvor meget information du kan få fra forummet alene. Baseret på søgeresultaterne er der over 50 diskussioner om emnet.

Du vil se en blanding af gode løsninger på de spørgsmål, der stilles. Dette er et meget samarbejdende fællesskab, det er derfor, du vil se andre mennesker hoppe ind i diskussionerne og dele bedste praksis.

Når jeg ruller ned i resultaterne, ser jeg dette fantastiske indhold fra Brian Julius, en af ​​vores . Dette handler om, hvordan man udvikler brugerdefinerede tiebreakers, når man bruger RANKX.

Hvis jeg klikker på det, vil du se, at det giver dig et link til kurset, hvor jeg kan finde endnu mere information om emnet.

At besøge LuckyTemplates Forum alene kan allerede give dig masser af information, især hvis du føler dig fastlåst i din egen rangeringsanalyse. Du kan endda få enog få adgang til resten af ​​vores læringsplatform, så du kan udvikle dine færdigheder yderligere som LuckyTemplates-bruger.

Konklusion

LuckyTemplates er sådan et velafrundet værktøj, der giver brugerne mulighed for at få så meget indsigt, som de kan, fra de data, de arbejder med. I det scenarie, vi diskuterede, kan du få avanceret rangeringsanalyse på en problemfri måde, når vi tager hensyn til teknikker som at måle forgrening.

Det er også fantastisk, hvis du udnytter de ressourcer, som vi har her hos LuckyTemplates. Selvom du har avanceret viden om at lave rapporter og dashboards, er der altid nye tricks og teknikker at lære.

Alt det bedste,

Jarrett