Bruke LuckyTemplates DAX-funksjoner for å håndtere produkter som har endrede priser overtid

I dette blogginnlegget skal vi jobbe gjennom en avansert, men virkelighetsnær analyse som involverer LuckyTemplates DAX-funksjoner. Du kan se hele videoen av denne opplæringen nederst på denne bloggen.

Scenarioet det er snakk om er når du har produkter som endrer priser over tid.

Mange av demoene/utstillingene du har anmeldt over tid tyder på at prisen på et produkt forblir nøyaktig den samme fra tidenes begynnelse til den nyeste datoen. I virkeligheten er dette ikke tilfelle.

I mange rådatatabeller har du sannsynligvis et oppsett der prisen kan endres til en annen pris over ulike tidsrammer. For eksempel kan prisene endre seg på grunn av sesongmessige krav.

Innholdsfortegnelse

• Implementering av LuckyTemplates DAX-funksjoner for prisendringer
• Forholdet mellom bordene
• Beregning av gjennomsnittlig produktprising
• Bruk av TREATAS-funksjonen
• Bruke LOOKUPVALUE-funksjonen
• Konklusjon

Implementering av LuckyTemplates DAX-funksjoner for prisendringer

Teknikkene som vi vil dekke i dette blogginnlegget vil hjelpe oss med å håndtere disse prisendringene. Det er litt av en læringskurve for å få dette riktig å brukefunksjoner.

Det kan imidlertid gjøres ved å sette opp datamodellen din riktig og bruke mer avanserte DAX-formelkombinasjoner.

For dette eksemplet vet du kanskje på forhånd hva prisendringene dine var historisk, og du vil integrere disse prisendringene i modellen din. Men i dette scenariet har du kanskje ikke priser i faktatabellen. Tenk på denne salgstabellen som en transaksjonstabell.

Hvis det var priser i denne tabellen, trenger du sannsynligvis ikke å gjøre dette. Men jeg har sett spørsmål dukke opp påstøtteforum hvor prisene er i en egen tabell og må integreres i.

Jeg laget en tabell der jeg har hvert produkt samt prisen for hvert produkt som endres for kvartalet. Så jeg har et produktnavn og en kvart dimensjon.

Så for produkt 1 var prisen i tredje kvartal $1 680,75.

Men hvis vi blar nedover tabellen, kan vi finne at prisen for produkt 1 har endret seg til $2 666,79 i løpet av fjerde kvartal.

I løpet av julen øker vi produktprisene ganske mye, så vi må vite hvordan disse prisene ble endret. Dette er en veldig god idé for fremtidig prognose og scenarioanalyse fordi du kan komme til å forutsi endringer i prisene i mange tilfeller.

Forholdet mellom bordene

Den vanskelige delen her er hvordan du får dette inn i modellen vår. Produkttabellen viser hvert enkelt produkt én gang, men produktpristabellen viser til et produkt flere ganger. Så vi kan ikke lage en relasjon mellom produktpristabellen og salgstabellen.

Det er ingen måte for oss å gjøre det fordi det er flere verdier i produktpristabellen, og vi vil at oppslagstabellen (produkttabellen) skal være på den unike siden.

I dette scenariet må vi være innovative og finne ut hvordan vi kan ta et datapunkt fra produktpristabellen mens vi analyserer data fra salgstabellen ved å bruke et par LuckyTemplates DAX-funksjoner.

Beregning av gjennomsnittlig produktprising

Slik gjorde jeg det. Da jeg hånet dette scenariet, gjorde jeg også en rekke ekstra ting. Jeg har her denne spesielle tabellen som har produktnavnet, gjennomsnittlig gjeldende pris og gjennomsnittlig produktprising, som kommer til å endres basert på kvartalet vi velger.

For å beregne gjennomsnittlig produktprising, må du huske at det faktisk ikke er noen sammenheng mellom Dato-tabellen (som er der kvartalet kommer fra) og Produktpristabellen.

Bruk av TREATAS-funksjonen

Så når vi gjør et valg her, må vi på en eller annen måte filtrere salgstabellen for å sikre at den riktige prisen for kvartalet kommer gjennom. For å gjøre det brukte jegfunksjon, som lar deg lage disse virtuelle relasjonene.

Etter praktisk talt å ha opprettet forholdet gjennom TREATAS , vil produktnavnet og detaljene endres basert på det kvartalsvise utvalget vi gjør.

Det er mye bruk for TREATAS -funksjonen i prognoser, reklame og markedsføring der prisene på produkter ikke alltid holder seg konstant. Du må bruke en kombinasjon av teknikker for å faktisk løse denne typen ting.

Nå vil jeg sammenligne det totale salget historisk basert på bare en engangspris. Jeg ønsker å sammenligne totalt salg med prisjusteringer, som inneholder alle salgene våre, men tar hensyn til alle disse prisjusteringene for kvartaler.

Bruke LOOKUPVALUE-funksjonen

For å få de ønskede resultatene, kom jeg opp med formelen ved å brukefunksjon. For beregningen av totalt salg med prisjustering brukte jeg SUMX- funksjonen salg, refererte til salgstabellen og hoppet deretter til mengdetabellen. Som et siste trinn brukte jeg funksjonen LOOKUPVALUE .

LOOKUPVALUE er nærmest en VLOOKUP som du muligens kan komme. Det er i utgangspunktet å gjøre en type VLOOKUP inne i produktpristabellen, men deretter bringe den inn i iterasjonen som vi gjør over salgstabellen.

Det fine med LOOKUPVALUE er at du ikke trenger noen relasjoner for å bruke den. Du kan hoppe inn i andre tabeller bare ved å referere til enkelte elementer i en bestemt tabell.

Ved å bruke LOOKUPVALUE- funksjonen vil du kunne følge med på prisendringene. La oss ta en titt på hva som skjedde sist 26. april 2018. Vi solgte 1 produkt, produkt 53.

Kolonnen Totalt salg vil ta hensyn til den nye prisen på $1 526, mens kolonnen Totalt salg m/prisjustering vil ta hensyn til $1327,62 som gjennomsnittlig produktprising.

Konklusjon

I dette eksemplet brukte jeg TREATAS- funksjonen som en måte å skape et unikt virtuelt forhold i min datamodell. Dette er et flott triks å lære når du arbeider med mer komplekse data.

Vi fikk også se på LOOKUPVALUE -funksjonen. Dette er en annen unik funksjon som ikke brukes ofte, men det er en logisk grunn til at vi må bruke den i dette spesielle eksemplet.

Vi implementerte noen utviklingsteknikker av høy kvalitet som dekker svært virkelige datascenarier som du sannsynligvis vil håndtere på et tidspunkt i virksomheten din.

For mange flere eksempler på forretningsanalyse, sjekk ut miniseriemodulen nedenfor på LuckyTemplates Online.

Nyt å jobbe gjennom denne detaljerte videoen.