Trekk ut unik innsikt i LuckyTemplates ved å bruke rangering av DAX-mål

I denne bloggen viser jeg frem rangering av DAX-tiltak for å analysere noe virkelig praktisk og få fantastisk innsikt i LuckyTemplates. Det er for å regne ut det totale salget til mine topp 3 selgere basert i en hvilken som helst region . Du kan se hele videoen av denne opplæringen nederst på denne bloggen.

En virkelig interessant innsikt, ikke sant? Det kan virke relativt intuitivt, men å implementere dette inne i LuckyTemplates er ikke så lett.

Du må forstå hvordan du skriver en DAX-formel som oppnår denne spesielle innsikten basert på konteksten vi setter den inn i.

Konteksten kommer til å være den bestemte regionen, og for alle disse regionene skal vi analysere alle selgerne, forstå om de er blant topp 3, og deretter telle opp salgene som de faktisk bidrar med.

Når trenger du å se på denne typen informasjon?

Fra et risikoreduserende perspektiv er det verdt å finne ut om alle inntektene dine er gruppert rundt et lite antall personer.

Hvis de bestemte personene forlot sine salgsregioner, ville plutselig virksomheten din i den bestemte regionen krympe betydelig. Jeg dykker mye dypere inn i hvordan du faktisk vil implementere dette under veiledningen.

Jeg viser deg også hvordan du kan visualisere dette på en overbevisende måte . Kombinert med, vil du kunne se at LuckyTemplates kan trekke ut denne høykvalitets innsikten effektivt og dynamisk.

Hvis du kan forstå denne formelen og hvordan du implementerer den, åpner mange ting seg analytisk for deg i LuckyTemplates. Dykk inn i opplæringen og prøv å lære så mye du kan.

Innholdsfortegnelse

• Gå gjennom datasettet
• Trener DAX-formelen
• Opprette visualiseringen
• Konklusjon

Gå gjennom datasettet

Dette eksempeldatasettet er veldig generisk. Vi har våre små og store regioner her, der de større regionene har flere selgere som er langt mer distribuert enn de mindre regionene, selvsagt.

Det som er kult er at vi kan dykke ned i denne informasjonen dynamisk. Med de nye tabellfunksjonene og datalinjene som opprettes, kan vi se nærmere på denne visualiseringen og bore dypere, og trekke ut mer betydelig innsikt.

Her kan vi se at Florida er en av våre største selgere. Vi kan rangere dette, eller sortere etter totalt salg for å se klart toppsalget ned til bunnsalget vårt.

Gjennom datafeltene kan vi se hvor våre største risikoer er, og viser Rhode Island som en av dem.

Vi kan velge en stat, og den vil gi oss informasjon om hvor mye vi faktisk tjente i hvert av disse kvartalene. Og ved det utvalget kunne vi se alle selgerne i den regionen også.

Så hvis det er en uteligger, kan vi faktisk velge det bestemte kvartalet og tallet med dataene.

For eksempel velger vi kvartal 3 i 2016, vi kunne se at vi hadde mer enn $10 000 salg og 70 % gikk til våre topp 3 selgere, som jeg satt i topp 3.

Vi kan også bore inn i våre selgere og se hvor mye de selger og hvorfor dette er 70 %. Hvor langt du kan dykke ned i denne informasjonen for å trekke ut innsikten er bare utrolig.

Du kan identifisere eventuelle uteliggere så raskt og være i stand til å se hvorfor det er en uteligger. Vi kan klikke til en hvilken som helst tidsramme i hvilken som helst stat og se hvert salg per selger.

Trener DAX-formelen

La meg lede deg gjennom hvordan du lagerat du er pålagt å lage denne visualiseringen.

Dette er ikke enkle formler. Det er noen få trinn du må gjennom for å få det til å fungere, og det største er faktisk å beregne hvor mye av salget vårt som tilskrives våre topp 3 selgere.

Nå har vi allerede vårt totale salg , som jeg demonstrerer i mange av mine andre opplæringsprogrammer.

Så vi går til New Measure og lager formelen vår for Top Sales People Sales .

Vi vil bruke SUMX , og deretter gå ned til en annen linje, hvor vi legger en virtuell tabell ved å bruke TOPN -funksjonen. Vi legger 3 her fordi vi ser etter våre topp 3 selgere.

På neste rad går vi til Salespeople , som er et annet virtuelt bord. Så vi lager en virtuell tabell i en virtuell tabell her.

Deretter går vi til Selgere , deretter SalesAmount på neste rad, og vi bruker vårt mål for Totalt salg . Vi filtrerer deretter TOPN etter SalesAmount.

Vi refererer nå fra et mål i kolonnen "SalesAmount". Vi kan lage en kolonne med informasjon og henvise til den i en annen tabellfunksjon for å lage et filter.

Det virker komplekst, men det er virkelig utrolig hva du kan oppnå når du begynner å gjøre slike ting.

Til slutt skal vi sette uttrykket i SUMX, som er vårt totale salg.

Dette er en gjenbrukbar formel, så du kan implementere den på en rekke forskjellige måter.

Nå ønsker vi også å vite prosentandelen av salg som går til våre topp 3 selgere i forhold til alle salg.

Så nok en gang går vi til New Measure, og vi kaller denne % av salget til toppselgere . Vi vil bare gå DIVIDE fordi vi allerede har tiltakene. Vi trenger ikke gjøre noe for annerledes enn det vi allerede har.

Så vi deler våre toppselgere med totalt salg og legger til vårt alternative resultat, som er 0 .

Med formlene våre klare, kan vi nå visualisere.

Opprette visualiseringen

Jeg skal vise deg hvordan du kan lage denne visualiseringen ved hjelp av datalinjene.

For vårt første bord henter vi vårt kvartal og år fra datoene våre, og går til vår plassering og finner staten vår . Vi setter kvartal og år i kolonnene og staten vår i radene. Deretter legger vi vårt totale salg i verdiene.

For å lage, klikker vi denne verdidelen her, som er en rullegardinpil, og går til Betinget formatering og klikker på Datalinjer.

Vi velger ganske enkelt temafargen vi vil ha for datalinjene våre her, og klikker OK.

Med datafeltene kan vi se kvartalsvis hvor mange salg vi faktisk gjorde per stat. Vi sorterer det deretter etter Salg , slik at vi kan se klart det høyeste ned til det laveste salget per stat.

Vi ønsker også å vite hvor stor prosentandel av salget som går til våre topp 3 selgere i forhold til alt salg . For å gjøre dette, kopierer og limer vi bare denne tabellen ned her, og drar deretter målet vi opprettet, % av salg til toppselgere inn i verdiene.

Hvis vi sammenligner denne tabellen nedenfor med tabellen øverst, er den ikke veldig innsiktsfull med mindre du legger noe betinget formatering på datalinjene, ikke sant? Så la oss bruke datalinjene på denne tabellen også, og deretter sortere den for å gi oss klare rangeringsvisuals.

Med datafeltene er informasjonen tydelig åpenbar nå. Vi kunne ikke oppnå så gode visualiseringer som dette før datalinjene fantes.

Vi kunne, men vi må lage individuelle stablede søylediagrammer. Men det ville vært så kjedelig. Med datafelter ville det være så enkelt og raskt å få denne innsikten.

Til slutt tar vi tak i selgernavnet vårt og setter vårt totale salg mot det for å lage et nytt bord ved siden av. Deretter rangerer eller sorterer vi det, og plasserer filteret.

Konklusjon

Ved å bruke den nye tabellfunksjonen har vi mange muligheter til å bore i informasjonen og få unik innsikt i LuckyTemplates, for eksempel attribusjon av selgers ytelse.

I dette eksemplet viser jeg hvor effektive funksjonene er, sammen med noen effektive rangerings-DAX-tiltak, for å oppnå fantastiske visualiseringer og salgsinnsikt.

Vi kunne faktisk endre formelen, Top Sales People Sales, litt og gjenbruke den. Hvis du virkelig sjekker ut formelen, er det bare et mønster.

La oss si at du for eksempel ønsker å ha topp 1-kunden, så kan vi gjøre det ved å endre nummeret her. Dette vil automatisk endre resultatene i tabellen.

Hvis du ønsker å begynne å mestre DAX-formler, så sjekk utkurs.

Det er her jeg dekker mange av de vitale konseptene rundt DAX som du trenger å lære veldig godt for enkelt å implementere denne typen analytisk arbeid på tvers av dine egne data.

Eventuelle tanker eller kommentarer, gi meg beskjed i kommentarfeltet nedenfor.

Jubel!