Segmentering av dimensjoner basert på rangering – Avansert analyseteknikk for LuckyTemplates

I dette eksemplet skal vi bli ganske avanserte i LuckyTemplates ved å bruke DAX. Vi skal fokusere på å segmentere dimensjoner basert på rangeringen i den aktuelle tabellen. Du kan se hele videoen av denne opplæringen nederst på denne bloggen.

Dette er et fantastisk konsept for hvordan du kan bruke beregnede kolonner i LuckyTemplates. Dette kan gi ytterligere innsikt som aldri ville vært mulig med tradisjonelle verktøy som Excel.

Å bruke disse teknikkene effektivt og deretter implementere flotte visualiseringer rundt dem, som jeg også vil dykke ned i, kan virkelig vise frem dataene dine på en overbevisende måte.

Innholdsfortegnelse

• Visualisering av segmenterte data
• Segmentering og rangering av dataene dine
• Konklusjon

Visualisering av segmenterte data

Jeg har alltid snakket om den fantastiske analytiske kraften til LuckyTemplates, men du vil ikke se dette analysenivået hvis du brukeren etter en. Dens sanne kraft kommer ut når du bruker en kombinasjon av forskjellige formler og teknikker stablet sammen.

Det er det jeg skal vise deg gjennom visualiseringen nedenfor.

Igjen, dataene som vises her, kan ikke analyseres så dypt som dette hvis du ikke legger flere formler på lag . Jeg kaller denne teknikken måle forgrening . For å legge til det, la jeg også en del kalkulert kolonnelogikk for å bryte ned resultatene ytterligere. Det er den beste måten å få et virkelig godt innblikk i en sak som dette.

I dette punktdiagrammet som du finner nederst til høyre i rapporten, vil du for eksempel se at det er forskjellige farger som representerer forskjellige datagrupper. I dette tilfellet representerer prikkene byer, med hver farge som viser deg den beste, den verste, og de som har rangeringer bare er ok.

Du vil også se at y-aksen vår viser marginendringen fra kvartal til kvartal . X-aksen viser derimot salgsendring fra kvartal til kvartal .

Dette er den typen innsikt vi får når vi segmenterer dataene våre etter mål forgrening. Den viser deg om en stor økning i salget kom fra en stor økning i margin, og omvendt. Den viser deg korrelasjonen mellom disse datapunktene.

Selvfølgelig er dette bare et demodatasett, så du vil ikke se en stor klynge. Men når du først bruker denne teknikken på dine egne data, kan du få enda mer avansert innsikt.

Med alle disse formlene og teknikkene kombinert, vil du også merke en forskjell i det generelle utseendet og følelsen av visualiseringen. Jeg skal vise deg hva jeg mener med å fjerne legenden for City Group.

Merk at jeg opprettet bygruppeforklaringen ved å bruke beregnet kolonnelogikk . Så når jeg fjerner den legenden, endres måten dataene vises på. Det gir ikke så mye innsikt som vi trenger.

Alt vi ser nå er generelle datapunkter. Det viser oss ikke hvor våre verste eller beste kunder er. Det alene tar ut en hel masse innsikt vi burde få.

Vi ser nå at disse ekstra lagene av logikk faktisk lar oss se ting i et mye bedre lys .

La meg nå dra City Group tilbake som en legende.

Som du kan se, forbedres visualiseringen betraktelig.

Segmentering og rangering av dataene dine

Denne gangen vil jeg vise deg hvordan jeg segmenterte disse kundegruppene for å lage den legenden.

Inne i den beregnede kolonnen brukte jegfor å få rangeringen til hver by basert på dimensjonene som er gitt. I dette tilfellet rangerer vi dem basert på salg.

I formelen inkluderte jeg regionene i tabellen vår og deres totale salg .

RANKX er ekstremt nyttig her fordi det gir oss en måte å organisere alle disse dataene og få litt innsikt i dem.

Vi kan sjekke ikke bare hvilke byer som gjør det bra, men også hvilke som ikke presterer like bra, og det er grunnen til at de er funnet langt nede i bunnen av kolonnen.

Denne funksjonen er også grunnlaget for den neste logikken jeg skal bruke.

Så på toppen av RANKX pleide jeg også å lage en ekstra dimensjon.

Med det ekstra laget kan jeg nå se hvilke byer som gir best resultater, samt de dårligste. Så hvis bysalgsrangeringen er lavere enn eller lik 10, blir de merket som en del av "Beste".

Dette er en virkelig flott teknikk du kan bruke for å lage flere måter å segmentere dataene dine på. Merk at dette ikke bare er nyttig i et punktdiagram. Dette kan også brukes på ulike typer visualisering.

Du kan for eksempel også bruke den i et smultringdiagram som vist nedenfor.

Du vil også se at smultringdiagrammet og punktdiagrammet beveger seg ved siden av hverandre. Så hvis jeg klikker på den delen som representerer de verste tallene på smultringdiagrammet, justeres også punktdiagrammet.

Dette tillater oss å nullstille delmengder av data eller andre dimensjoner.

Konklusjon

Prøv å dykke ned i disse teknikkene og implementer noen av dem i dine egne modeller. Jeg er sikker på at du vil se gode resultater og at du vil være fornøyd med resultatene når det gjelder hva du får i rapportene og dashbordet.

Forhåpentligvis kan du se hvordan å kombinere disse forskjellige teknikkene kan gi deg noen virkelig avanserte analysenivåer. Å gjøre dette på LuckyTemplates kan gi deg virkelig detaljerte rapporter og visualiseringer av høy kvalitet akkurat som den i vårt eksempel.

Beste ønsker.