Tilpasset dynamisk segmentering ved hjelp av DAX i LuckyTemplates

I dette blogginnlegget ønsker jeg å gå over et avansert DAX-mønster om hvordan du lager tilpasset dynamisk segmentering i LuckyTemplates. Du kan bruke denne flotte teknikken på mange scenarier for å få meningsfull innsikt. Du kan se hele videoen av denne opplæringen nederst på denne bloggen.

Dynamiske grupper opprettes når en rekke forskjellige kunder segmenteres basert på forskjellige beregninger som salg, marginvekst og gjennomsnittlig fortjeneste per måned.

Innholdsfortegnelse

• Gruppere kunder sammen
• Opprette nye dynamiske grupper
• Fortjeneste etter tilpasset gruppering
• Marginer etter egendefinert gruppering
• Konklusjon

Gruppere kunder sammen

Målet med tilpasset dynamisk segmentering er å rangere kunder basert på ulike beregninger . Når du ser på visualiseringen nedenfor, vil du se at dataene er delt inn i tre grupper – 1 til 20, 21 til 50 og "annet".

På grunn av disse gruppene kan du se nøkkelkunder, nøkkelprodukter eller nøkkeldimensjoner og virkelig gå inn i det aspektet på en mer effektiv måte. Du kan se mønstre i dataene dine. Ellers ville alle disse dataene bare se ut som et virvar av prikker på et punktdiagram uten disse gruppene. 

Vi går også etter å lage en dynamisk beregning. Dette betyr at kundene ikke bare rangeres gjennom hele datasettet og tidslinjen. Vi gjør det også for spesifikke valg.

La oss si at jeg kun vil se på dataene fra mine kunder i region vest for første halvår.

Når disse filtrene er brukt, vil du se at resultatene oppdateres dynamisk. Den rangerer automatisk de valgte dataene fra 1 til 20, 21 til 50, og så videre.

Når disse rangeringene er opprettet, kan du også lage en slicer ut av den og bore deg inn i disse spesifikke kundegruppene virkelig effektivt.

Det interessante med dette filteret er at ingenting av dette tilhører noen eksisterende tabell fra kjernedatamodellene, og det kommer heller ikke fra noen database. Den genereres i LuckyTemplates-modellen din ved bruk av riktig DAX-formel.

Opprette nye dynamiske grupper

Her er hvordan du kan bygge disse gruppene fra bunnen av. Husk at du prøver å bygge en tabell som vil presentere data på samme måte som tabellen nedenfor gjør det, med minimums- og maksimumsgrenser for hver gruppe.

Jeg har begrenset det til 3 grupper for å gjøre det lettere å legge ut, men avhengig av behovet kan du faktisk ha flere.

Når disse grensene er satt, vil disse tilpassede gruppene bli til en støttetabell.

Som du kan se, har ikke de egendefinerte gruppene noe forhold til andre elementer i modellen din. Så vi skal legge til litt logikk og kjøre en DAX-formel gjennom denne tabellen. Når den logikken er der, kan vi begynne å filtrere resultatene.

Det er her disse kommer inn. Vi skal bruke to mønstre her – fortjeneste og marginer .

Fortjeneste etter tilpasset gruppering

Vi starter med det første mønsteret, som ser på Profits by Custom Grouping .

La oss bryte ned dette tiltaket del for del.

Hvis vi nå ser på rangeringen vår, vil rangeringen vår alltid gjøres basert på.

Det interessante her er at selv om dette er basert på Totalt salg , er ikke produksjonen vår faktisk Salg. Utdataene kommer til å være basert på andre beregninger. Det viser igjen hvor effektiv denne teknikken er.

Så i stedet for å bare brukefunksjon, skal vi legge til en annen kontekst i formelen. Igjen, dette er basert på det faktum at vi bruker et støttebord.

Brukerfunksjon, skal vi evaluere hver enkelt kundes rangering.

Vi rangerer hver kunde ved å bruke grensene vi har satt for hver gruppe. Det er derfor du vil se at vi har lagt til Min Rank og Max Rank i målet vårt.

Nå når evalueringen oppfyller betingelsene for filtrene vi har satt, vil resultatene returnere den totale fortjenesten . 

Marginer etter egendefinert gruppering

La oss nå ta en titt på Margins- segmenteringen.

Igjen, la oss bryte denne formelen ned del for del.

Du vil se at dette er nesten nøyaktig det samme som Profit-segmenteringen, men denne gangen bruker vi CALCUATE- funksjonen for Profit Margin .

Akkurat som før, legger vi også til kontekst ved å angi Min Rank og Max Rank for våre egendefinerte grupper . Derfra får vi resultatene vi trenger.

Det er her resultatene er brutt ned i ulike segmenter. Det viktigste å huske på er at det vi filtrerer her er tabellen vi opprettet, som er egendefinerte grupper .

Som du kan se i visualiseringen nedenfor, er denne tabellen filtrert fordi vår egendefinerte gruppe nå er i legenden vår.

Så visualiseringen vil nå vise data basert på de bestemte kundene som er en del av den segmenterte gruppen.

Konklusjon

Med denne teknikken er det nå enkelt å rangere data basert på spesifikke segmenter. Husk at denne logikken brukes dynamisk for hvert valg du har. Så hvis du vil rangere data for Midwest Wholesale Sales, må du bruke den samme evalueringen på det spesifikke utvalget også.

Denne typen innsikt er ikke akkurat noe som bare kommer ut av rådataene dine. Det fine med dynamisk segmentering er at den også kan brukes i ulike situasjoner og ulike rapporteringsapplikasjoner.

Beste ønsker.