LuckyTemplates-datamodell for avansert scenarieanalyse ved bruk av DAX

Jeg vil vise her hvor utrolig LuckyTemplates er som et analytisk verktøy. Jeg skal lære deg hvordan du utvikler en LuckyTemplates-datamodell for en avansert scenarioanalyse . Du kan se hele videoen av denne opplæringen nederst på denne bloggen.

Med LuckyTemplates kan vi oppnå så mye som vi kanskje aldri hadde trodd var mulig.

Å utvikle logikk for scenarioanalyse innenfor en LuckyTemplates-datamodell er sannsynligvis min favorittteknikk å bruke, hovedsakelig fordi den kan være så verdifull for virksomheten.

I stedet for å bare se tilbake og rapportere om historisk informasjon, er det vi kan gjøre med scenarioanalyse nesten å forutsi fremtiden . Vi kan trekke spaker i beregningene våre og på tvers av dataene våre og se hvordan det påvirker de endelige resultatene. Mulighetene blir uendelige!

Nesten ethvert datasett som utforsker informasjon over tid kan bruke denne teknikken eller en form for teknikkene som vi skal gå gjennom i denne opplæringen. Vi vil også gå inn på målforgrening , hvordan du bruker parametertabeller , hvordan du setter inn variabler i mål , og mye mer.

Innholdsfortegnelse

• Eksempelscenarioanalyse: virkningen av prisendringer
• Totalt salg med SUM vs totalt salg med SUMX
• Opprette en støttetabell for å vise prosentandelen prisendring
• Innhøsting av prisendringsprosenten valgt
• Viser all salgseffekt av utvalgte produkter
• Viser salg av utvalgte produkter
• Utarbeide hovedberegningen
• Forgrener seg til flere tiltak for mer innsikt
• Lag overbevisende visualiseringer for å vise frem resultatene
• Konklusjon

Eksempelscenarioanalyse: virkningen av prisendringer

I denne opplæringen skal vi analysere effekten av prisendringer på vår totale inntekt. Vi skal sette opp modellen vår, sjokkere prisene på bestemte produkter, og deretter se hvordan den påvirker hele salgsporteføljen vi har.

I vår datamodell har vi våre kunder, produkter, regioner, datoer og salg.

I vår Salgstabell, som er en faktatabell, har vi her vår Enhetspris.

Vi må isolere denne enhetsprisen, som gir oss vår totale inntekt og på en eller annen måte sjokkere den med et scenario . For eksempel ønsker vi å øke prisene våre med 10 % eller 20 %, og vi ønsker å se effekten av prisendringen.

Totalt salg med SUM vs totalt salg med SUMX

Først ser vi på nøkkelmålet vårt her kalt Totalt salg . 

Det er et enkelt mål som bare oppsummerer kolonnen Totale inntekter , og det er ikke nok til å kjøre denne analysen . Totale inntekter har allerede tatt hensyn til denne enhetsprisen. Så vi må regne ut den totale inntekten, men bruke bestillingsmengden og enhetsprisen , og vi kan gjøre det ved å bruke .

Denne formelen går gjennom salgstabellen . For hver rad i salgstabellen multipliseres ordremengden med enhetsprisen for hver rad. Vi legger dette på en tabell med våre Datoer og vi kan se at vi får nøyaktig det samme resultatet, men det er bare å beregne på en annen måte.

Denne Total Sales SUMX-formelen er der vi skal bygge scenariene våre fordi vi kan isolere enhetsprisen og nå kan vi sjokkere den. Det neste vi trenger er den prosentvise prisendringen, som ikke finnes i datamodellen vår, så vi må lage den.

Opprette en støttetabell for å vise prosentandelen prisendring

For å lage en ny tabell, som viser prisendringene, går vi Enter Data og fyller ut kolonnene.

Vi legger inn prisendringene vi ønsker, for eksempel 2 %, 5 %, 10 % osv.

Når vi har lastet den inn, kommer den til å lage en tabell for oss, men denne tabellen har ikke noe forhold til datamodellen vår.

Deretter sørger vi for å formatere dette til en prosentandel.

Nå som vi har dette støttebordet, kan vi ta det inn og gjøre det om til en slicer.

Dette gjør oss i stand til å velge hvor mye prisendringer vi ønsker å kjøre og foreta en analyse. Deretter må vi lage et mål som vil høste prisendringsprosenten som velges i sliceren.

Innhøsting av prisendringsprosenten valgt

I denne formelen ( prisendring / prisscenario ), som vil høste den valgte prisendringsprosenten, bruker vimed vår prisendring . Deretter med, vil det være lik prisenndringsprosenten . Hvis det ikke er det, vil det være null (0) endring.

Med dette tiltaket får vi nå prisendring basert på et utvalg. 

Når vi ikke velger noe, viser den 0 %, så det er flott. Ingen feil.

Vi kan nå integrere dette i våre beregninger.

Vi drar dette inn og vi har dette dynamiske Scenario Salg basert på prosentvis endring.

Hvis ingenting er valgt, kommer det til å være nøyaktig det samme.

Viser all salgseffekt av utvalgte produkter

Det er imidlertid litt av et problem her. Når vi velger tre av disse produktene, for eksempel, påvirker det alt. All kontekst har endret seg, og nå ser vi bare Scenario Salg for bare disse tre produktene.

I denne analysen ønsker vi å se effekten på alt vårt salg basert på prisendring av enkelte produkter. Så uavhengig av valg som er gjort, ønsker vi å få resultatene i vårt totale salg som ikke endres basert på utvalget.

For å gjøre dette oppretter vi et annet mål og kaller det All Sales . Vi vil brukefunksjon til vårt totale salg , så vi beregner fortsatt totalt salg, men vi går til Produkter .

Vi drar dette inn i tabellen vår, og hvis vi velger et produkt, forblir totalsalgsresultatene nøyaktig de samme, som vises i kolonnen Alle salg.

Viser salg av utvalgte produkter

Videre ønsker vi å finne ut det totale salget av det eller de produktene vi velger . I dette tilfellet oppretter vi en egen beregning bare for å sikre at det ikke er noe problem i beregningene våre. Vi kan ha en ekstra skjærer, men den kan justere beregningen. Vi ønsker å forsikre oss om at filtrene er på eller av de riktige valgene. 

Slik skriver vi målet eller formelen.

Vi bruker CALCUATE Total Sales igjen. Gå deretter til Produkter . Hvis vi plasserer dette i bordet vårt, vil vi se at når vi velger produktet, gir det oss bare salget for det spesifikke utvalget.

Utarbeide hovedberegningen

Nå kan vi lage vår hovedberegning for å fullføre analysen vår. Vi vil bruke våre eksisterende nøkkelmål for å bygge denne beregningen.

Så vi starter med alle salg og trekker fra utvalgte salg , som er salget uten innvirkning på det. Deretter legger vi tilbake Scenario Salg .

Hvis det ikke velges noe produkt, vil endringen i salget for utvalgte scenarier være nøyaktig det samme som scenariesalget.

Men hvis vi velger noen produkter, er resultatene for Salg av utvalgte scenarier forskjellige fordi formelen for Salg av utvalgte scenarier beregner hele porteføljen ved å øke de valgte produktene med den valgte prosentandelen.

Forgrener seg til flere tiltak for mer innsikt

Fra dette kan vi gå enda lenger. Vi kan ha faktiske versus scenarier , der vi trekker alle salg fra utvalgte scenarier .

Så hvis vi kan legge dette inn i tabellen, kan vi se den ekstra inntekten per dag som vi potensielt ville oppnå ved å øke prisen med 10 %.

Vi kan også legge til en annen tidsramme hvis vi for eksempel kun ønsker å se på et spesifikt år.

Dessuten kan vi se på den prosentvise endringen av våre faktiske forhold vs. scenarier . Vi kan få dette ved å dele (ved å brukefunksjon) Faktiske vs. scenarier etter alle salg, og deretter plasserer vi null som alternativt resultat.

Hvis det ikke er noe produkt valgt, vil det gi prisscenarioet valgt, som er 10 % i dette tilfellet.

Men når vi velger disse produktene, for eksempel, er resultatene annerledes fordi vi bare øker prisen på disse tre produktene.

Lag overbevisende visualiseringer for å vise frem resultatene

Nå som vi er ferdige med beregningene våre, kan vi sette opp noen visualiseringer for å få dette til å se mer overbevisende ut. Vi legger til noen farger for å gjøre det mer visuelt tiltalende.

Vi kan også legge til noen dataetiketter. 

Med denne visualiseringsoppsettet kan vi sjokkere alle produktene våre dynamisk ved enhver prisendring vi har i sliceren.

Vi vil kanskje legge til ett kort til også, som vil gi oss en oppsummerende beregning.

Så for eksempel ønsker vi å øke prisen med 20 % av våre topp fire produkter, resultatene i visualiseringene våre vil endre seg dynamisk når vi velger prisendringen og produktene.

Og det er slik vi bygger en LuckyTemplates-datamodell spesifikt for en avansert scenarioanalyse.

Konklusjon

Dette er ganske avansert, men veldig oppnåelig. Det krever bare mye øvelse og får deg også til å fokusere på dataene dine. Det får deg til å tenke grundig over hva slags innsikt du vil teste rundt dine fremtidige resultater. Prøv å identifisere variablene i datasettene eller beregningene dine som du kan "sjokkere" eller justere for å vurdere deres innvirkning på den underliggende ytelsen.

Jeg anbefaler denne LuckyTemplates-teknikken for utvikling av datamodeller. Pass på å prøve å inkorporere det i modellene dine, slik at du legger inn konseptene i tankene dine og tar dem enda lenger.

Lykke til med denne!

***** Lære Lucky Templates? *****