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.
I denne LuckyTemplates-utstillingen vil vi gjennomgå ytelsesrapporter for detaljhandelsnettsteder i LuckyTemplates.
Vi ser på en betydelig virksomhet lokalisert på østkysten av USA. Vi får beregningene for alle detaljhandelsnettsteder som inkluderer noen hovedstater og byer. Du kan se hele videoen av denne opplæringen nederst på denne bloggen.
Innholdsfortegnelse
Ytelsesoversikt for detaljnettsteder
Denne rapporten inneholder en oversikt over beregningene for detaljhandelsnettstedenes ytelse.
Med dette kartet kan vi gjennomgå informasjon romlig.
Vi har også fått litt innsikt i ulike kategorier. Det er data per delstatskode, per produktnavn, per kundegruppe, prisgruppe, og også etter gjennomsnittlig salg per ordre.
Nederst i rapporten har vi et diagram som viser informasjon gjennom tid.
En ting som er integrert i denne rapporten er den dynamiske måten du kan filtrere tidsrammen og beregningen du vil se på.
Ved hjelp avog, er vi i stand til å navigere dynamisk mot enhver tidsramme i dataene våre. Så rapporten er ikke bare sammensatt av en statisk dato.
Vi kan gjennomgå de siste 30 eller 14 dagene, eller til og med detaljhandelssidenes ytelse i fjor.
Vi kan også bytte mellom inntekter og overskudd.
Dette kan settes opp for å ha potensielle nøkkelberegninger. Det kan være for fortjenestemarginer eller totale kostnader, blant annet.
Vi gjør på en eller annen måte denne rapporten til en rekke rapporter på grunn av den forskjellige informasjonen den kan vise ved å bruke de samme visuelle elementene.
Hvis vi har et månedlig møte med ledelsen, kan vi enkelt vise detaljhandelsidenes ytelse per stat eller produkt i løpet av de siste 30 dagene.
Regional analyse
I den andre rapporten har vi informasjon om beregningene per region.
Vi har brutt ned informasjonen til en mer overkommelig analyse på statsnivå.
Regionen er delt inn i tre stater: bunnen, midtøsten og de høyere østkyststatene.
Hver stat har sitt eget diagram som viser informasjon om spesifikke steder, nøkkelkunder og nøkkelselgere.
Hvis vi ønsker å bore inn i Georgia, kan vi klikke på smultringdiagrammet.
Vi vil da se alle de viktigste salgsstedene, nøkkelkundene og selgerne i Georgia.
Vi kan også endre beregningene som vises i disse bildene. Vi kan se på forskjellige tidsrammer og på forskjellige beregninger ved hjelp av sliceren.
Så, for eksempel, kan vi se på de siste tre månedene med data for staten Georgia.
Vi kan deretter gjennomgå salget vårt på hvert av disse stedene innen den tidsrammen.
Vi viser for tiden overskudd. Hvis vi vil se på inntektene i Florida, er alt vi trenger å gjøre å klikke på inntektene i sliceren og Florida i smultringdiagrammet.
Med dette kan vi se gjennom alle de forskjellige butikkstedene vi har i Florida.
Det samme gjelder også de andre regionene og statene.
Hvis vi ønsket å bore enda lenger, kunne vi se på en bestemt butikk og se på den.
Vi kan dykke ned i all informasjonen vi trenger når det gjelder ytelsesmålinger innenfor en rekke forskjellige dimensjoner.
Butikkproduktsalg
Den tredje rapporten analyserer ytelsen til hver enkelt butikk.
Vi har informasjon om våre topp og nederste 10 butikker.
Vi kan også se vår omsetning per innbygger og sammenligne dette mellom våre forskjellige butikker.
I likhet med de tidligere rapportene kan vi også gjennomgå informasjonen innen en annen tidsramme.
Dette diagrammet viser informasjon om hvorvidt vi har oppnådd inntektsmålet vårt for en bestemt tidsramme kontra inntekten per dag til enhver tid.
Dette er en god måte å finne ut hvorfor vi har hatt spesifikke produkter som har solgt dårlig per dag i løpet av de siste 30 dagene sammenlignet med dens historiske ytelse.
Videre har vi også informasjon om våre fortjenestemarginer basert på beliggenhet og produkt.
Butikkbudsjettering
Den siste rapporten i denne presentasjonen inneholder informasjon om våre Budsjetter per butikk.
Vi kan bore inn i hvilken som helst butikk eller butikkgrupper og se deres salgsytelse kontra det estimerte budsjettet.
Vi kan igjen endre tidsrammen ved å bruke sliceren. Så hvis vi har et budsjett på 90 dager, kan vi dynamisk se all butikkinformasjon innenfor den perioden.
Vi er i stand til å vite hvilke butikker som har prestert bra.
I dette diagrammet kan vi velge flere butikker og se salgsberegningene deres. For eksempel har vi de fem beste butikkene:
Med dette kan vi også se at produktene har bidratt til Sales versus Budgets ytelsen til de fem beste butikkene, og når disse salgene fant sted.
Vi kan også se vårt individuelle salg.
Det unike med denne rapporten er den dynamiske måten vi kan endre tidsrammene sammen med de spesifikke produktene og butikkene vi ønsker å se.
Konklusjon
Denne LuckyTemplates-utstillingen inneholdt rapporter som er perfekte for selskaper som tilhører detaljhandelen.
Disse rapportene gir verdifull innsikt i detaljhandelens generelle ytelse, selv når de er spredt over et stort område.
Informasjonen fra de forskjellige visualiseringene gjør det mulig for oss å identifisere hvilke butikker, produkter og områder som gir gode resultater, og hva vi kan gjøre for å oppnå de gode resultatene i butikker med dårlige resultater.
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