Költségkeret elosztása: havi előrejelzések a LuckyTemplates napi eredményei között
Ebben az oktatóanyagban a LuckyTemplates költségvetés-elosztási algoritmusán fogok átmenni, ahol összehasonlíthatja a havi előrejelzéseket a napi értékesítéssel.
A mai blogbejegyzésben azt szeretném megvitatni, hogyan építhetsz további adatdimenziókat a LuckyTemplates alkalmazásban.
Ezek a dimenziók segíthetnek az adatok különböző módokon történő szűrésében. Ráadásul ezek a dimenziók segíthetnek abban, hogy a későbbiekben intuitív vizualizációkat készítsen.
Ez az oka annak is, hogy az adatmodellt a lehető legjobb módon kell beállítani. Amint azt az előző oktatóanyagokban említettem, külön kell választania a keresőtáblákat és a ténytáblázatokat. Így szükség esetén további adatdimenziókat is beállíthat.
Tartalomjegyzék
További adatdimenziók hozzáadása
Most szeretném bemutatni azokat a forgatókönyveket, amelyekben további dimenziókat kell hozzáadnia.
Először is megvan ez a Terméknév oszlop a Termékek táblázatban. Az itt felsorolt termékek terméknevük alapján vannak szűrve.
Előfordul azonban, hogy a termékeket bevétel vagy árrések alapján szeretné csoportosítani. Emiatt új oszlopot kell hozzáadnia és el kell helyeznie egy táblázatba. Itt kell létrehoznia további dimenziókat, amelyeket közvetítő számítások futtatásához használhat.
Ha alaposabban megnézi a táblázatot, láthatja, hogy az egyetlen termékhez kapcsolódó oszlop a Termékleírási index .
Ezért manuálisan kell összeállítania a további adatokat, amelyeket a teljes bevételhez ki kell számítania. Ehhez kattintson a Modellezés szalagra, majd kattintson az Új oszlop elemre .
Ezt követően nevezze el Termékértékesítésnek . Ez az oszlop az egyes termékek teljes bevételét mutatja a Terméknév oszlopban.
Most, hogy megvan a teljes bevétel, hozzá kell adnia egy másik dimenziót a termékcsoportokhoz.
Ismét kattintson az Új oszlopra , és nevezze el Ügyfélcsoportoknak . Ehhez a számításhoz a függvényt kell használni. Ez a funkció segít automatikusan meghatározni, hogy a termékeladások nagyobbak-e 10 milliónál vagy sem.
Ha az eladások nagyobbak, mint 10 millió, akkor jó ügyfelek kategóriába sorolhatja őket . Ha az eladások kisebbek vagy egyenlők 10 millióval, besorolhatja őket az Ok Clients kategóriába .
Végül a képlet bezárásához adja hozzá az ÜRES elemet az utolsó részhez.
Mivel létrehozta az Ügyfélcsoportok oszlopot, mostantól kapcsolatot hozhat létre az Értékesítési táblával.
Mostantól bármilyen számítást szűrhet a Termékek táblázat további dimenzióival. Ezek nélkül a számítást az Értékesítési táblázat több ezer sorával kell futtatnia .
A további oszlopok azért fontosak, mert segítik a hatékonyabb számításokat. Felgyorsíthatják a LuckyTemplates teljesítményét is, összehasonlítva egy hatalmas táblázatban végzett számítással.
Egyéb adatdimenziók kezelése
A dimenziók kezelésének másik módja az, ha elrejti az irreleváns oszlopokat a jelentésnézetben.
Bármely oszlopot elrejthet, ha jobb gombbal kattint, majd az Elrejtés jelentésnézetben lehetőséget választja .
Ebben a példában el kell rejtenie a Termékértékesítés táblát, mert csak a különböző ügyfélcsoportokat kell megjelenítenie a jelentésben. Az Index oszlopot is el kell rejtenie , mert az nem releváns az ügyfélcsoportok jelentésében.
A jelentés nézetben csak a Jó ügyfelek és az Ok ügyfelek adatait kell megjelenítenie. Ez azt jelenti, hogy az Ügyfélcsoportok oszlopot szűrőként és szeletelőként kell használnia .
Az Ügyfélcsoportok szeletelőben dinamikussá teheti a jelentést a Jó ügyfelek vagy az OK ügyfelek kiválasztásával .
Mivel a többi oszlop el van rejtve, nem látható a jelentésnézetben.
A rejtett Index és Termékek oszlop csak a többi adatdimenzió kapcsolatának létrehozásában volt hasznos, de nem releváns, hogy megjelenítse őket a vizualizációban.
Ezt a technikát más hasonló forgatókönyvekre is alkalmazhatja, amelyekkel a vizualizációk létrehozásakor találkozni fog.
Következtetés
Számos fontos adatmodellezési technikát tárgyaltam. Remélem, elsajátítja ezeket a technikákat, és alkalmazza őket minden alkalommal, amikor az adatmodell területén dolgozik.
Ahogy korábban is mondtam, az adatmodellt a lehető legjobb módon kell felépítenie, hogy ne legyen probléma a számítások során.
Egészségére!
Ebben az oktatóanyagban a LuckyTemplates költségvetés-elosztási algoritmusán fogok átmenni, ahol összehasonlíthatja a havi előrejelzéseket a napi értékesítéssel.
Ismerje meg, hogyan állíthatja be helyesen a számítások összegeit a fejlett DAX-képletek és a LuckyTemplates fejlett logikájának segítségével.
További információ a PowerApps-nézetekről és -űrlapokról, valamint arról, hogyan hozhatja létre és testreszabhatja azokat kifejezetten az Ön által létrehozott alkalmazáshoz.
Ebben a blogbemutatóban belemerülök a LuckyTemplates jelentéssablonjainak testreszabásához és a pénzügyi információk és adatok hatékony megjelenítéséhez.
Így néz ki egy kiváló LuckyTemplates jelentéstervezés. Ez egy gyári kialakítás, amely elemleírásokat és könyvjelzőket használ epikus navigációval.
Ismerje meg a különbséget a LuckyTemplates USERELATIONSHIP függvény és a TREATAS függvény között, amelyeket a DAX-mértékek létrehozásakor használnak.
Vadonatúj kurzus: Microsoft Excel kezdőknek
Tanulja meg és értse meg, hogyan használhatja a CASE utasítást az ISNULL SQL függvénnyel együtt érték visszaadására, ha NULL érték van.
Példák a LuckyTemplates irányítópultjára, tanulja meg és értse meg, hogyan hozhatja létre a leginnovatívabb oldalfordító vizualizációt a LuckyTemplates irányítópult kialakításához ezekben az egyszerű lépésekben!
Ebből az oktatóanyagból megtudhatja, hogyan hozhat létre R szórványdiagram vizualizációt a LuckyTemplates alkalmazásban az R Script vizualizáció segítségével.