Budsjetteringsanalyse av beste og dårligste resultater ved hjelp av LuckyTemplates

Jeg går gjennom mye budsjettanalyse fordi jeg tror det er ekstremt effektivt å bruke LuckyTemplates for denne typen analyser. Du kan se hele videoen av denne opplæringen nederst på denne bloggen.

LuckyTemplates som et verktøy dekker mange av de analytiske komponentene som må utføres godt for å fullføre dette analytiske arbeidet, og viser det deretter på en effektiv måte.

I denne opplæringen har jeg bestemt meg for å vise deg hvordan du kan forgrene deg fra de første budsjettberegningene dine.

Noen ganger er det ikke nok å bare vise et budsjett og et resultat . Kanskje du faktisk ønsker å vise forskjellen, og så på en eller annen måte vise frem det på en dynamisk måte hvem som har prestert bra kontra budsjett, og hvem som har prestert dårlig kontra budsjett.

Ved å gjøre dette i LuckyTemplates gir du deg selv muligheten til å vise frem denne innsikten på en virkelig dynamisk måte.

Dette har egentlig ikke vært mulig før funksjonene i LuckyTemplates har blitt utviklet til et punkt hvor du kan implementere dette.

Så jeg skal gå gjennom hvordan du kan skille dine beste og dårligste prester kontra budsjett, og deretter gå om å visualisere det. For å oppnå dette må vi ha riktig datamodell og riktig .

Innholdsfortegnelse

• Logikken bak denne budsjetteringsanalysen
• Oppsettet av datamodellen
• Skille beste og dårligste utøvere
• Konklusjon

Logikken bak denne budsjetteringsanalysen

I dette eksemplet har jeg noen budsjetter for 2016, så dette er et historisk datasett. Men jeg har også våre faktiske tall, som er på et daglig nivå, mens budsjettene er på et årlig nivå.

Jeg har gått gjennom og brukt budsjetteringsteknikkene og matchet data med forskjellige detaljer.

Nøkkelen for å få denne innsikten er å finne ut av, som utarbeider en logikk eller allokeringsalgoritme som lar oss tildele et årlig budsjett på daglig nivå, som i dette eksemplet. Det kan også være et månedlig budsjett med et daglig nivå.

Jeg har laget en rekke variabler...

…som til slutt gjorde denne ganske enkle beregningen nedenfor (som er en del av hele logikken eller formelen for budsjettfordeling) for å allokere noe som er et årlig tall over hver eneste dag.

Siden det er på en daglig kontekst, deler jeg d 1 med 365 dager ganger Totalbudsjettet . Og slik kan vi få Budsjettbevilgningen.

Med Totalt salg og budsjettallokering regner jeg ut resultatene til budsjett . Ved å gjøre det, var jeg i stand til å kjøre en annen beregning eller i det minste forgrene meg inn i denne beregningen.

Dette er et ganske enkelt regnestykke, men du må gå gjennom og sortere ut budsjettfordelingen først.

Oppsettet av datamodellen

En avgjørende ting for alleer datamodellen. Du må sørge for at du har alt riktig satt opp.

For denne demonstrasjonen er nøkkelen her at budsjettene våre har en bygranularitet, så for å kunne filtrere både salgstabellen og budsjetttabellen nøyaktig på samme måte, må du skille byene, som er det jeg har gjort her :

Når vi filtrerer noe her, flyter det ned gjennom Regions-tabellen og treffer Sales-tabellen, og deretter filtrerer det Budget Data-tabellen også.

Og så i denne tabellen kan vi ha bynavn-dimensjonen, og det gjør at jeg kan få totalt salg, budsjett og deretter finne faktiske kontra produktbudsjetter.

Skille beste og dårligste utøvere

I visualiseringen har jeg Totalt salg på X-aksen, mens Budsjettfordeling er på Y-aksen. Men uten legenden er det vanskelig å se hva som er bra og dårlig.

For å kunne få betydelig innsikt, må vi gjøre det virkelig åpenbart og klart hvem som er gode utøvere og hvem som er dårlige.

Vi kan faktisk gjøre det uten noe ekstra arbeid fordi den beste og verste dimensjonen faktisk ikke finnes i datamodellen vår . Det er ingen måte for oss å plassere det filteret på. Vi må faktisk skape denne dimensjonen .

Så det var akkurat det jeg gjorde. Jeg opprettet denne dimensjonen med en logikk som gjør oss i stand til å regne ut hvilken som er over og under 0. Jeg brukte Calculate- utsagnene for å finne ut hvilke ytelser som skal budsjetteres over null eller under null, og så har jeg klassifisert dem "Dårlig" eller " Bra" .

Når jeg har denne dimensjonen, kan jeg bruke den som et filter. Alt jeg trenger å gjøre er å dra den inn i Legenden , og vi kan se hvordan den faktisk skiller disse byene når det gjelder å være gode og dårlige.

Dessuten brukte jeg denne ytelsen mot budsjettet i visualiseringen for å finne de beste resultatene i forhold til de nederste.

Konklusjon

Nøkkelpunktene i denne demonstrasjonen er budsjettallokeringsberegningen , som er avgjørende for å få datamodellen riktig, og overlapping av noen av tilleggsdimensjonene eller ekstra støttekolonner for å få visualiseringene dine til å skille seg ut eller gjøre dem klarere.

Å bringe alle disse teknikkene sammen gir en virkelig effektiv budsjetteringsanalyse og rapport. Dette er et godt eksempel på hvordan du kan trekke ut virkelig verdifull innsikt fra arbeidet ditt i LuckyTemplates.

Å kunne (på en nesten sanntidsbasis) analysere hvem som er en god prest kontra hvem som er en dårlig prest, og deretter se hvordan det endrer seg over tid, er virkelig kraftig og kan skape mye verdi i organisasjoner og også bestemme handlinger.

Og det er det viktige med analysen vi lager i LuckyTemplates. Vi ønsker å bestemme eller skape handlingskraftig innsikt som kommer til å gjøre en forskjell, og jeg tror at gjennom dette eksemplet vil du helt sikkert se at det er veldig mulig.

Jubel!