Pipe In R: Koblingsfunksjoner med Dplyr
I denne opplæringen lærer du hvordan du kobler funksjoner sammen ved å bruke dplyr-røroperatøren i programmeringsspråket R.
I denne opplæringen går jeg gjennom noen flotte scenarioanalyseteknikker og demonstrerer hvordan du kan kombinere flere av dem i LuckyTemplates. Jeg snakker om å forutsi produktetterspørselen . Du kan se hele videoen av denne opplæringen nederst på denne bloggen.
LuckyTemplates er et fantastisk verktøy for dataanalyse når du kan implementere teknikker som denne.
Ta en situasjon der du ønsker å analysere fremtidige produktbehov. Å ha muligheten til å sette opp modellene dine i LuckyTemplates slik at du kan kjøre flere scenarier samtidig, kan gi deg innsikt som kan ta virksomheten din til neste nivå.
Å kunne inkorporere noen ' ' parametere og deretter kjøre scenariotypeanalyse gjør at du kan forutsi eller forutsi hva du kan trenge å gjøre i fremtiden for å trekke ut riktig mengde inntekt eller optimal mengde fortjeneste.
Denne opplæringen vil vise deg hvordan du kan estimere fremtidig produktetterspørsel i LuckyTemplates ved å bruke DAX.
For å gjøre dette, må vi ha en slags benchmark for å bestemme hvor mye vi skal selge. Og så må vi kanskje legge på noen faktorer som kan endre etterspørselen.
Etter mitt syn er den beste referansen for å sette opp en fremtidsprognose eller estimerte fremtidsrettede beløp å se på det vi tradisjonelt har solgt . La oss nå dykke ned i hvordan vi kan gjøre det ved å bruke What If-parametere og DAX i LuckyTemplates.
Innholdsfortegnelse
Estimere etterspørsel ved å bruke What If
For å bruke What If-parameteren klikker vi ganske enkelt på Ny parameter i modelleringsbåndet.
Så i denne demonstrasjonen har jeg laget det jeg kaller en etterspørselsfaktor , som er en tabell.
Med denne tabellen kan vi endre etterspørselen og se hva som skjer med etterspørselsforventningene våre.
Her har vi en visuell som representerer det vi forventer at etterspørselen skal gå basert på etterspørselsfaktoren som vi har lagt inn i modellen vår.
I modellen vår ser vi at denne etterspørselsfaktoren bare er en støttetabell . Vi kan bare trekke ut tallene herfra og deretter føre dem inn i våre beregninger.
La oss nå se på denne etterspørselsprognoseanalysen fra et DAX-perspektiv.
Estimere etterspørsel ved hjelp av DAX
Når vi anslår etterspørsel, må vi projisere frem noen historiske salg og innlemme denne etterspørselsfaktoren. Dette er enkelt å oppnå på grunn av de fantastiske tidsintelligensfunksjonene i LuckyTemplates.
Først beregner vi vår. Det denne formelen gjør er ganske enkelt å se tilbake i tid på nøyaktig dagen før.
De faktiske resultatene våre er imidlertid ganske travle. Så jeg har gjort litt utjevning for å få en klar innsikt, og jeg anbefaler dette på det sterkeste fra et visuelt perspektiv.
For å gjøre dette legger vi lag på det glidende gjennomsnittsmønsteret eller teknikken for glidende gjennomsnitt. Her er regnestykket jeg gjorde for dette:
Jeg gjorde estimert salg først, som er lik salg i fjor multiplisert med én pluss etterspørselsfaktoren. Så jevnet jeg det ut ved å utarbeide et glidende gjennomsnitt for det estimerte salget som vi beregner.
Når vi ser på diagrammet, ser resultatene langt mer tiltalende ut når vi setter utjevningsfaktoren. Og så kan vi nå bruke kraften til datamodellen og velge kvartal og år for å få det inn og ut, og forutsi etterspørselen raskt og enkelt.
Vi kan også velge dem her også, og det kommer til å endre det visuelle.
Det kommer ikke til å vise det som forventet fordi dette bare beregner terminbeløpene.
Konklusjon
Så det er hvordan du kan kombinere mange teknikker for å forutsi etterspørsel ved å bruke kraften til What If-parameteren og DAX i LuckyTemplates.
Vi har startet med å lage en parametertabell, og deretter opprettet totalt salg som et kjernemål. Vi har gått over til å bruke tidsintelligens og inkorporert vår What If-parameter. Deretter har vi jevnet det ut og visualisert det. Slik får vi frem projeksjonen.
Du må forstå dataene, DAX-formelen, parameterne og konteksten for å få alt til å fungere bra.
Du vil oppdage ved å lære denne teknikken at det er mange forskjellige måter du kan utvide på, og ikke bare være begrenset til å analysere eller forutsi produktetterspørsel. Du kan for eksempel også utforske endringer i regional etterspørsel og/eller butikketterspørsel.
Det er bare så mange måter å bruke konseptene som er forklart i denne opplæringen, så det er vel verdt å bruke tid på å forstå dette godt.
Beste ønsker,
***** Lære Lucky Templates? *****
I denne opplæringen lærer du hvordan du kobler funksjoner sammen ved å bruke dplyr-røroperatøren i programmeringsspråket R.
RANKX fra LuckyTemplates lar deg returnere rangeringen til et spesifikt tall i hver tabellrad som utgjør en del av en liste med tall.
Lær hvordan du demonterer en PBIX-fil for å trekke ut LuckyTemplates-temaer og bilder fra bakgrunnen og bruke den til å lage rapporten din!
Excel Formulas Cheat Sheet: Mellomveiledning
LuckyTemplates-kalendertabell: Hva er det og hvordan du bruker det
Lær hvordan du installerer programmeringsspråket Python i LuckyTemplates og hvordan du bruker verktøyene til å skrive koder og vise visuelle elementer.
Lær hvordan du beregner dynamiske fortjenestemarginer ved siden av LuckyTemplates og hvordan du kan få mer innsikt ved å grave dypere inn i resultatene.
Lær hvordan du sorterer feltene fra kolonner med utvidet datotabell på riktig måte. Dette er en god strategi å gjøre for vanskelige felt.
I denne artikkelen går jeg gjennom hvordan du kan finne de beste produktene dine per region ved å bruke DAX-beregninger i LuckyTemplates, inkludert TOPN- og CALCUATE-funksjonene.
Lær hvordan du bruker en søppeldimensjon for flagg med lav kardinalitet som du ønsker å inkludere i datamodellen din på en effektiv måte.