PowerApps-søkefelt: Slik legger du til og tilpasser
Lær hvordan du oppretter et PowerApps-søkefelt fra bunnen av og tilpasser det til å matche det overordnede temaet for appen din.
Beregn dager med null lager – LuckyTemplates Inventory Management Insights
Jeg skal gå over et unikt stykke analyse her angående LuckyTemplates Inventory Management. Du kan se hele videoen av denne opplæringen nederst på denne bloggen.
Denne ideen kom fra en forespørsel om. Medlemmet ønsket å regne ut hvor mange dager det var da beholdningen var på null. Dette kommer til å være basert på aksjebevegelsesdata.
Innholdsfortegnelse
- Eksempel på datavisualisering
- Modell som viser nødvendige data
- Teller opp det totale antallet dager med null aksjer
- Konklusjon
Eksempel på datavisualisering
La oss starte med en visualisering av eksempeldataene som er gitt, som vist nedenfor.
Du vil se at grafen viser lagernivåene over en gitt tidsperiode . Mange SAP-systemer viser faktisk data som dette hvor du kan se faktiske lagerbevegelser.
Du kan se om aksjene økte med 20 på et bestemt tidspunkt, eller redusert med 3, og så videre. Det kan du se her i kolonnen Antall .
Materialene er også delt inn i spesifikke grupper for klarhet. Det gjør det mer effektivt å finne ut hvilke spesifikke produkter eller materialer som beveger seg .
Når lagerendringer skjer, trenger du også en dato knyttet til det. Dette forteller deg når en bestemt aksje viste bevegelse.
Det samme gjøres når det kommer ekstra inventar inn. Hver aktivitet er knyttet til datoen da den skjedde eller når den ble lagt ut.
Modell som viser nødvendige data
Fra disse spesifikke datagruppene genereres denne enkle modellen. Den viser hver bevegelse som kreves for å få resultatene du trenger.
Med denne informasjonen kan vi lage en kumulativ totalsum for vårt lagernivå til enhver tid. Derfra kan vi telle opp dagene da det var null beholdning.
La oss bruke litt kontekst her. Vi teller opp dagene; dette betyr at vi trenger spesifikke datoer.
Som nevnt tidligere er materialene også delt inn i separate grupper. Dette forteller oss hvilke spesifikke aksjer som beveger seg. Det ser vi her.
Når det gjelder beregningene, vil de alle skje i tabellen nedenfor.
Demomodellen er ikke så lang og komplisert, men den viser all bevegelsen du trenger.
La oss nå se hvordan disse ser ut på bordet vårt. Du trenger bare en enkelpå lagerendringene og kvantumet.
Den beregningen vises i kolonnen Antall .
Vi kommer også til å legge til noen filtre her. Jeg skal vise formelen brukt for filteret senere, men slik ser filteret vårt ut.
Du vil se at vi bare har ett spesifikt materiale valgt for øyeblikket. Dette er grunnen til at du også ser samme type materiale oppført i kolonnen Materialbeskrivelse.
Selvfølgelig har vi en slicer som lar oss spesifisere tidsperioden for dataene vi får som et resultat.
Når du ser på tabellen, kan du nå se at på denne spesifikke datoen hadde vi minus 1, noe som betyr at en aksje sannsynligvis ble solgt.
Hver gang det er en endring i antall, vil du se visualiseringen endre seg også. Så i dette tilfellet kan det 1 solgte stykket ses i denne nedgangen på diagrammet.
Bortsett fra solgte produkter, kan du også se at det på en bestemt dag kom inn 15 stk.
Teller opp det totale antallet dager med null aksjer
Teknikken som jeg brukte her er veldig lik den vanlige måten du ville gjort en.
Når denne kumulative summen er opprettet, kommer den til å speiles i visualiseringen din. Vi ser etter dager der beholdningen er null, som du vil se i fallene på diagrammet ditt.
Her vil du se at på en bestemt dag ble 13 aksjer flyttet ut av beholdningen, noe som førte til at du har null aksjer. Så alt vi trenger å gjøre er å finne lignende dager som dette, og deretter finne ut hvor mange av disse dagene det er totalt.
Dette resultatet kommer til å bli vist her, merket som Days Out Of Stock .
For å begynne å få det tallet, må vi bygge en virtuell tabell som skal vise de tre kolonnene som inneholder dataene vi trenger.
Den virtuelle tabellen er bygget ved å bruke denne delen av formelen.
La oss diskutere den formelen stykke for stykke.
Jeg startet med ADDCOLUMNS , deretter brukte jeg CROSSJOIN for å sikre at hver spesifikk dato og materiale er representert.
Så la oss si at en bestemt type materiale ble flyttet på en bestemt dag. Denne delen av formelen sørger for at alle datoene innenfor tidsperioden er oppført, inkludert datoen da bevegelsen skjedde.
På den annen side er det denne delen av formelen som lager en liste over alle mulige typer materialer. Dette sikrer at når den bevegelsen skjer, står tabellen for den spesifikke aksjen.
Når datoene og beholdningene er lagt til i tabellen ved hjelp av CROSSJOIN , kan du nå opprette en ny kolonne som viser den kumulative summen , som vist i denne delen av formelen vist nedenfor.
Husk at du bare teller nullene her. Men hva med de tomme feltene på våre totaler?
Det er det denne delen av formelen er til for.
Du vil se at vi ser etter kolonner med null i. Samtidig ekskluderer vi også rader som er BLANKE .
Disse tomme radene er der fordi den spesifikke typen beholdning kanskje ikke har vært en del av beholdningen ennå i løpet av den spesifikke tiden. I tabellen ovenfor ser du at de tomme feltene kommer før 15 stykker av den spesifikke aksjen ble lagt til. Dette betyr at denne leveringen av 15 lager kan ha vært første gang for dem å ha den typen produkt.
Når formelen er brukt, får du det nummeret du trenger. Det er definitivt mye bedre enn å bla gjennom radene én etter én, og telle hvor mange av dem som ville vise nuller.
Konklusjon
Så nok en gang har vi løst et annet problem ved å bygge en virtuell tabell. Denne gangen brukes tilnærmingen som en LuckyTemplates lagerstyringsteknikk. Den virtuelle tabellen ga oss det nøyaktige resultatet vi trengte, som var det totale antallet dager da det var null beholdning.
Forhåpentligvis kan du finne noe bruk for dette unike konseptet i LuckyTemplates.
Beste ønsker,
SELECTEDVALUE DAX-eksempel- Valg av høsteskive
Høst eller fang en verdi inne i et mål for å gjenbruke i et annet mål for dynamiske beregninger ved å bruke SELECTEDVALUE DAX i LuckyTemplates.
Versjonshistorikk i SharePoint-lister
Oppdag hvordan versjonshistorikk i SharePoint kan hjelpe deg med å se utviklingen av bestemte data, og hvor mange endringer den har gjennomgått.
Hex-fargekodevelger for Lucky Templates-rapporter
Her er et verktøy for å lage rapporter og grafikk, en sekskantkodevelger for farger som du kan bruke for enkelt å få fargene til LuckyTemplates-rapportene dine.
Dynamisk datoskjærer i Lucky-maler ved hjelp av en periodetabell
Du kan enkelt vise en datoperiode som en slicer i rapporten ved hjelp av en periodetabell. Bruk en M-kode for å lage den dynamiske datoskjæreren i LuckyTemplates.
Proporsjons- og frekvenstabeller i Excel
Skulle dykke ned i frekvenstabeller i Excel samt proporsjonstabeller. Se nærmere på hva de er og når du skal bruke dem.
Slik installerer du DAX Studio & Tabular Editor i LuckyTemplates
Lær hvordan du laster ned og installerer DAX Studio og Tabular Editor 3 og hvordan du konfigurerer dem for bruk i LuckyTemplates og i Excel.
LuckyTemplates Shape Map Visualization for romlig analyse
Denne bloggen inneholder Shape Map-visualiseringen for romlig analyse i LuckyTemplates. Jeg viser deg hvordan du kan bruke denne visualiseringen effektivt med dens funksjoner og elementer.
LuckyTemplates finansiell rapportering: Allokering av resultater til maler på hver enkelt rad
I denne opplæringen viser jeg frem en unik idé rundt finansiell rapportering, som tildeler resultater for å forhåndsbestemme tabellmaler inne i LuckyTemplates.
DAX-mål i LuckyTemplates ved hjelp av måleforgrening
Opprett DAX-mål i LuckyTemplates ved å bruke eksisterende mål eller formler. Dette er det jeg kaller tiltaket forgreningsteknikk.