Bygge datadimensjoner i LuckyTemplates

I dagens blogginnlegg vil jeg diskutere hvordan du kan bygge flere datadimensjoner i LuckyTemplates.

Disse dimensjonene kan hjelpe deg med å filtrere dataene dine på forskjellige måter. På toppen av det kan disse dimensjonene hjelpe deg med å komme opp med intuitive visualiseringer senere.

Dette er også grunnen til at du må sette opp datamodellen din på best mulig måte. Som jeg har nevnt i de forrige veiledningene, bør du skille oppslagstabellene og faktatabellene. På denne måten kan du sette opp flere datadimensjoner når det er nødvendig.

Innholdsfortegnelse

• Legge til flere datadimensjoner
• Håndtere andre datadimensjoner
• Konklusjon

Legge til flere datadimensjoner

Nå vil jeg vise deg scenariene der du må legge til andre dimensjoner.

Først har jeg denne Produktnavn- kolonnen i Produkttabellen . Produktene som er oppført her er filtrert etter produktnavnene deres.

Det vil imidlertid være tider når du vil gruppere produktene basert på inntekter eller marginer. På grunn av det må du legge til en ny kolonne og plassere den i en tabell. Det er her du må opprette flere dimensjoner som du kan bruke til å kjøre mellomliggende beregninger.

Hvis du ser nærmere på tabellen, kan du se at den eneste produktrelaterte kolonnen er produktbeskrivelsesindeksen .

Derfor må du manuelt bygge tilleggsdataene du trenger for å beregne for total inntekt. For å gjøre det, klikk på Modelleringsbåndet , og klikk deretter på Ny kolonne .

Etter det bør du navngi det som produktsalg . Denne kolonnen viser den totale inntekten for hvert produkt under Produktnavn- kolonnen.

Nå som du har den totale inntekten, må du legge til en annen dimensjon for produktgruppene. 

Igjen, klikk på Ny kolonne og navngi den som klientgrupper . For denne beregningen må du bruke funksjonen. Denne funksjonen hjelper deg med å bestemme automatisk om produktsalget er større enn 10 millioner eller ikke. 

Hvis salget er større enn 10 millioner, kan du klassifisere dem som gode kunder . Hvis salget er mindre enn eller lik 10 millioner, kan du klassifisere dem som Ok-kunder .

Til slutt legger du til BLANK i den siste delen for å lukke formelen.

Siden du har opprettet kolonnen Kundegrupper , kan du nå opprette en relasjon til Salg- tabellen.

Du kan nå filtrere enhver beregning ved å bruke tilleggsdimensjonene i produkttabellen . Uten dem må du kjøre beregningen ved å bruke de tusenvis av radene i salgstabellen . 

Ekstra kolonner er viktige fordi de hjelper deg med å gjøre mer effektive beregninger. De kan også øke hastigheten på LuckyTemplates sin ytelse sammenlignet med å gjøre en beregning inne i en stor tabell.

Håndtere andre datadimensjoner

En annen måte å håndtere dimensjonene på er å skjule irrelevante kolonner i rapportvisningen.

Du kan skjule hvilken som helst kolonne når du høyreklikker og deretter velger Skjul i rapportvisning .

I dette eksemplet må du skjule tabellen Produktsalg fordi du bare trenger å vise de forskjellige kundegruppene i rapporten. Du bør også skjule Indeks- kolonnen fordi den ikke er relevant i rapporten for kundegrupper.

I rapportvisningen trenger du bare å vise dataene Good Clients og Ok Clients . Dette betyr at du må bruke kolonnen Klientgrupper som et filter og slicer.

I Klientgrupper- utsnittet kan du gjøre rapporten dynamisk ved å velge enten Gode klienter eller Ok klienter .

Siden de andre kolonnene er skjult, kan du ikke se dem i rapportvisningen.

Den skjulte Indeks- og Produkter- kolonnen var bare nyttige for å opprette relasjonen for de andre datadimensjonene, men det er irrelevant å vise dem i visualiseringen.

Du kan bruke denne teknikken på andre lignende scenarier som du vil møte når du lager visualiseringer.

Konklusjon

Jeg har diskutert en rekke datamodelleringsteknikker som er viktige. Jeg håper du mestrer disse teknikkene og bruker dem hver gang du jobber innenfor datamodellområdet.

Som jeg har sagt før, må du bygge din datamodell på best mulig måte, slik at du ikke vil ha noen problemer når du gjør beregningene dine.

Jubel!