Segmenteringseksempel ved bruk av avansert DAX i LuckyTemplates

Når du kommer mer og mer inn i avanserte DAX-formler, vil du se en verden av analytiske muligheter utvides uendelig for deg. I dette eksemplet vil jeg vise deg hvor mye. Du kan se hele videoen av denne opplæringen nederst på denne bloggen.

I dette blogginnlegget skal jeg utforske en relativt avansert DAX-logikk og deretter bygge videre på den ved å kombinere en innledende beregning med en annen. Dette blogginnlegget følger en eksisterende video som gjorde det mulig for oss å gruppere kundene våre etter salgsrangering .

Det fikk meg til å tenke på hva annet vi kan generere fra denne informasjonen. Jeg innså at det ville være interessant om vi så på det fra et prosentperspektiv i stedet for et totalperspektiv.

For eksempel, hvis du ett år tjener 20 % av salget fra topp 5-kundene dine, og det neste året tjener du bare 5 %. Fra et markedsføringsperspektiv vil du forstå hvorfor dette skjer og iverksette tiltak for å øke denne prosentandelen.

Innholdsfortegnelse

• Bestemme dynamisk rangering per kundegruppe
• Tabeller for totalt salg og kundegrupper
• Bestemme prosentandel av kundesalg etter rangeringsgruppe
• Visualisere dataene
• Konklusjon

Bestemme dynamisk rangering per kundegruppe

La oss først gå gjennom hvordan vi grupperte disse kundene i utgangspunktet. Vi opprettet et mål og kalte det kundesalg etter gruppe ved å bruke denne formelen:

I hovedsak var det vi gjorde å rangere dynamisk innen hvert år hvor mange salg som ble gjort per kunde ved å bruke. Vi grupperte dem i tre: Topp 5, Topp 5 til 20, og deretter resten.

Men det vi ønsker å gjøre nå er å bestemme prosentandelen av disse beløpene i Totalt salg. Så vi ønsker å se alle disse tallene som prosenter, slik at vi kan se om den prosentvise endringen skjer over tid.

Dette er ikke så vanskelig å gjøre fra der vi er nå. Hvis du gikk gjennom det forrige blogginnlegget eller videoen og forsto det, så blir denne en piece of cake.

For å få disse resultatene i prosent, må vi finne ut hvordan vi får tallene i Total-raden til tallene i Topp 5, Rangering 5 til 20 og Resten. For eksempel tjente våre topp 5-kunder oss $4 988 170,10 i 2014, som må deles på vår totalsum på $35 040 899,50 for å få prosenten.

Det første du må gjøre er å kopiere og replikere tabellen i lerretet, og deretter utarbeide et tiltak som vil hente de 35 millioner Total Sales i denne sammenhengen.

Som du kan se, har vi sett totalt salg fra innsiden av CALCUATE-funksjonen, og deretter endret konteksten ved å bruke en ganske avansert.

Tabeller for totalt salg og kundegrupper

Totalt salg i seg selv har ingen relasjon til kundegrupper-tabellen som vi opprettet i forrige blogginnlegg. Det er absolutt ingen sammenheng mellom de to.

Så hvis vi prøver å filtrere Totalt salg etter Kundegrupper-tabellen, kommer ingenting til å skje. Men sjekk ut hva som skjer når vi tar dette inn på bordet.

Det er et filter som plasseres i kolonnene 2014, 2015 og 2016; så vi får totalen i hver enkelt iterasjon av Grupper-tabellen. Grupper-dimensjonen filtrerer imidlertid ikke fordi de ikke er koblet til datamodellen. Så vi har i utgangspunktet de to nøkkelelementene til denne delen av analysen.

Bestemme prosentandel av kundesalg etter rangeringsgruppe

Det neste trinnet er å opprette et nytt mål eller bruke det eksisterende målet og kalle det % Customers Sales per Group. Vi deler kundesalget etter gruppe på totalt salg, med 0 som alternativt resultat.

Selvfølgelig må vi formatere dette og endre det til prosent.

Det siste trinnet er å ta tak i dette tiltaket og legge det i tabellen for å se prosenten. Det ser ut som det beregner riktig resultat fordi vi får 100 % for alle totalsummene. Som du ser er dette en superkul teknikk bygget på toppen av en eksisterende teknikk som vi har brukt tidligere.

Visualisere dataene

Som prikken over i-en kan du sette dette inn i en visualisering, spesielt hvis du skal vise mer enn de tre årene jeg har illustrert i denne tabellen. Det er en rekke forskjellige måter du kan skjære og kutte denne informasjonen på, som med dette linjediagrammet:

Eller hvis du foretrekker det, kan vi bruke et områdediagram i stedet:

Der har du det: Vi har nå dynamisk beregnet hvor salget vårt kommer fra, og fra hvilke rangeringsgrupper de kommer fra gjennom tiden.

Dette er virkelig kraftig avansert DAX-analysearbeid som gir god innsikt. I mange scenarier er det nøkkelen til beslutningstaking og risikostyring å ha en sterk forståelse av egenskapene dine. Tankene mine går til situasjoner som banklånsbøker, forsikringsdekning, salgsattribusjon og mange andre. Ved å bruke en kombinasjon av disse teknikkene kan du finne disse innsiktene ganske effektivt.

Konklusjon

Det er mange elementer involvert i å sette sammen denne typen beregninger. Hvis du nettopp har begynt med DAX, sjekk ut mine nettkurs og for å få en god forståelse av hvor du skal begynne og hva du kan oppnå på toppen av dette. Kombinasjonen av teknikker her åpner for en verden av muligheter som du kan bruke om og om igjen i mange modeller.

Nøkkelen til å forstå hvordan du kan flytte dette over til dine egne modeller, er å tenke på dimensjonen eller egenskapen du ønsker å se nærmere på, som kunder, regioner eller produkter. Du må deretter gjenta det attributtet i målet ditt. Noen ganger kan du til og med trenge en støttetabell for å lage den logikken å kjøre gjennom.

Lykke til med denne. Hvis du har spørsmål eller tilbakemeldinger, gi meg beskjed i kommentarene nedenfor.