Variabler og uttrykk i Power Query Editor
Denne opplæringen vil diskutere om variabler og uttrykk i Power Query Editor. Du lærer hvordan du skriver og bygger dem riktig.
Denne opplæringen handler om kundeinnsikt. Jeg vil demonstrere en avansert LuckyTemplates-kundesegmenteringsteknikk ved å bruke DAX-formler og en sekundærtabell. Du kan se hele videoen av denne opplæringen nederst på denne bloggen.
Å identifisere eller segmentere kunder er en teknikk i seg selv, men å sammenligne kundesegmenter i inneværende periode og i en tidligere periode er en annen flott teknikk. Vi kan få litt reell verdi ut av LuckyTemplates kundesegmenteringsanalyse med denne innsikten.
Denne teknikken er en kombinasjon avog riktig datamodellering .
Kundesegmenteringen eller -grupperingene vi refererer til her er høy eller topp, midt og bunn. Vi vil sammenligne hver kundes individuelle nåværende og tidligere segmentering, og vi vil se hvilke kunder, som en gang var de best presterende kundene, droppet å bli noen av våre dårligst presterende kunder.
Vi kan ta bedre beslutninger rundt salg, markedsføring eller annonsering med denne typen kundeanalyse, siden dette er et av de virkelige scenariene for forretningsmiljøer.
Innholdsfortegnelse
Identifisering av kundegrupper i år og i fjor
Det spesifikke jeg vil vise i denne opplæringen er resultatene i denne tabellen. Jeg har laget en liste over kunder som jeg anser som topp, middels og lav, og jeg har regnet ut kundegruppene i prosent.
I denne tabellen kan vi se at i kolonnen Kundegruppe TY (i år) har vi toppkundene i år, men i kolonnen Kundegruppe LY (i fjor) var de i et annet segment eller gruppe (midt og nederst ). Vi kan se de nederste kundene i fjor som kom til midt- og toppdelen i år .
For eksempel var Johnson Ltd her bunnen i fjor, men er en mellomkunde i år med 38,2 % økning. Liberty Group var også en bunn i fjor, men er nå en toppkunde i år med en økning på 512,7 %.
Dette tallet i seg selv viser noe, men dette gjør oss i stand til å skape mye mer ekstra logikk som rent vil segmentere kunder basert på at de er innenfor en bestemt gruppe.
Før vi kommer til formelen, skal jeg vise deg raskt hvordan jeg grupperte disse kundene. Jeg har opprettet disse gruppene basert på salgsprosent , så toppkundene er 80 % til 100 %, mens midtgruppen er mellom 25 % og 80 %, og den nederste gruppen er 25 %.
DAX-beregninger for å vise bevegelse innen kundegrupper
Vi bruker to DAX-formler her – for dette året (TY) og for året før (LY). La oss gå gjennom formelen for dette året ( kundegruppe TY ) først, og vi vil fokusere spesifikt på den uthevede delen av formelen med.
SELECTEDVALUE - funksjonen lar oss returnere en tekstverdi (øverst, midt, bunn). Vi identifiserer hvilken gruppe kundene er i ved å bruke FILTER- funksjonen. Vi kjører denne logikken gjennom hver rad i Kundegrupper- tabellen som jeg har opprettet.
FILTER er som en iterasjonsfunksjon som itererer gjennom en spesifikk tabell og kjører en logikk på hver enkelt rad. Konteksten som vurderes til sann er det som skal beholdes. Så i dette tilfellet har vi topp-, midt- og bunnverdiene.
Logikken her inkluderer variablene (VAR) CustomerRank og TotalCustomer , som er utarbeidet i første del av formelen. Lav og Høy i formelen er kolonner i Kundegrupper- tabellen . Så for eksempel, for å være i toppgruppen, må kunden være mellom 80 % og 100 % basert på salg.
Dette er altså kunderangeringsberegningen som er basert på årets salg . Hvis vi nå ser på Customer Group LY -formelen, er alt som er endret kunderangeringen som er basert på fjorårets salg i stedet for årets salg .
Den har samme logikk som går gjennom nøyaktig samme tabell, men den kjøres basert på rangeringen fra året før. Og dette vil returnere gruppen de er med i året før kontra inneværende år.
Konklusjon
Denne LuckyTemplates-kundesegmenteringsteknikken gjør oss i stand til å kjøre og evaluere gjennom en tabell og returnere et tekstresultat. Vi er i stand til å sammenligne kundegrupperesultatene i fjor og i år.
Det er også flott hvordan vi kan bruke den samme sekundære tabellen (kundegrupper) for å kjøre logikk gjennom.er en datamodelleringsteknikk som jeg viste frem i en annen opplæring.
Ved å kombinere DAX og datamodelleringsteknikker kan vi trekke ut denne verdifulle innsikten. I tillegg kan vi sammenligne resultater fra kvartal til kvartal. Den samme logikken og teknikken vil gjelde.
Dette er en veldig kraftig teknikk som du kan implementere i dine egne LuckyTemplates kundesegmenteringsrapporter.
Beste ønsker!
Denne opplæringen vil diskutere om variabler og uttrykk i Power Query Editor. Du lærer hvordan du skriver og bygger dem riktig.
Et LuckyTemplates-varmekart er en type visualisering som brukes til å vise datatetthet på et kart. I denne opplæringen vil jeg diskutere hvordan vi kan lage en – ikke gå glipp av noe!
Jeg skal lære deg et veldig interessant eksempel rundt Pareto-prinsippet og hvordan du lager et Pareto-diagram ved hjelp av viktige DAX-formler.
Lær hvordan et tilpasset stolpediagram på markedsplassen kan brukes til datasammenligning og hvordan du kan lage dem ved å bruke eksempler i LuckyTemplates.
Lær hvordan Power Automate Static Results-funksjonen fungerer og hvorfor det er bra å bli lagt til de beste praksisene når du lager flytdiagrammer.
eDNA demonstrerer hvordan du utfører språk- eller tekstoversettelse ved hjelp av Python og overfører det til LuckyTemplates. LuckyTemplates Python-opplæring.
I denne opplæringen lærer du hvordan du bruker Gauge Bullet Graph til å lage et Gantt-diagram i LuckyTemplates Report Builder.
I denne opplæringen lærer du hvordan du lager et tredimensjonalt (3D) spredningsplott ved å bruke Python i LuckyTemplates.
Effektiv LuckyTemplates-rapportering – øktgjennomgang og ressursnedlasting
Ny kundeanalyse med LuckyTemplates – Neste medlemsbegivenhet