Kiugró eredmények észlelése és bemutatása a LuckyTemplates alkalmazásban

Ebben az oktatóanyagban végigvezetem a kiugró értékek észlelésének elemzésén, észlelve és megjelenítve a kiugró eredményeket. Az adatoknak nem kell egyedinek vagy személyre szabottnak lenniük. A nagyszerű dolog az, hogy ezt gyakorlatilag bármilyen adatkészleten megteheti. Az oktatóanyag teljes videóját a blog alján tekintheti meg.

Meg fogom mutatni, hogy a LuckyTemplates milyen csodálatos elemző eszköz.

Ehhez mindössze egy sor DAX-képletet és elemzési technikát kell beépíteni a modellekbe, majd végül hatékonyan megjeleníteni a LuckyTemplatesben elérhető összes dinamikus megjelenítési funkcióval.

A legfontosabb és legfontosabb koncepció, amelyet szeretném, ha ezt az oktatóanyagot nézegeti, az az, hogy ezt nagyon sokféleképpen lehet alkalmazni.

Tehát kezdjük a kiugró értékek magyarázatával egy szóródiagramon. Ezután megmutatom a különböző képlettechnikákat, amelyeket alkalmaznia kell ahhoz, hogy ezt a konkrét módon megjeleníthesse.

Tartalomjegyzék

• Kiugró értékek egy szóródiagramon
• Az adatmodell belsejében
• Outlier észlelése DAX használatával
• Következtetés

Kiugró értékek egy szóródiagramon

Ha észlelnénk egy, a legfontosabb dolog, amit ki kell dolgoznunk, az a logika, ami mögött a kiugró érték áll.

Először azonban szeretném bemutatni, hogy vizuálisan milyen hatással lehet a jelentéseinkre , és mennyivel könnyebb és hatékonyabb a fogyasztó számára, hogy kitalálja, mit akarunk megmutatni nekik .

Ha ezt a két diagramot nézzük, az első diagram (balra) pontosan ugyanazt mutatja, mint a második (jobbra), kivéve, hogy a második diagramban létrehoztam egy jelmagyarázatot vagy egy szeletelő szűrőt, amely mik a kiugró értékeink.

Tehát ha egy Vevő értékesítési és haszonkulcs egyidejűleg vagy egy bizonyos szint felett van, akkor ez egy kiugró érték adatkészletünkben.

Szeretnénk látni, hogy kik ezek az ügyfelek, és így gyakorlatilag ezt a második diagramon sokkal jobban láthatjuk, mintha csak az összes ügyfelünket és azok haszonkulcsát néznénk meg az első diagramon.

Sőt, sokkal jobban bele tudunk fúrni ügyfeleinket. Kiválaszthatunk egy szűrőt ,

vagy hozzon létre egy diagramot, és helyezzen el egy szűrőt a Szűrőmezők szakaszban .

Ez a diagram lehetővé teszi számunkra, hogy részletezzük azokat az ügyfeleket, akiket kiugrónak tartunk. Most nézzük meg az adatmodellünket, hogy megtudjuk, hogyan alkalmazzuk ezt.

Az adatmodell belsejében

Az első dolog, amit meg kell jegyeznünk, hogy ezt dinamikusan kell tennünk, mivel itt szegmentálunk, ügyfeleink csoportjait hozzuk létre. Ha bármit dinamikusan akarunk csinálni, azt képletek belsejében kell megtennünk .

Fizikailag nem tudunk kiszámított oszlopot létrehozni a modelleinkben, és reméljük, hogy ha más időkeretet helyezünk el ebben a modellben, akkor azt az eredményt kapjuk, amit akarunk. Ha kiszámított oszlopokat teszünk, akkor megkapjuk ezt a statikus információt. Csak frissítéskor fog frissülni.

Az első módja annak, hogy dinamikusan logikázzunk, egy támogató tábla . Tehát amint az adatmodellben látható, létrehoztam ezt a Outlier Detection Logic-ot . Ez egy támasztóasztal, ami azt jelenti, hogy nem kapcsolódik semmihez.

Ebben a táblázatban adjuk meg a logikát a kiugró értékek észleléséhez.

A kiugró értékeinket minimum harmincöt százalékos haszonkulccsal, maximum száz százalékos haszonkulccsal azonosítjuk, míg a nem kiugró értékeinket nullától harmincötig.

Ugyanez vonatkozik az eladásokra is, van néhány logikánk, amely az ötvenötezer feletti összértékesítés alapján azonosítja a kiugró értékeket.

Tehát gondolja át, hogyan alkalmazhatja ezt a saját logikáját. Lehet, hogy három különböző paramétere vagy változója érzékeli a kiugró értéket.

Most hozzuk létre azokat a képleteket, amelyek ezen a táblázaton keresztül iterálnak, és értékeljük ki az ügyfeleket, hogy megfelelnek-e a kiugró logikának vagy a kiugró nélküli logikának.

Outlier észlelése DAX használatával

Ne feledje, hogy minden egyes vásárlót végig kell futnunk, és meg kell határoznunk, hogy kiugróként vagy nem kiugróként értékelnek-e.

A kiugró érték azonosításához a CALCULATE-t használjuk az összes értékesítésünkhöz minden egyes Ügyfél esetében . És ez az, amit az ÉRTÉKEK funkció csinál, mivel minden ügyfelünkön SZŰRÜNK . Ezután végigmegyünk a Outlier Detection Logicán .

A nem kiugró értékünknél viszont minden ügyfélnél átfutunk némi logikán, de a fő különbség a kettős sor (||), amely az „or”-ra vonatkozik, nem pedig az „és”-re (&&).

Ha itt az „és”-t tesszük, akkor csak azokat az eredményeket mutatná meg, amelyek ötvenötezer és harmincöt százalék alattiak, amint azt a Outlier Detection Logicunk is jelzi.

Ezután létre kell hoznunk egy képletet, amelyet elhelyezhetünk a vizualizációnkban, ez pedig az értékesítési csoportosítási képlet.

Ez a számítás azt mondja, HA A SELECTEDVALUE (Outlier Detection Logic) egy Outlier , akkor a Outlier Sales értéket szeretnénk visszaadni . Ha nem, akkor visszaküldjük a Nem kiugró értékesítést .

Ez lehetővé teszi számunkra, hogy integráljuk vagy lekérjük a különböző eredményeket vagy a különböző képleteket a vizualizációnkban alkalmazott kijelöléshez vagy szűrőhöz.

Tagadhatatlan, hogy van benne valami, de ez csak azt mutatja meg, milyen csodálatos a DAX a LuckyTemplatesben, különösen a kiugró értékek észlelésének elemzéséhez.

Dinamikus kiugró triggerpontok létrehozása – Fejlett LuckyTemplates elemzési technika

Következtetés

Az oktatóanyagon bemutatott megközelítés valójában csak egy út, de remélhetőleg sokat tanultál ebből. Elég fejlett logikát alkalmaztunk, és nagyon hatékony módon mutattuk be szóródiagramok segítségével.

Nagyon sok alkalmazás létezik a kiugró értékek észlelésére. Ha egy nagyon specifikus betekintést szeretne igazán elmélyíteni vagy bemutatni, különösen akkor, ha egy szóródiagrammal hasonlít össze, akkor ez egy tökéletes módja annak, hogy hozzáadott értéket és még több betekintést nyerjen a vizualizációkba.

Ezért, ha megérti a képletek összes elemét, beleértve a képletek kombinálását és a vizualizáción belüli elhelyezését, akkor ezeket sokféleképpen alkalmazhatja az eredmények bemutatására saját adatkészleteivel.

Egészségére!