TOPN er så kraftfuld en funktion, og der er så mange små nuancer i, hvordan den fungerer i forskellige sammenhænge.
Jeg vil gennemgå nogle eksempler, og du vil se, hvordan jeg har anvendt TOPN på disse meget unikke beregninger eller den indsigt, som jeg ønsker at fremvise.
Jeg har et setup her, hvor jeg prøver at analysere sælgerne.
Vi har vores sælgere i tabellen, og skemaet nedenfor repræsenterer kolonnerne Sælgernavn og Samlet salg. Så det viser den genererede omsætning over den bestemte tidsperiode.
Vi kan også ændre den tidsramme, som vi analyserer vores kunder på.
Brug af TOPN til at sammenligne salg versus top 5 salgsgennemsnit
Vi forsøger at sammenligne salget pr. sælger med gennemsnittet af vores top 5. Dette eksempel er et perfekt indblik i brugen af.
TOPN gør det muligt for os at manipulere en virtuel tabel baseret på en rangering og derefter køre en beregning baseret på den virtuelle tabel.
Du kan bruge TOPN på et par måder, men i dette særlige tilfælde placerer jeg den virtuelle TOPN- tabel inde i en itererende funktion.
Så inden for hvert enkelt resultat vil jeg skabe og forme en virtuel tabel, som jeg vil iterere igennem. Og så vil jeg lave et resultat ud fra det.
Hvis vi ønsker at analysere de fem bedste sælgere i vores kontekst, skal vi bruge funktionen ALLE i TOPN for at fjerne enhver kontekst fra sælgernavnet. Vi udvider en virtuel tabel med alle vores sælgere her.
Så kører vi en rangering og forlader kun top fem, fordi vi bruger Descending ( DESC ) her og Total Sales.
Grundlæggende gentager TOPN hver enkelt sælger, men vi returnerer kun top fem.
Så denne særlige iteration, AVERAGEX , gentager kun over fem sælgere på hver enkelt række.
Og teoretisk set ville disse top fem sælgere være følgende:
Du kan manipulere dette udtryk en del. Vi kan nå top 10 ved blot at ændre tallet til 10, og så ville vi få gennemsnittet af top 10.
Sammenligning af salg med top fem og konvertering af resultater til procent
For dette scenarie ønsker vi at sammenligne salget med vores top fem, og vi ønsker at se en procentdel. For at få dette resultat kan vi udføre følgende trin:
Til dette scenarie vil vi bruge variabel, som er Top5Average i dette tilfælde.
Indsæt RETURN , og DIVIDER derefter det samlede salg med top 5-gennemsnittet, og brug "0" som det alternative resultat.
Formater Sammenlign salg med top 5 gennemsnitlige værdier til en procentdel.
Vi får dette resultat:
Valgfrit: Fjern den samlede procentdel, da det ville være meningsløst der.
Valgfrit: Brug resultaterne til visualisering.
Brug af TOPN til at få procentdelen af de 5 mest solgte produkter
Dette eksempel er en anden relativt nuanceret måde at bruge TOPN på . I dette særlige tilfælde vil jeg gerne se procentdelen af de fem bedste produkter, som sælgerne sælger.
Så baseret på alle de salg, de laver, lad os opdele de fem bedste produkter, de sælger, og hvad er den tilsvarende procentdel af det.
Vi vil være i stand til at identificere, om en sælger virkelig fokuserer på et bestemt sæt produkter, eller om de foretrækker et bestemt sæt produkter i forhold til en anden sælger, der måske er for udbredt.
Dette kunne virkelig introducere nogle gode samtaler, hvis du virkelig vil sætte dig ind i, hvordan folk faktisk sælger dine produkter.
Vi kan bruge TOPN her som en ekstra kontekst i CALCUATE- funktionen. Den virtuelle tabel evaluerer hvert enkelt produkt, som hver sælger har solgt.
Dette ville finde ud af, hvad det samlede salg af det pågældende produkt var, og derefter kun returnere top fem, fordi vi bruger Descending ( DESC ), og vi placerede "5" i udtrykket.
Interessant nok behøver vi ikke bruge en ALL-funktion i dette scenarie. Dette skyldes, at den aktuelle kontekst for beregningen er sælger, så der er ingen indvirkning på produkterne.
Denne virtuelle tabel har skabt hver eneste række i denne særlige tabel, og så returneres salget af de fem bedste produkter.
Udledning af top 5 produktsalg
Du kan følge trin-for-trin-processen nedenfor for at få top 5 produktsalg:
Brug variablen Top5Product Sales og følg denne formel:
Opdater værdierne for "%" for Top 5 produktsalg til procent.
Nu har vi procenterne, og så kan vi sortere vores tabel ud fra disse procenter.
Vi kan nu se, hvorfor der er en enorm divergens mellem sælgerne. Er det regionalt? Er det lederfokuseret? Der er mange gode ting, du kan udlede af dette.
At skabe en visualisering ud af resultaterne er også en god idé for at se, hvor divergensen opstår.
Konklusion
Der er så mange forskellige måder at manipulere TOPN på, så du kan finde disse virkelig unikke og interessante indsigter, der involverer en eller anden form for rangering.
Du kan også evaluere, hvordan disse ting ændrer sig gennem tiden. Der er intet, der forhindrer dig i at inkorporere tidsintelligensberegninger eller tidssammenligningsberegninger oven i disse nye beregninger, som du har oprettet med TOPN .
Hvis du kunne lide at lære om TOPN , kan du gennemse disse links for at få flere oplysninger om dette emne: