Home
» Power BI
»
Szegmentálási példa Advanced DAX használatával a LuckyTemplatesben
Szegmentálási példa Advanced DAX használatával a LuckyTemplatesben
Amint egyre jobban megismeri a fejlett DAX-képleteket, látni fogja, hogy az elemzési lehetőségek világa mérhetetlenül kitágul az Ön számára. Ebben a példában megmutatom, hogy mennyivel. Az oktatóanyag teljes videóját a blog alján tekintheti meg.
Ebben a blogbejegyzésben néhány viszonylag fejlett DAX-logikát fogok megvizsgálni, majd építeni fogok rá úgy, hogy egy kezdeti számítást egy másikkal kombinálok. Ez a blogbejegyzés egy meglévő videót követ, amely lehetővé tette ügyfeleink csoportosítását az értékesítési rangsor alapján .
Elgondolkodtatott, hogy mit is generálhatunk még ebből az információból. Rájöttem, hogy érdekes lenne, ha a teljes perspektíva helyett százalékos perspektívából néznénk.
Például, ha az egyik évben az eladásainak 20%-át a legjobb 5 vásárlóitól szerzi, majd a következő évben már csak 5%-át. Marketing szempontból szeretné megérteni, miért történik ez, és lépéseket kell tennie ennek a százaléknak a növelése érdekében.
Először nézzük meg, hogyan csoportosítottuk ezeket az ügyfeleket. Létrehoztunk egy mérőszámot, és ezt a következő képlet segítségével vevőértékesítésnek neveztük el csoportonként:
Lényegében az volt, hogy minden éven belül dinamikusan rangsoroljuk, hogy hány értékesítés történt egy vásárlónként. Háromba csoportosítottuk őket: Top 5, Top 5 to 20, majd The Rest.
De most azt szeretnénk, hogy meghatározzuk ezeknek az összegeknek a százalékos arányát a teljes értékesítésben. Tehát ezeket a számokat százalékban akarjuk látni, hogy lássuk, hogy a százalékos változás bekövetkezik-e az idő múlásával.
Ezt nem túl nehéz megtenni onnantól, ahol most tartunk. Ha végignézted az előző blogbejegyzést vagy videót, és megértetted, akkor ez egy szelet torta lesz.
Ahhoz, hogy ezeket az eredményeket százalékban kapjuk meg, ki kell találnunk, hogyan lehet az Összes sorban szereplő számokat a Top 5, az 5-től 20-ig és a többihez tartozó számokhoz igazítani. Például az 5 legjobb ügyfelünk 4 988 170,10 dollárt keresett nekünk 2014-ben, amit el kell osztani a teljes 35 040 899,50 dollárral, hogy megkapjuk a százalékot.
Az első teendő az, hogy másolja és replikálja a táblázatot a vásznon, majd dolgozzon ki egy olyan intézkedést, amely ebben az összefüggésben lekéri a 35 millió összértékesítést.
Amint láthatja, a CLCULATE függvény belsejéből néztük meg a teljes értékesítést, majd megváltoztattuk a kontextust egy meglehetősen fejlett.
Összes értékesítés és vevőcsoportok táblázatai
Az összes értékesítés önmagában nincs kapcsolatban az előző blogbejegyzésben létrehozott Ügyfélcsoportok táblával. A kettő között végképp nincs összefüggés.
Tehát ha megpróbáljuk az összes értékesítést az Ügyfélcsoportok táblázat alapján szűrni, semmi sem fog történni. De nézd meg, mi történik, ha ezt bevisszük a táblázatba.
A 2014-es, 2015-ös és 2016-os oszlopokba szűrő kerül elhelyezésre; így a Csoportok tábla minden egyes iterációjában megkapjuk a végösszeget. A Csoportok dimenzió azonban nem szűr, mert nem kapcsolódnak az adatmodellhez. Tehát alapvetően megvan ennek az elemzésnek a két kulcseleme.
Vevői értékesítések százalékos arányának meghatározása rangsorolási csoport szerint
A következő lépés egy új mérőszám létrehozása, vagy a meglévő mérőszám használata, és a vevők értékesítése csoportonkénti % elnevezése. A Csoportonkénti Vevői értékesítést elosztjuk az összes értékesítéssel, alternatív eredményként 0-val.
Nyilvánvalóan ezt formáznunk kell, és százalékosra kell változtatnunk.
Az utolsó lépés az, hogy megragadja ezt a mértéket, és beírja a táblázatba, hogy lássa a százalékot. Úgy tűnik, hogy a megfelelő eredményt számolja, mert az összes összegre 100%-ot kapunk. Amint látja, ez egy szuper klassz technika, amely egy már korábban használt technikára épül.
Az adatok megjelenítése
Utolsó simításként ezt belehelyezheti egy vizualizációba, különösen, ha többet fog mutatni, mint az általam ebben a táblázatban bemutatott három év. Számos különböző módon szeletelheti fel ezeket az információkat, például ezzel a vonaldiagrammal:
Vagy ha úgy tetszik, használhatunk helyette egy területdiagramot:
Tessék: most dinamikusan kiszámoltuk, hogy az eladásaink honnan származnak, és az idők során mely rangsorokból származnak.
Ez egy igazán erőteljesen fejlett DAX-elemző munka, amely nagyszerű betekintést nyújt. Sok forgatókönyv esetén a saját tulajdonságaid felépítésének alapos ismerete kulcsfontosságú a döntéshozatalban és a kockázatkezelésben. Olyan helyzetekre járok a fejemben, mint a banki hitelkönyvek, a biztosítási fedezet, az értékesítési hozzárendelés és sok más. Ezeknek a technikáknak a kombinációjával elég hatékonyan fedezheti fel ezeket a felismeréseket.
Következtetés
Az ilyen típusú számítások összeállításában számos elem szerepel. Ha még csak most kezdi használni a DAX-ot, nézze meg online tanfolyamaimat, hogy jól megértse, hol kezdje el, és mit érhet el ezen felül. A technikák kombinációja olyan lehetőségek világát nyitja meg, amelyeket számos modellben újra és újra felhasználhat.
A kulcs ahhoz, hogy megértsük, hogyan lehet ezt áthelyezni a saját modelljeire, az, hogy átgondoljuk azt a dimenziót vagy attribútumot, amelybe bele kívánunk mélyedni, például ügyfelek, régiók vagy termékek. Ezután meg kell ismételnie ezt az attribútumot a mértékén belül. Néha még egy támogató táblára is szüksége lehet, hogy létrehozza ezt a logikát, amelyet végig kell futtatni.
Sok sikert ehhez. Ha bármilyen kérdése vagy visszajelzése van, tudassa velem az alábbi megjegyzésekben.