Oplev unik indsigt ved hjælp af LuckyTemplates TOPN-funktion
Denne blog indeholder LuckyTemplates TOPN DAX-funktionen, som giver dig mulighed for at få unik indsigt fra dine data, hvilket hjælper dig med at træffe bedre markedsføringsbeslutninger.
Til dette selvstudium vil jeg dække nogle tidsrelaterede indsigter af høj kvalitet direkte fra dine forsyningskædemålinger. Du kan se den fulde video af denne tutorial nederst på denne blog.
Dette er forbundet med en tutorial, jeg tidligere har udført om supply chain management. Det involverer en teknik til at styre et bestemt operationelt scenarie om flere datoer.
Jeg gennemgik også gode råd til at bygge den rigtige model. Ud over det gik jeg over, hvordan man opretter inaktive relationer mellem en datotabel og faktatabel, der har flere datoer. Til sidst dækkede jeg hvordan man tænder og slukker for disse relationer baseret på analysekravet.
Til denne vejledning vil jeg fokusere på at udvide din forsyningskædemetriske indsigt ved at oprette yderligere tidsrelaterede beregninger.
Det er ikke altid nok at få almindelig information fra din forsyningskæde. Du skal også optimere og sammenligne dine forsyningskædeberegninger med forskellige tidsrammer . Det er her, du kan anvende og lag tidsintelligens teknikker.
Indholdsfortegnelse
Arbejder på de igangværende ordrer
Tilbage i eksempeldataene kan du se tabellen Ordre i gang efter dato . Denne tabel viser antallet af ordrer eller transaktioner, der er åbne mellem ordredatoen og leveringsdatoen .
Du kan se, hvor mange ordrer der er i overgang, eller hvor mange ordrer der er, men endnu ikke er blevet leveret. Desuden er tallene dynamiske, fordi der er en tilstrømning af ordrer for en bestemt dato, som ændrer sig over tid.
Det bedste ved denne forsyningskædemetrik er den måde, jeg konfigurerede den på. Det er dynamisk, så du kan se på forskellige varehuse eller lokationer, hvor dit lager er placeret.
I tabellen Omkostninger efter lagerkode kan du se kravene til et specifikt lager.
Du kan endda dykke længere ned i din forsyningskæde-metrik for at få specifik indsigt. Som jeg har nævnt, handler det hele om to ting. For det første skal du få din model rigtigt og indstillet den korrekt med flere datoer. For det andet er det vigtigt, at du ved, hvordan du bruger de korrekte DAX-formelmønstre.
Ved at integrere tidsintelligensberegninger kan du analysere dine aktuelle ordrer i gang og sammenligne dem med en anden tidsramme. Den vigtigste indsigt her er at se, om der er en højere, lavere eller ensartet efterspørgsel over tid.
Derfor kan du bruge indsigten til salgs- og marketingkampagner til at forbedre produktefterspørgslen. Sådan er forsyningskædemålinger og analyser i LuckyTemplates meget nyttige for din virksomhed. Når du først forstår denne type analyse, kan du virkelig skalere tingene op i din virksomhed og klare kravene ved hjælp af marketingprogrammer.
Brug af tidsrelaterede beregninger i din forsyningskædemetrik
Hvis du allerede har lavet marketingkampagner flere gange, kan du køre en analyse for at få et gennemsnit over tid. Du kan tjekke og sammenligne dataene fra tidsrammerne.
Jeg vil vise, hvordan du nemt kan overlejre tidsintelligensberegninger til din eksisterende supply chain-metrik-analyse.
Hvis du ser på beregningen for Ordrer i gang LQ , kan du se, hvor ligetil formlen er.
Det startede med listen over igangværende ordrer, og derefter forgrenede det sig til en tidsintelligensindsigt. Ved at tilføje funktionen kan du springe tilbage til en anden tidsramme; for eksempel det foregående kvartal.
Når du overlejrer denne måling til den eksisterende i visualiseringen, kan du komme med en sammenligning med det nuværende kvartal til det sidste. Den mørkere blå linje viser resultaterne for det sidste kvartal, mens det nuværende kvartal falder inden for 3. kvartal 2019 .
Afhængigt af din salgscyklus eller forsyningskæde kan intelligensberegning denne gang være en meget relevant indsigt. Desuden, hvis du tænker mere bredt, kan du stadig komme med andre forsyningskædemetriske indsigter omkring flere datoer.
Beregning af de kvartalsvise ordreforskelle
Jeg har denne tabel for Kvartalsordrer Diff. by Date , hvor du nemt kan sammenligne forskellen mellem de to kvartaler. Jeg har lige oprettet foranstaltningen for blot at forgrene mig fra den oprindelige kerneindsigt.
Her er formlen for rækkefølgeforskellen. Det er dybest set bare at trække ordrer i gang LQ fra ordrer i gang .
Når du ser tilbage på tabellen, kan du nu få et hurtigt øjebliksbillede af, hvordan ordrer kommer ind for forskellige tidsrammer.
Dette er en af de vigtigste forgreningsmetoder, som jeg vil dele med dig. Jeg anbefaler stærkt at udvikle skalerbare rapporter af høj kvalitet i LuckyTemplates ved hjælp af forskellige forgreningsteknikker.
Som jeg allerede har nævnt, er disse eksempelberegninger dynamiske, så du specifikt kan kigge ind i et specifikt lager. Der er også forskellige måder at få værdifuld indsigt på baseret på dette. For eksempel kan du tjekke den gennemsnitlige beholdning af et bestemt lager over tid eller også sammenligne forskellige lagre.
Denne teknik, som jeg lærer dig, er en tidsrelateret analyse af høj kvalitet. Det ville have været meget udfordrende at gå om denne indsigt, men på grund af LuckyTemplates kan du gøre det problemfrit ved hjælp af korrekte DAX-formler og avancerede teknikker.
Yderligere teknikker til Supply Chain Metrisk
Ud over alt det, jeg har diskuteret, kan du endda overlejre et produkttypefilter. Du kan bruge den til at se på, hvordan dine produkter eller produktkategorier klarer sig over tid i din forsyningskæde.
Mit hovedeksempel ser på ordretransaktioner, men du kan også se på lageromkostninger over tid. Du vil måske også analysere andre data såsom omkostninger , indtægter , transaktioner eller ordremængder i enhver kernemetrik. Alle disse data kan i høj grad hjælpe dig med at måle eller forudsige dine kontantbehov.
Derudover kan du finde ud af, om din efterspørgsel i løbet af marketingkampagneperioden er væsentligt højere end din daglige efterspørgsel. Afhængigt af resultaterne kan du afgøre, om du skal skære ned på dine kontantbehov eller indsætte mere beholdning for at opfylde ordrer.
Konklusion
Der er en masse værdifuld indsigt, som du kan uddrage fra din forsyningskædemetrik. Det vigtigste er, at disse indsigter kan tilføje værdi til din virksomhed betydeligt.
Det hele begynder med at optimere dine forsyningskædemålinger og udvinde nyttig forretningsindsigt.
Det har været fantastisk at tale om business intelligence i LuckyTemplates med dig. Jeg vil også sætte pris på, hvis du kan lide den tilsvarende video i denne tutorial.
Held og lykke med at udforske vores uddannelsesplatform!
Denne blog indeholder LuckyTemplates TOPN DAX-funktionen, som giver dig mulighed for at få unik indsigt fra dine data, hvilket hjælper dig med at træffe bedre markedsføringsbeslutninger.
Lær nogle fantastiske analytiske teknikker, som vi kan gøre til datamodellering i LuckyTemplates ved hjælp af DAX-understøttende tabeller.
Her dykker vi ned i LuckyTemplates Advanced DAX og implementerer rangeringslogik for at få en meget unik indsigt. Jeg viser også måleforgrening i dette eksempel.
Denne blog introducerer den nye funktion i LuckyTemplates, What-If-analyseparameteren. Du vil se, hvordan det gør alt hurtigt og nemt til din scenarieanalyse.
Lær, hvordan du afgør, om din omsætningsvækst er god ved at kontrollere, om dine avancer er udvidet ved hjælp af LuckyTemplates, der måler forgrening.
Lær og forstå, hvordan du kan oprette og bruge LuckyTemplates Parameters, som er en kraftfuld funktion i Query Editor.
Denne vejledning vil diskutere om oprettelse af et rundt søjlediagram ved hjælp af Charticulator. Du lærer, hvordan du designer dem til din LuckyTemplates-rapport.
Lær, hvordan du bruger PowerApps-funktioner og -formler til at forbedre funktionaliteten og ændre adfærd i vores Power Apps-lærredsapp.
I denne øvelse lærer du, hvordan du kæder funktioner sammen ved hjælp af dplyr-røroperatoren i programmeringssproget R.
RANKX fra LuckyTemplates giver dig mulighed for at returnere rangeringen af et specifikt tal i hver tabelrække, der udgør en del af en liste over tal.