Asiakkaiden jakaminen: Nykyinen vs valintaperusteinen

Tässä blogissa vertaan olemassa olevaa asiakasjakoa toimipisteissä tai keskuspisteissä äskettäin laskettuun osuuteen valitun etäisyyden perusteella . Tällainen analyysi antaa yrityksille mahdollisuuden ymmärtää syvällisesti asiakkaiden kannattavuutta.

Tässä on kaksi samanlaista tietojoukkoa, jotka ovat Asiakastietojen valinta ja Asiakkaan tiedot ajantasaiset . Käytin näitä tietojoukkoja näyttämään sekä nykyisen asiakasjaon että juuri lasketun allokoinnin yhdistettynä yhteen raporttiin.

Sen lisäksi on Forward Stock Locations -taulukko, joka voi olla varastoja tai tehtaita. Tämä taulukko lisättiin molempiin asiakastaulukoihin ( Asiakastiedot-osio ja Asiakkaan tiedot ajantasainen ), jotta tiedot voidaan näyttää samanaikaisesti.

Sisällysluettelo

• Skenaario ja vertailuraportin asetukset
• DAX-mittarit asiakkaiden allokoinnin vertailuun
• Johtopäätös

Skenaario ja vertailuraportin asetukset

Kuvittele, että sinulla on toimitusinfrastruktuuri varastopaikoista, pakettilokeroista tai keskuksista asiakkaille.

Historiallisesti allokaatio on kehittynyt olemassa oleville termiinivarastojen sijainneille. Uutta liiketoimintaa on hankittu ja on aika miettiä, onko nykyinen järjestely edelleen perusteltu.

Käydään läpi raportti, jonka olen luonut tätä varten.

Ensinnäkin tämä kartta näyttää nykyisen asiakasjaon varikolla.

Sitten tämä taulukko näyttää etäisyyden, tulot ja vaatimukset.

Nämä kortit edustavat valitun termiinivarastojen kokonaissummaa ja prosenttiosuutta.

Oikeassa yläkulmassa on moniroolikortti, jota ei suodateta. Siksi se näyttää kokonaistulot ja -vaatimukset tietojoukossa viitteeksi.

Siellä on myös viipalointityökalu termiinivarastojen sijainnin valitsemista varten. Varmasti tämä voi olla varikko, tehdas tai mikä tahansa, mitä haluat analysoida. 

Tämän seurauksena FSL:n slicer hallitsee molempia karttoja täällä.

Alempi kartta näyttää Valitse etäisyys -leikkurin laukaisemat tulokset .

Nämä keskimmäiset kortit näyttävät tulot ja vaatimukset valitun etäisyyden perusteella. Tämä on hyödyllistä analysoitaessa eroa nykyisen asiakasallokoinnin ja uuden valinnan perusteella lasketun allokoinnin välillä. 

DAX-mittarit asiakkaiden allokoinnin vertailuun

Tämä onjota käytin tähän skenaarioon. Huomaa, että kaavan muuttujat riippuvat siitä, miten tietosi on määritetty. Sinun on säädettävä näitä omien tietojesi mukaisiksi saadaksesi oikean tuloksen.

Vaihtelevien värien näyttämisen koon ja värin mittasuhteet ovat erilaiset sekä nykyisessä allokoinnissa että valintaperusteisessa allokoinnissa.

Tämä on karttapisteen värin nykyinen mitta nykyiselle asiakasallokaatiolle.

Toisaalta tämä on Karttapisteen väri valintaperusteisen asiakasallokoinnin mittana.

Kuten näette, minunovat kolmessa erillisessä taulukossa. Piilotan nämä yleensä kansioihin, kun olen saanut mallini valmiiksi. Mutta rakentamisen aikana on paljon käytännöllisempää pitää ne käsillä.

Johtopäätös

Tämä esimerkkiraportti tarjoaa todellakin tehokkaan analyysin, koska voit tehdä valintoja jakaaksesi kaikki asiakkaat uudelleen olemassa oleville sijainneille. Oppimalla painopisteen laskennan ja Huff Gravity -analyysin voit helposti käsitellä erilaisia ​​sijaintitiedon projekteja.

Toivon, että tämä blogi edistää oppimiskäyrääsi ja lisää tietoisuutta siitä, kuinka tärkeää on käyttää tiedoissasi olevia maantieteellisiä komponentteja.

Muista, että tässä ei ole kyse parhaan näköisen raportin luomisesta, vaan pikemminkin esimerkistä. Esimerkiksi älykkäiden kertomusten tai kaavioiden lisääminen voi parantaa korkean tason esityksen mallia. Tämä on kuitenkin vasta analyysivaihe. 

Katso alla olevista linkeistä lisää esimerkkejä ja niihin liittyvää sisältöä.

Kiitos.

Paul