Segmenteringseksempel ved brug af avanceret DAX i LuckyTemplates

Når du først kommer mere og mere ind i avancerede DAX-formler, vil du se en verden af ​​analytiske muligheder udvide sig umådeligt for dig. I dette eksempel vil jeg vise dig med, hvor meget. Du kan se den fulde video af denne tutorial nederst på denne blog.

I dette blogindlæg vil jeg udforske noget relativt avanceret DAX-logik og derefter bygge videre på det ved at kombinere en indledende beregning med en anden. Dette blogindlæg følger en eksisterende video, der gjorde det muligt for os at gruppere vores kunder efter deres salgsplacering .

Det fik mig til at tænke på, hvad vi ellers kan generere ud fra denne information. Jeg indså, at det ville være interessant, hvis vi så på det fra et procentperspektiv i stedet for et totalperspektiv.

For eksempel, hvis du det ene år tjener 20 % af dit salg fra dine Top 5-kunder, og det næste år kun tjener 5 %. Fra et marketingperspektiv vil du gerne forstå, hvorfor dette sker, og tage skridt til at øge denne procentdel.

Indholdsfortegnelse

• Bestemmelse af dynamisk rangering pr. kundegruppe
• Samlede salgs- og kundegruppetabeller
• Bestemmelse af procentdel af kundesalg efter rangeringsgruppe
• Visualisering af data
• Konklusion

Bestemmelse af dynamisk rangering pr. kundegruppe

Lad os først gennemgå, hvordan vi grupperede disse kunder i første omgang. Vi oprettede et mål og kaldte det Customer Sales by Group ved hjælp af denne formel:

Grundlæggende var det, vi gjorde, dynamisk at rangere inden for hvert år, hvor mange salg der blev foretaget pr. kunde ved hjælp af. Vi grupperede dem i tre: Top 5, Top 5 til 20 og derefter The Rest.

Men hvad vi nu vil gøre, er at bestemme procentdelen af ​​disse beløb i det samlede salg. Så vi ønsker at se alle disse tal som procenter, så vi kan se, om den procentvise ændring sker over tid.

Det er ikke så svært at gøre fra det sted, hvor vi er nu. Hvis du gik gennem det forrige blogindlæg eller video og forstod det, så bliver denne en piece of cake.

For at få disse resultater som en procentdel, skal vi finde ud af, hvordan vi får tallene i rækken Total til tallene i Top 5, Rang 5 til 20 og Resten. For eksempel tjente vores Top 5-kunder os $4.988.170,10 i 2014, som skal divideres med vores Total på $35.040.899,50 for at få procentdelen.

Den første ting at gøre er at kopiere og replikere tabellen i lærredet, og derefter udarbejde et mål, der vil hente de 35 millioner samlede salg i denne sammenhæng.

Som du kan se, har vi set det samlede salg inde fra funktionen CALCUATE, og derefter ændret konteksten ved hjælp af en ret avanceret.

Samlede salgs- og kundegruppetabeller

Det samlede salg har i sig selv ingen relation til tabellen Kundegrupper, som vi oprettede i det forrige blogindlæg. Der er absolut ingen sammenhæng mellem de to.

Så hvis vi forsøger at filtrere det samlede salg efter tabellen Kundegrupper, sker der ikke noget. Men tjek, hvad der sker, når vi bringer dette på bordet.

Der placeres et filter i kolonnerne 2014, 2015 og 2016; så vi får totalen i hver enkelt iteration af tabellen Grupper. Dimensionen Grupper filtrerer dog ikke, fordi de ikke er forbundet med datamodellen. Så vi har grundlæggende de to nøgleelementer til dette stykke analyse.

Bestemmelse af procentdel af kundesalg efter rangeringsgruppe

Det næste trin er at oprette et nyt mål eller bruge det eksisterende mål og kalde det % Kunders salg pr. gruppe. Vi deler kundesalget efter gruppe med det samlede salg med 0 som mit alternative resultat.

Det er klart, vi bliver nødt til at formatere dette og ændre det til procent.

Det sidste trin er at gribe dette mål og sætte det i tabellen for at se procentdelen. Det ser ud til, at det beregner det rigtige resultat, fordi vi får 100% for alle totalerne. Som du kan se, er dette en super fed teknik bygget oven på en eksisterende teknik, som vi tidligere har brugt.

Visualisering af data

Som prikken over i'et kan du sætte dette ind i en visualisering, især hvis du skal vise mere end de tre år, jeg har illustreret i denne tabel. Der er en række forskellige måder, du kan skære og skære denne information på, som med dette linjediagram:

Eller hvis du foretrækker det, kan vi bruge et områdediagram i stedet:

Der har du det: Vi har nu dynamisk beregnet, hvor vores salg kommer fra, og fra hvilke rangeringsgrupper de kommer fra gennem tiden.

Dette er virkelig kraftfuldt avanceret DAX-analysearbejde, der giver stor indsigt. I mange scenarier er det nøglen til beslutningstagning og risikostyring at have en stærk forståelse af sammensætningen af ​​dine egenskaber. Mit sind går til situationer som banklånebøger, forsikringsdækning, salgstilskrivning og mange andre. Ved at bruge en kombination af disse teknikker kan du finde disse indsigter ganske effektivt.

Konklusion

Der er mange elementer involveret i at sætte denne form for beregning sammen. Hvis du lige er begyndt med DAX, så tjek mine onlinekurser ud og for at få en god forståelse af, hvor du skal starte, og hvad du kan opnå oven i dette. Kombinationen af ​​teknikker her åbner op for en verden af ​​muligheder, som du kan bruge igen og igen i mange modeller.

Nøglen til at forstå, hvordan du flytter dette over til dine egne modeller, er at tænke på den dimension eller egenskab, du ønsker at bore i, såsom kunder, regioner eller produkter. Du bliver så nødt til at gentage denne egenskab i dit mål. Nogle gange kan du endda få brug for en understøttende tabel for at skabe den logik, der skal køres igennem.

Held og lykke med denne. Hvis du har spørgsmål eller feedback, så lad mig det vide i kommentarerne nedenfor.