Uddrag unikke indsigter i LuckyTemplates ved hjælp af DAX-rangering

I denne blog viser jeg rangordnede DAX-mål for at analysere noget virkelig praktisk og få fantastisk indsigt i LuckyTemplates. Det er for at beregne det samlede salg af mine top 3 sælgere baseret i en hvilken som helst region . Du kan se den fulde video af denne tutorial nederst på denne blog.

En virkelig interessant indsigt, ikke? Det kan virke relativt intuitivt, men faktisk at implementere dette inde i LuckyTemplates er ikke så let.

Du skal forstå, hvordan du skriver en DAX-formel, der opnår denne særlige indsigt baseret på den kontekst, vi placerer den i.

Konteksten vil være den særlige region, og så vil vi for enhver af disse regioner analysere alle sælgerne, forstå, om de er i top 3, og derefter tælle det salg, de rent faktisk bidrager med.

Hvornår skal du kigge på den slags information?

Fra et risikobegrænsende perspektiv er det værd at finde ud af, om al din omsætning er samlet omkring et lille antal personer.

Hvis disse bestemte personer forlod deres salgsregioner, ville din virksomhed i den pågældende region pludselig trække sig betydeligt sammen. Jeg dykker meget dybere ned i, hvordan du rent faktisk vil implementere dette under selvstudiet.

Jeg viser dig også, hvordan du kan visualisere dette på en overbevisende måde . Kombineret med, vil du kunne se, at LuckyTemplates kan udtrække disse højkvalitetsindsigter effektivt og dynamisk.

Hvis du kan forstå denne formel, og hvordan du implementerer den, åbner der sig mange ting analytisk for dig i LuckyTemplates. Dyk ned i selvstudiet og prøv at lære så meget du kan.

Indholdsfortegnelse

• Gå gennem datasættet
• Udarbejdelse af DAX-formlen
• Oprettelse af visualisering
• Konklusion

Gå gennem datasættet

Dette eksempeldatasæt er meget generisk. Vi har vores små og store regioner her, hvor de større regioner har flere sælgere, der er langt mere fordelt end de mindre regioner, naturligvis.

Det smarte er, at vi kan dykke ned i denne information dynamisk. Med de nye tabelfunktioner og de databjælker, der oprettes, kan vi se nærmere på denne visualisering og bore dybere og udtrække mere væsentlig indsigt.

Her kan vi se, at Florida er en af ​​vores største sælgere. Vi kunne rangere dette eller sortere efter samlet salg for klart at se vores topsalg ned til vores bundsalg.

Gennem databjælkerne kan vi se, hvor vores største risici er, og viser Rhode Island som en af ​​dem.

Vi kan vælge en stat, og den vil give os oplysninger om, hvor meget vi rent faktisk tjente i hvert af disse kvartaler. Og ved det udvalg kunne vi også se alle sælgerne i den region.

Så hvis der er en outlier, kunne vi faktisk vælge det bestemte kvartal og tallet med dataene.

For eksempel vælger vi kvartal 3 i 2016, vi kunne se, at vi havde mere end $10.000 salg, og 70 % gik til vores top 3 sælgere, som jeg placerede i top 3.

Vi kan også bore i vores sælgere og se, hvor meget de sælger, og hvorfor det er 70 %. Hvor langt du kan dykke ned i denne information for at udtrække indsigten er bare utroligt.

Du kunne identificere eventuelle afvigere så hurtigt og være i stand til at se, hvorfor det er en afvigende. Vi kan klikke til enhver tidsramme i enhver stat og se hvert salg pr. sælger.

Udarbejdelse af DAX-formlen

Lad mig guide dig gennem, hvordan du opretterat du er forpligtet til at oprette denne visualisering.

Det er ikke nemme formler. Der er få trin, du skal igennem for rent faktisk at få det til at fungere, og det største er faktisk at beregne, hvor meget af vores salg, der tilskrives vores top 3 sælgere.

Nu har vi allerede vores Total Sales , som jeg demonstrerer i mange af mine andre tutorials.

Så vi går til New Measure og opretter vores Top Sales People Sales formel.

Vi vil bruge SUMX og derefter gå ned til en anden linje, hvor vi sætter en virtuel tabel ved hjælp af TOPN- funktionen. Vi sætter 3 her, fordi vi leder efter vores top 3 sælgere.

På næste række går vi til Salespeople , som er et andet virtuelt bord. Så vi opretter en virtuel tabel i en virtuel tabel her.

Dernæst går vi til Sælgere , derefter SalesAmount på næste række, og vi bruger vores samlede salgsmål . Vi filtrerer derefter TOPN efter SalesAmount.

Vi refererer faktisk nu fra et mål i kolonnen "SalesAmount". Vi kan lave en kolonne med information og henvise til den i en anden tabelfunktion for at oprette et filter.

Det virker komplekst, men det er virkelig utroligt, hvad du kan opnå, når du begynder at gøre den slags ting.

Til sidst vil vi sætte udtrykket i SUMX, som er vores samlede salg.

Dette er en genanvendelig formel, så du kan implementere den på en række forskellige måder.

Nu vil vi også gerne vide den procentdel af salg, der går til vores top 3 sælgere i forhold til alt salg.

Så endnu en gang går vi til New Measure, og vi kalder denne % af salget til topsælgere . Vi vil bare gå DIVIDE , fordi vi allerede har foranstaltningerne. Vi behøver ikke at gøre noget for anderledes end det, vi allerede har.

Så vi dividerer vores Topsælgere med det samlede salg og tilføjer vores alternative resultat, som er 0 .

Med vores formler klar, kan vi nu lave vores visualisering.

Oprettelse af visualisering

Jeg viser dig, hvordan du kan oprette denne visualisering ved hjælp af databjælkerne.

Til vores første bord tager vi vores kvartal og år fra vores datoer, og går til vores placering og finder vores stat . Vi sætter kvartal og år i kolonnerne og vores stat i rækkerne. Derefter sætter vi vores samlede salg i værdierne.

For at skabe, klikker vi på denne værdisektion her, som er en rullepil, og går til Betinget formatering og klikker på Databjælker.

Vi vælger blot den temafarve, vi ønsker til vores databjælker her, og klikker på OK.

Med databjælkerne kan vi se efter kvartal, hvor mange salg vi rent faktisk lavede pr. stat. Vi sorterer det derefter efter Salg , så vi kan se klart det højeste ned til vores laveste salg pr. stat.

Vi vil også gerne vide, hvor stor en procentdel af salget, der går til vores top 3 sælgere i forhold til alt salg . For at gøre dette, kopierer og indsætter vi bare denne tabel hernede, og trækker derefter det mål, vi oprettede, % af Salg til Topsælgere ind i værdierne.

Hvis vi sammenligner denne tabel nedenfor med tabellen øverst, er den ikke rigtig indsigtsfuld, medmindre du sætter en eller anden betinget formatering på databjælkerne, ikke? Så lad os også bruge databjælkerne på denne tabel, og derefter sortere det for at give os klare rangordnede visuals.

Med databjælkerne er oplysningerne tydelige nu. Vi kunne ikke opnå så gode visualiseringer som denne, før databjælkerne eksisterede.

Det kunne vi, men vi er nødt til at oprette individuelle stablede søjlediagrammer. Men det ville være så kedeligt. Med databarer ville det være så nemt og hurtigt at få disse indsigter.

Til sidst griber vi vores sælgernavn og sætter vores samlede salg mod det for at skabe endnu et bord ved siden af. Derefter rangerer eller sorterer vi det og placerer filteret.

Konklusion

Ved at bruge den nye tabelfunktion har vi masser af muligheder for at bore i informationen og få unik indsigt i LuckyTemplates, såsom tilskrivning af sælgeres ydeevne.

I dette eksempel viser jeg, hvor effektive funktionerne er, sammen med nogle effektive rangordnede DAX-mål, til at opnå fantastiske visualiseringer og salgsindsigter.

Vi kunne faktisk ændre formlen, Top Sales People Sales, lidt og genbruge den. Hvis du virkelig tjekker formlen, er det bare et mønster.

Lad os sige, at du for eksempel ønsker at have top 1-kunden, så kunne vi gøre det ved blot at ændre nummeret her. Dette vil automatisk ændre resultaterne i tabellen.

Hvis du ønsker at begynde at mestre DAX-formler, så tjek udRute.

Det er her, jeg dækker mange af de vitale koncepter omkring DAX, som du skal lære rigtig godt for nemt at implementere denne type analytisk arbejde på tværs af dine egne data.

Eventuelle tanker eller kommentarer, lad mig det vide i kommentarfeltet nedenfor.

Skål!