Pipe In R: Koblingsfunksjoner med Dplyr
I denne opplæringen lærer du hvordan du kobler funksjoner sammen ved å bruke dplyr-røroperatøren i programmeringsspråket R.
Noen ganger når du analyserer LuckyTemplates-rapportene dine, vil du kanskje vite hvor mange transaksjoner som har skjedd over en bestemt tidsperiode. I dette blogginnlegget skal jeg vise deg nøyaktig hvordan du beregner transaksjoner innenfor en gitt periode på dager ved å bruke tidsinformasjon i LuckyTemplates. Du kan se hele videoen av denne opplæringen nederst på denne bloggen.
Dette innlegget vil dekke et stykke analytisk arbeid av høy kvalitet som kan utføres effektivt i LuckyTemplates. Vi vil bruke en kombinasjon av DAX-formler rundt datotabeller for å trekke ut nyttig innsikt.
Innholdsfortegnelse
Bestemme transaksjoner i de siste n dagene
Vi vil se på hvor mange transaksjoner en bestemt kunde har gjort de siste N dagene. Det er faktisk et par måter å gå om dette på.
Totalt antall dager med transaksjoner
For å finne ut hvor mange dager en kunde har handlet med oss, kan vi opprette et mål ved å bruke denne formelen:
La oss for eksempel si at en kunde kjøpte 3 forskjellige individuelle produkter på en bestemt dag. Hvis dette er formelen vi bruker, vil den bare returnere 1 transaksjon (og ikke 3) fordi vi går med distinkt telling av kjøpsdatoen .
Totale transaksjoner
Men hvis vi ønsker å regne ut totalt antall transaksjoner uavhengig av dagene, kan vi bruke funksjonen COUNTROWS i salgstabellen.
Dette kommer til å gi oss individuelle transaksjoner. Hvis en kunde kjøpte 3 forskjellige produkter på en dag, vil dette være 3 transaksjoner.
Når vi ser på salgstabellen, vil vi kanskje legge merke til at det ikke er stor forskjell mellom kolonnene Totalt antall dager transaksjoner og Totalt antall transaksjoner . Men det vil være i noen tilfeller, som med Carlos Scott som hadde flere transaksjoner på en dag.
Transaksjoner i løpet av de siste 60 dagene
Det vi ønsker å finne ut videre er hvor mange transaksjoner som har blitt gjort i løpet av de siste N dagene, eller de siste 60 dagene når det gjelder vårt demodatasett.
Vi vil isolere hvor mange transaksjoner som er gjort i en bestemt tidsperiode kontra totalt.
Husk at dette er en dynamisk beregning slik at når vi beveger oss gjennom tiden, kommer 60 dager til å bevege seg med oss. Vi skal bare se 60 dager bakover.
Så for å komme opp med denne formelen brukte vi en kombinasjon av formelteknikker og funksjon. Vi vil bruke variabler her og med funksjoner vi skal jobbe med, og FILTER . La oss ta en titt på en del her.
1. Bruke variabler (VAR)
Vi bruker VARIABLER for å finne siste salgsdato for kjøp (i gjeldende kontekst). Siden dette er et demodatasett, brukte jeg LASTDATE for å gi oss en dato som skal baseres på.
Vanligvis vil du ikke bruke denne formelen siden du vil se på et levende datasett. Det går fint å bruke denne formelen i stedet hvis det er tilfelle:
2. Arbeide med CALCUATE-funksjonen
I dette tilfellet har jeg bruktformel. Men i teorien kan vi også bruke Total Transactions-målet.
Vi teller fortsatt antall transaksjoner, men vi endrer bare konteksten når det gjelder hvordan vi beregner det.
Dette er nøyaktig hva CALCUATE-funksjonen gjør; vi skal se på de totale transaksjonene i et vindu fra de siste 60 dagene.
3. FILTER-funksjonen
Det tredje trinnet er å filtrere datotabellen for de siste 60 dagene ved å bruke FILTER-funksjonen. Denne spesielle funksjonen vil åpne et nytt vindu for å beregne det totale antallet transaksjoner i et bestemt tidsrom.
Med ALLE(DATOER) vil vi frigi alle filtre som kan komme fra datotabellen i utgangspunktet. Deretter legger vi til filtrene ved å iterere gjennom hver enkelt dato og vurdere om den kommer mellom (Siste dato – 60) og siste dato .
Bruk av tidsintelligens i LuckyTemplates for å forbedre salget og markedsføringen
Sluttresultatet er virkelig noen kraftige ting. Vi kan gjenbruke dette til å lage et nytt tiltak. For eksempel kan vi beregne formelen på nytt til opptil 180 dager som nedenfor:
Vi kan deretter dra resultatene til lerretet og forgrene tabellen for å bestemme hastigheten til en kundes kjøpssyklus.
Vi kan analysere salgstabellen og deretter stille oss selv de vanskelige spørsmålene. Hvorfor handler kundene våre mer de siste 60 dagene enn de siste 180 dagene?
Var det fordi vi ga dem en spesiell rabatt, eller var det på grunn av en markedsføringsreaksjon vi gjorde? Når vi har svarene, kan vi bruke dem til å forbedre markedsføringsstrategiene våre.
Å analysere transaksjonsfrekvens er avgjørende for en bedrift , spesielt hvis du er en høyfrekvent forhandler eller driver et nettselskap.
Konklusjon
Innsikten du kan hente fra tidsintelligens ikan drive mange handlinger og beslutninger med dine markedsførings-, inventar- og økonomiske initiativer.
Teknikken kan brukes på så mange forskjellige måter i riktig miljø. Husk at det ikke alltid trenger å være transaksjoner; det kan være salg, kostnader, fortjeneste osv. som kan vurderes ved å bruke nøyaktig samme teknikk som jeg viste frem.
Hvis du kan lære å inkorporere dette i rapportene dine, vil du utvikle arbeid av høy kvalitet som kundene og organisasjonen vil verdsette.
For å lære enda mer avanserte analytiske teknikker for LuckyTemplates, sjekk ut modullenken nedenfor fra LuckyTemplates Online.
Lykke til!
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.