Løs en dataanalyseutfordring med LuckyTemplates Accelerator

For dette innlegget vil jeg lede deg gjennom et virkelighetsscenario der du kan finne deg selv i en lignende situasjon der du blir bedt om noe av en interessent og du må lage en rapport raskt basert på det de ber om. Dette er nøyaktig hva LuckyTemplates Accelerator- dataanalyseutfordringen handler om. Du kan se hele videoen av denne opplæringen nederst på denne bloggen.

I denne spesielle akseleratoren har Brian (vår innholdssjef hos LuckyTemplates) laget et scenario der du kan bruke dine analytiske ferdigheter.

Med LuckyTemplates kommer mestring i å forstå hvordan du kan bruke visse teknikker til forskjellige miljøer og forskjellige scenarier. For å kickstarte gasspedalen skal jeg jobbe gjennom problemet og se hvordan dette blir.

Innholdsfortegnelse

• The Brief For The Data Analytics Challenge
• Opprette en ny måletabell for dataanalyseutfordringen
• Opprette det totale salgsmålet for dataanalyseutfordringen
• Hvilke stater er salget høyt eller lavt?
• Hvor mange salg gjorde de 5 beste produktene?
• Hvem er de 10 beste selgerne?
• Konklusjon

The Brief For The Data Analytics Challenge

Her er kort for denne dataanalyseutfordringen:

Sjefen din kommer inn på kontoret ditt mandag morgen og ser stresset ut. Hun forteller deg at vi har muligheten til å kjøpe en av våre hovedkonkurrenter og at konsernsjefen ønsker en orientering fra COB for å svare på følgende spørsmål om oppkjøpsmålet:

1. Hva var deres høyeste og laveste salg i et gitt år?
2. I hvilke stater var salget deres høyt? Lav?
3. Hvor mange salg gjorde de i sine topp 5 produkter hvert kvartal?
4. Hvem var deres topp 10 selgere i et gitt år, og hva var $-verdien av salget deres?

Bare ved å se på denne oversikten, vet jeg allerede at vi kommer til å bruke en form for rangeringsformel. Rangeringsformelen kommer til å være lik for alle disse kravene, og vi vil bare endre konteksten.

Vi har også litt av en mock-up av hva interessenten ønsker å se.

Som du kan se, er dette en veldig vanlig hendelse der du får et raskt spørsmål, og du må raskt kaste noe sammen ved å bruke en modell og en disposisjon.

Det er akkurat dette vi vil at vi skal handle om, som er en dataanalyseutfordring der alle definitivt kan hoppe inn og engasjere seg.

Opprette en ny måletabell for dataanalyseutfordringen

Det første jeg skal gjøre er å lage en ny måletabell fordi modellen allerede er bygget.

Alt jeg trenger å gjøre er å tenke på logikken for å legge til og bestemme hvilken rangeringsfunksjon som skal brukes mellom eller .

La oss bare raskt finne ut hvor salget kommer fra i datasettet vårt. Det ser ut til at linjesalget er inntektskolonnen vår.

Opprette det totale salgsmålet for dataanalyseutfordringen

Jeg skal lage et nytt tiltak.

Jeg skal kalle dette målet Totalt salg , og gjøre en enkel sum av linjesalgskolonnen.

Jeg kan bare kvitte meg med kolonnen som jeg ikke trenger, så sørg for å gjøre tiltaket om til en tiltaksgruppe. Jeg har også datotabellen min på rekke og rad i modellen min, som jeg vil gjøre om til et linjediagram, og deretter ta tak i Totalt salg og dra det inn i verdiområdet.

Som du kan se, er dette diagrammet for travelt. Vi må få måneden og året for å gjøre oss i stand til å se dette tydeligere. Jeg kommer til å endre konteksten her.

Dette er ikke sortert på riktig måte, så jeg må gå til datotabellen min , finne kolonnen Måned og år , og deretter bruke en støttekolonne som heter Måned og år . Du kan lage en Dato-tabell fra forumet vårt eller fra Analyst Hub.

Kartet ser så mye bedre ut nå og ligner mer på det vi trengte i mock-upen.

Den neste tingen å gjøre er å lage et filter for året fordi vi ønsker å kunne dele det opp etter år. Så jeg skal lage en horisontal slicer og sette denne øverst i høyre hjørne.

Hvilke stater er salget høyt eller lavt?

Det neste spørsmålet i korte er hvilke stater er salget høyt eller lavt ? Vi må få statene våre inn i en tabell, så vi går til Locations-kolonnen, velger State og gjør den om til en tabell.

Jeg gjør alltid ting om til en tabell for å kunne se resultatene jeg faktisk får. Jeg legger også inn totalt salg og formaterer deretter valutaen.

Jeg innså nettopp at jeg ikke engang trenger å bruke en rangeringsfunksjon fordi jeg allerede kan gjøre rangeringen her. Jeg kunne gjøre dette om til et formkart , og se opp- og nedturer på denne måten.

Jeg kan også bruke et smultringdiagram hvis jeg vil. Det er mange måter å fremheve dataene på, og jeg trenger ikke engang å bruke en rangeringsformel i det hele tatt.

Hvor mange salg gjorde de 5 beste produktene?

Det neste spørsmålet fra briefen er hvor mange salg de gjorde fra sine topp fem produkter hvert kvartal? La oss ta en titt på hva mock-upen ber oss om.

Vi må i utgangspunktet finne ut hva våre topp fem produkter er, og se hvor mange salg de har i hvert kvartal. Denne er litt tøff, men definitivt gjennomførbar.

La oss ta kvartalet og året og bringe det inn på bordet vårt.

Og ta deretter inn vårt totale salg for hvert kvartal.

Vi må også ta en titt på produktene våre og se hva våre topprangerte produkter er. La oss finne produktdimensjonen.

Våre fem beste produkter er 63, 28, 51, 67 og 34.

Jeg må isolere disse fem beste produktene og deretter få det totale salget av bare disse fem ved å bruke en funksjon kalt TOPN. Jeg skal legge til en formel og bruke , som lar meg endre konteksten.

Det er her det blir litt vanskeligere og tvetydig, for ser vi på de fem beste produktene på årsbasis, eller ser vi på de fem beste produktene for hvert kvartal?

For meg er dette spørsmålet å spørre hva de fem beste produktene er for hvert kvartal. For å svare på dette spørsmålet må jeg se på alle produktene mine, og det er grunnen til at jeg legger produkttabellen inn i beregningen og setter dem i synkende rekkefølge, fra høyeste til laveste.

For hvert kvartal vil den rangere dem fra topp til bunn, deretter bringe de fem beste produktene basert på totalt salg , og deretter returnere hvert produkts salg.

Hvis jeg tar med dette inn i tabellen min, kan vi se at $450 482 av salget fra kvartal 1 kom fra de fem beste produktene.

For å dobbeltsjekke kan vi bare klikke på en fjerdedel og skanne ned listen. Husk at vi ikke ser på de fem beste produktene over et år. Vi ser på de fem beste produktene i hvert enkelt kvartal, og disse produktene kan endre seg.

Vi kan ta dette til neste nivå og komme opp med vår topp fem kontra alle salgene. Bare del de fem beste med totalt salg.

Her er vårt topp fem produktsalg sammenlignet med alle salg.

Hvem er de 10 beste selgerne?

Det neste spørsmålet vi skal takle er hvem som er de 10 beste selgerne i et gitt år, og hva var dollarverdien av salget deres? Dette er en annen interessant. La oss dykke inn i selgere.

La oss få inn vårt totale salg sammen med selgere . Vi kan se hvem våre topp 10 presterende selgere er.

Men hvis jeg bare vil returnere topp 10, må jeg lage en rangering. Jeg skal nevne tiltaket Topp 10 selgere og bruke. Trikset her er å bruke ALLE selgere slik at jeg kan fjerne all kontekst fra selgerkolonnen og rangere salgene mot hver selger.

Jeg kan skrive en hvor hvis RANKX er mindre enn eller lik 10, og deretter returnere det totale salget; hvis ikke, skal den være lik blank.

Nå skal jeg bare hente de 10 beste selgerne, og for alt annet skal det stå tomt.

Da blir jeg kvitt det totale salget og bruker visualisering slik:

La oss rydde opp litt her, og bruke en mørk og hvit kontrast. Jeg skal også kvitte meg med ordomslaget for titlene på aksen, og bruke formatmaleren til å gjøre endringer.

Det er ting vi fortsatt kan forbedre her. Jeg vil endre det visuelle øverst til venstre til et stolpediagram fordi linjediagrammet ikke er den største representasjonen av tid, legge til dataetiketter og fjerne aksen for å gjøre det visuelle renere.

En annen ting jeg kan gjøre er å skape litt logikk for å virkelig fremheve toppsalget og lavt salg. Vi kan legge til dataetiketter til de 10 beste selgere-bildene, plassere dem innenfor stolpene og legge til en annen blåfarge.

Jeg må endre litt på fargene for å være sikker på at dette stemmer overens med fargevalget vårt. Og så lager jeg en tekstboks og skriver noe sånt som dette:

Denne tekstboksen vil gjøre det lettere å se årssnittet.

Hva kan vi gjøre for det totale salget etter stat? Kartet er ikke det beste visuelle – ærlig talt, jeg elsker det ikke.

Vi kan bruke et mørkere tema for kartet for å få det til å passe inn med resten av rapporten.

Potensielt kan vi også bruke kartboblene og gjøre dem litt større.

Vi kan sette vårt totale salg etter stat til venstre og omarbeide de andre tabellene. Vi kan velge New York som en stat til venstre, og det vil endre konteksten til de andre bildene.

Så hvordan kan vi representere disse dataene litt annerledes? Kanskje vi kan ha to tabeller for Quarter & Year , og deretter endre innsikten på innsiden av den andre tabellen.

Rapporten kan nå svare på alle spørsmål fra briefen, og begynner å se ganske bra ut.

Konklusjon

Forhåpentligvis har du likt å jobbe med meg gjennom denne dataanalyseutfordringen. Vi har en svært dynamisk rapport basert på innholdet som ble produsert i Accelerator.

Det er et spørsmål om å hente de riktige teknikkene fra minnebanken din, og når du først er kjent med alle de forskjellige alternativene, vil du bli ganske overrasket over hvor raskt du kan bringe ting sammen.

Se opp for neste akselerator. Denne dataanalyseutfordringen er et unikt initiativ fra. Vi har også et treningsverksted hver fjortende dag som alle kan delta på og diskutere i samarbeid. Vi sørger også for at de som er i ferd med å starte opp blir kjent med ulike måter å løse sine egne dataproblemer.