RANKX i LuckyTemplates – Udvikling af brugerdefinerede Tiebreakers

Jeg vil vise dig, hvordan du opretter brugerdefinerede tiebreakers, når du bruger RANKX i LuckyTemplates .

At få uafgjort i en kritisk del afresultater er et almindeligt scenarie. Der er en række tiebreakers, du kan bruge, men det er vigtigt at vælge den, der giver mest mening for hver situation. Du kan se den fulde video af denne tutorial nederst på denne blog.

Indholdsfortegnelse

• RANKX's rolle i LuckyTemplates
• Spring over versus tæt
• Valg af en brugerdefineret tiebreaker
• Oprettelse af en tilpasset tiebreaker
• Brug af RAND-funktionen til at bryde bånd
• Konklusion

RANKX's rolle i LuckyTemplates

Jeg har for vane at sammenlignetil job i det virkelige liv. Dette hjælper mig med at knytte hver funktion til, hvad den gør i LuckyTemplates.

RANKX evaluerer og sætter elementer i rækkefølge efter et bestemt sæt kriterier. I den virkelige verden kan det sammenlignes med en dommer på en hundeudstilling, der beder deltagerne om at stille op derefter.

I det scenarie, jeg skal bruge i dag, vil jeg bruge RANKX som dommer til en hypotetisk salgskonkurrence. Dataene involverer tal fra et salgsteam, og præmien går til den person, der har det højeste samlede salg for måneden .

For at holde tingene interessante, lad os lade som om, at 1. præmien er en Cadillac El Dorado, mens 2. præmien er et sæt bøfknive. Det er en enorm forskel i værdi, hvilket betyder, at der kun kan være én vinder.

Når jeg ser på min tabel, har jeg en liste over alle sælgere i salgsteamet.

Jeg tilføjer dataene for hver persons samlede salg .

Dette er RANKX- målet, jeg anvender på denne tabel.

Det er kun en grundlæggende RANKX- konfiguration, der brugerså jeg ikke ender med at inkludere totalen når jeg sorterer rækkerne.

af sælgerne rangeres baseret på det samlede salg . Disse er arrangeret i DESC rækkefølge. Her bruger jeg Skip i tilfælde af at der er slips.

Nogle bruger måske tæt i stedet for Skip , men i dette tilfælde hjælper ingen af ​​dem faktisk.

Spring over versus tæt

For at demonstrere, hvordan Skip påvirker målingen, vil jeg trække og slippe rækkerne ind i tabellen.

Derefter vil jeg sortere dataene efter Rang .

Tabellen viser uafgjort til nummer 1 pladsen. Men det har ikke været en god måned for salgsteamet, så manageren har ikke råd til at give 2 Cadillac El Dorados væk. Det betyder, at jeg skal finde på en tiebreaker for at afgøre, hvem der får bilen, og hvem der får bøfknivene.

Jasper og Max er på toppen, lige som nummer 1. Fordi jeg brugte Skip, vil du se, at rangen hopper til 3 efter de to 1'ere på toppen . Dette virker ikke for mig, fordi det stadig efterlader mig med 2 vindere.

Hvad sker der, hvis jeg bruger Dense i stedet for Skip ?

Hvis jeg bruger Dense , påvirkes selve slipset ikke. Men i stedet for nummer 3 efter uafgjort, viser det nummer 2 .

Dense virker åbenbart heller ikke i dette tilfælde. Det betyder, at jeg bliver nødt til at anvende en brugerdefineret tiebreaker.

Valg af en brugerdefineret tiebreaker

En god brugerdefineret tiebreaker er defineret af to hovedkarakteristika.

For det første skal det meningsfuldt differentiere de bundne elementer. Det skal være en faktor, der adskiller de to eller flere elementer, der er bundet.

For det andet bør det ikke ændre rangen eller rækkefølgen af ​​de elementer, der ikke er bundet.

Når man tænker på disse to aspekter, er det nemt at finde på en række tiebreakers.

Samlet salg er vores primære placeringsfaktor.

Så jeg er nødt til at tænke på andre faktorer, der kunne bruges til at bryde uafgjort forårsaget af de lignende data på de øverste 2 rækker.

Antallet af salg kan være ét. Hvem maser mest? Hvem har fået flest kunder?

Det er også muligt at se på det maksimale salg ved at tjekke, hvem der fik de største konti.

Jeg kunne også se på det gennemsnitlige salg.

I dette tilfælde besluttede jeg at gå med Median Sales . Det er ikke så påvirket af outliers, der kommer fra enten den høje eller lave ende. Det betyder, at det kan give et bedre mål for central tendens.

Oprettelse af en tilpasset tiebreaker

Der er en del DAX i at skabe tiebreaker, men konceptet er enkelt.

Jeg har Ranking2 som variabel. Jeg brugte også HASONEVALUE af samme grund, som jeg brugte det i det primære RANKX- mønster tidligere. Den eneste forskel her er, at jeg bruger Median Sales denne gang i stedet for Total Sales .

Dernæst tager jeg resultatet af den variabel og dividerer det med 100.

Fordi jeg har hele tal i mit samlede salg, kan jeg spille med 1. og 2. decimal for at bryde uafgjort. At dividere det med hundrede tager tallene ud over decimalkommaet, så det differentierer de bundne tal på toppen uden at påvirke resten af ​​resultaterne.

Dette efterlader os med de øverste rækker, der viser 0,01, 0,02 og så videre. Så jeg vil vende det rundt, så topplaceringen får den højeste score på tiebreaker.

Så inden for HASONEVALUE trækker jeg rangskalaen fra 1 .

Når jeg anvender det på tabellen, vil du se, at jeg nu har to decimaler under min RANKX Tiebreaker .

Jeg vil også trække mit mediansalg ind i tabellen for at vise dig effekten af ​​vores tiebreaker mere tydeligt.

Ser man på disse tal, viser det faktisk, at hverken Max eller Jasper fik de højeste score. Det var faktisk Martin Perry.

Men husk, at dette kun er en tiebreaker , og det samlede salg er stadig den primære rangeringsfaktor . Det betyder, at jeg kun skal sammenligne tallene for de bundne rækker .

Så jeg tilføjer bare mit samlede salg og RANKX Tiebreaker for at få tallene for kolonnen Total Sales Tiebreak .

Jeg kører RANKX på det nye Total Sales med tiebreaker anvendt og sorterer dataene.

Nu viser den en fuld kørsel fra 1 til n uden bundne elementer.

Brug af RAND-funktionen til at bryde bånd

Der kan være tilfælde, hvor et tilfældigt genereret tal kan tjene som tiebreaker.

Et eksempel kunne være, hvis du ønsker en fokusgruppe, der omfatter et tilfældigt udvalg fra de 20 bedste sælgere. Hvis der er uafgjort i gruppen, er det rimeligt blot at bruge et tilfældigt tal som tiebreaker.

Men problemet med Power Query og DAX generelt er, at tilfældige funktioner opfører sig anderledes . Du vil ikke få de resultater, du forventer, især hvis du brugerinden for en itererende funktion.

RAND returnerer et tilfældigt tal mellem 0 og 1 . Så hvis du beslutter dig for, at det scenarie, du arbejder på, har brug for et tilfældigt genereret tal for at bryde uafgjort, ville det ideelt set blive gjort i denne del af målingen.

I stedet for kun Total Sales , bør dette vise Total Sales plus RAND . Men igen, i dette særlige scenarie vil det ikke give mig det endelige placeringsresultat, jeg har brug for.

Konklusion

Som du har set i dette eksempel, er det ret nemt at bryde uafgjort, når du bruger RANKX i LuckyTemplates. Tricket er at finde ud af, hvilken tilpasset tiebreaker, der giver de mest logiske resultater.

Jeg vil lave flere tutorials om andre tiebreakers i fremtiden, især om at bruge RAND i et prøveudtagningsscenarie. Jeg mener, at det er værd at se nærmere på.

I mellemtiden håber jeg, at brugen af ​​denne tilgang virker for dig, hvis du arbejder på et lignende scenarie i øjeblikket, eller hvis du støder på noget lignende i fremtiden.

Alt det bedste

***** Lærer du Lucky Templates? *****