Scenarieanalyseteknikker ved hjælp af flere hvad nu hvis-parametre

LuckyTemplates er et utroligt værktøj til at køre scenarieanalyse og hvad-hvis-analyseeksempler. Jeg har faktisk aldrig set eller stødt på et analytisk værktøj, der er så effektivt og intuitivt at implementere denne type komplekse analyser. Du kan se den fulde video af denne tutorial nederst på denne blog.

Nøglen er, at du er nødt til at tænke mere analytisk over de underliggende elementer i dine datasæt, end hvad du måske har gjort tidligere. Du skal isolere nøglevariabler og derefter beslutte, hvordan du rent faktisk vil køre "hvad hvis" eller scenarieanalysen oven på dem.

I dette blogindlæg viser jeg dig, hvordan du kan samle mange forskellige elementer inden for LuckyTemplates, især med DAX-formler, for i sidste ende at igangsætte denne type analyser i dine egne modeller.

Indholdsfortegnelse

• Udførelse af en scenarieanalyse i LuckyTemplates
• Et scenarie fra det virkelige liv
• Isolerende produkter
• Valgt Scenario Salg
• Ikke-valgt scenariesalg
• Scenario Performance
• Konklusion

Udførelse af en scenarieanalyse i LuckyTemplates

Det er blevet meget nemmere at lave "hvad-hvis"-analyse med den, som du nu kan starte fra det øverste bånd i LuckyTemplates. Når disse er aktiveret, er det bare et spørgsmål om at bruge foranstaltningerne (som oprettes automatisk) og bringe dem i kraft for at chokere de nødvendige variabler i dine data.

Det kan være ting som pris eller efterspurgt mængde, eller råvareomkostninger osv. (Jeg dykker dybere ned i disse variabler i løbet af selvstudiet).

En af de vigtigste erkendelser af scenarieanalyse i LuckyTemplates er, at du skal forstå iterationsfunktioner meget godt. I videoeksemplet viser jeg, hvordan du kan isolere visse variabler og derefter overlejre den korrekte 'what-if'-parameter til dem, inde i en itererende funktion som SUMX. Dette er virkelig den eneste måde, du kan gøre det effektivt på, så du bør helt sikkert prøve at mestre dette koncept.

Et scenarie fra det virkelige liv

Jeg blev e-mailet af en person, der ønskede at se, hvad returneringen ville være, eller hvad returneringen ville have været – enten historisk eller forventet – hvis du reducerer prisen på et produkt eller en gruppe af produkter, og derefter gennem den rabat, kan du tjekke hvor meget din fortjeneste eller dit salg ville være, hvis det øgede efterspørgslen efter dine andre produkter.

Dette er et scenarie fra det virkelige liv, ikke? For eksempel vil du måske gerne reducere prisen på dine produkter, hvilket vil bringe flere mennesker til din butik. I sidste ende kan de købe en bredere portefølje af dine produkter. Efterspørgslen efter dine produkter kan generelt stige for alle disse ikke-udvalgte eller ikke-rabattede produkter.

Dette er et eksempel på nogle virkelige scenarier, som du kan analysere inde i. I stedet for at gennemgå hver enkelt beregning trin-for-trin, har jeg allerede sat det op, og jeg skal lige gennemgå, hvordan jeg gjorde det.

Først og fremmest, lad os se funktionaliteten. Jeg har sat ting op, hvor vi kan ændre prisen på et udvalgt produkt. For eksempel kan vi vælge mellem 2 %, 5 %, 10 % og 20 %.

Hvis vi vælger 20 %, kan du se, at ændringen i salget stort set er faldet med 20 %, fordi det siger, at vi reducerer prisen på alt med 20 %.

Isolerende produkter

Det, jeg vil gøre, er at isolere, hvilke produkter vi ændrer prisen på . Lad os sige, at vi vælger et produkt og sænker prisen med 20 %. På bagsiden vil efterspørgslen stige med en vis procentdel på de ikke-udvalgte produkter. Lad os sige, at vi vælger produkt 1 og reducerer prisen med 20 %. På grund af denne prisændring vil vi se en stigning på 8 % i efterspørgslen efter alle de andre produkter.

Så hvad kommer det til at gøre ved den samlede salgspræstation? Du kan her se en procentdel af stigningen på det samlede salg gennem tiden.

Valgt Scenario Salg

Lad os sidde igennem nogle af formlen, som jeg brugte til faktisk at lave dette. Dette er naturligvis historisk, så vi beregnede det samlede salg ved at bruge SUMX for enhedsprisen ganget med ordremængden.

Det næste trin er at beregne det samlede salg af kun de udvalgte produkter. For at få dette oprettede jeg et nyt mål og kaldte det Selected Sales . Jeg brugte en VARIABEL til at opsummere det samlede salg og tilføjede prisjusteringen.

Og så i den nederste del af formlen beregnede jeg kun for de produkter, der er blevet udvalgt.

Så når jeg klikker på produkt 1 og holder musemarkøren over det, siger værktøjstippet 9,79 millioner, hvilket også afspejles i Selected Sales.

Når vi klikker gennem de forskellige produkter, kan du se, at det ændrer sig, uanset hvilket valg vi har foretaget, da dataene er dynamiske.

Det, som det valgte scenariesalg gør, er, at det beregner det samlede salg, men kun for den justerede prisændring . Det skal vi dog tilføje til det, der ikke er valgt, ikke? Den ikke-valgte del justeres med 8 % højere.

Ikke-valgt scenariesalg

For at oprette målingen for ikke-valgt scenariesalg går vi med alle salg – udvalgte salg.

For efterspørgselsscenarier går vi med ikke-valgte salg og tilføjer derefter efterspørgselsjusteringen til det. Vi får vores ikke-valgte salg, og så siger vi, at hvis det ikke er valgt, så vil det blive justeret af efterspørgselsparameteren.

Til sidst sætter vi dem også i CALCUATE-sætningen.

Nu har vi disse to tal: det valgte scenarie og det ikke-valgte scenarie . Hvis jeg hopper ned til mit Scenario I-salg, lægger jeg de to sammen: Salg af udvalgte scenarier + det ikke-valgte scenarie-salg.

Scenario Performance

Så produkt 1 bliver justeret af dette, og alle disse andre produkter bliver justeret af efterspørgslen. Med disse oplysninger kan jeg så regne ud, hvad ydelsen er, som er Scenariesalg divideret med Alt salg, hvis intet skete.

Så det er de kerneberegninger, der går ind i dette specifikke scenarie. Dette er et perfekt eksempel på et scenarie, der kunne ske i det virkelige liv. For eksempel tænker du måske på at droppe dine Top 3-produkter og se, hvilken effekt det ville have. Lad os sige, at du for eksempel falder dine Top 3-produkter med 10 %. Du kan forvente, at en enorm mængde mennesker kommer ind og ser en stigning i efterspørgslen på alle dine andre produkter med 15 %.

Ved hjælp af denne beregning kan vi meget hurtigt finde ud af, om rabatten vil være rentabel for os, eller om det er værd at gøre. Vi kan også køre nogle følsomhedsanalyser og finde ud af, hvor vores faktiske break-even er ved at bruge denne nuværende model.

Denne teknik viser den virkelige analytiske kraft bag LuckyTemplates, og den er kun en afledning af de mange scenarier, du kan inkorporere i din egen analyse.

Konklusion

Hvis du kan få en forståelse af, hvordan det hele fungerer, så kan du meget hurtigt lave noget komplekst arbejde inden for dine modeller og over dine egne datasæt, hvilket i sidste ende er det vigtigste, jeg ønsker, at du skal kunne opnå.

Så snart du gør dette en eller to gange, vil du være i stand til at begynde at skabe meget effektive LuckyTemplates-modeller, der producerer nogle virkelig højkvalitetsindsigter.

Hvis du vil udforske mange flere koncepter og anvendelser af scenarieanalyse i LuckyTemplates, så tjek mit kursus på. Der er masser af mere avancerede teknikker til at lære om at skabe denne kraftfulde type analyse.

Held og lykke med at implementere denne.