Pipe In R: Koblingsfunksjoner med Dplyr
I denne opplæringen lærer du hvordan du kobler funksjoner sammen ved å bruke dplyr-røroperatøren i programmeringsspråket R.
I denne LuckyTemplates-utstillingen skal vi fokusere på å vise frem hvordan forretningsberegningen vår endres over tid.
Vi har en forhandler av et produkt som selges over hele østkysten av Australia. Vi ønsker å analysere alle nøkkelberegningene deres, som inkluderer salg og fortjeneste blant andre transaksjoner. Vi ønsker også å se hvordan de har endret seg over tid. Du kan se hele videoen av denne opplæringen nederst på denne bloggen.
Innholdsfortegnelse
Salgsinformasjon
I den første rapporten har vi et diagram som viser den kumulative fortjenesten basert på valget vi gjorde ved å bruke et filter eller slicer.
Vi følger resultatet i år sammenlignet med fjoråret. Dette er også gjort for Salg.
Det fine med dette oppsettet er at vi dynamisk kan endre det til tidsrammen vi ønsker å se på.
Hvis vi vil se på dataene for tredje kvartal, trenger vi bare å klikke på Q3 i filteret.
Vi kan også gå tilbake historisk for å se på Q3 av 2015 og deretter sammenligne dataene med årene før det.
Sliceren gjør det enkelt å se dataene for en annen tidsramme.
Vi har også et øyeblikksbilde eller en trendanalyse av vårt totale salg og totale fortjeneste innenfor tidsperioden vi har valgt.
Dette er en fin måte å få et raskt øyeblikksbilde eller innsikt i trendene som vises i dataene våre.
En annen funksjon i denne rapporten er at vi også kan klikke på en region og se nærmere på statistikken for det spesifikke området.
Nederst i rapporten viser vi endringer i totalt salg over tid.
Dette diagrammet endres også dynamisk for å passe tidsrammen vi velger.
Marginanalyse
I den andre rapporten ser vi på marginene våre over tid.
Vi analyserer hvordan salgsmarginen vår har holdt seg over en viss tidsperiode.
Marginene kan analyseres over hele vårt produktomfang. Vi kan også bore i hvert produkt vi selger.
Dataene i denne rapporten er en aggregering av det totale overskuddet for de to kvartalene i 2016.
I dette diagrammet viser vi det glidende gjennomsnittet av fortjenestemarginene for dette året kontra fjoråret.
Når vi prøver å vise de forskjellige produktene i dette diagrammet, blir det vanskelig å forstå. I stedet for å bruke den faktiske netto fortjenestemarginen, normaliserer vi tallet ved å bruke et glidende gjennomsnitt.
Med dette kan vi få en god sans for avvik og divergens mellom år til år. Vi kan bruke denne informasjonen som høydepunkter i vår analyse.
Videre brukte vi også en rangeringsteknikk for dynamisk å rangere de øverste kontra de nederste byene basert på.
Å ha denne informasjonen vil tillate oss å få svar på spørsmål vi måtte ha angående ytelsen vår. Vi kan identifisere hvorfor våre fortjenestemarginer er høye eller lave for et produkt eller en region.
Dette er gode samtaler å ha med salgsledere eller salgsrepresentanter. Dessuten er det en rask og enkel måte å finne innsikt i en viktig del av lønnsomheten i en virksomhet.
Nederst i rapporten viser vi fortjenestemarginer i år kontra fjoråret basert på territorium.
Igjen, med denne informasjonen kan vi forstå hvorfor fortjenestemarginen er høy for et bestemt år og territorium. Vi kan da stille gode spørsmål som lar oss skape en robust diskusjon med våre regionale eller globale salgsteam.
Kostnadstrender
For den tredje rapporten ser vi på våre kumulative kostnader kontra kumulative salg over tid.
Det flotte med denne rapporten er at vi kan dykke inn i hver enkelt by vi selger i.
Vi kan velge de beste byene og se hvor divergens oppstår over tid.
Denne rapporten inneholder også analyser av lagrene som distribuerer produktene våre.
For dette diagrammet nederst i rapporten har vi en analyse av kostnadene i år kontra fjoråret.
Vi kan se om det var en stor endring over akkurat denne tidsperioden mellom årene vi har valgt.
Hvis vi hadde store innsatskostnader, for eksempel en varekostnad, for et spesifikt produkt, kan vi se en større forskjell sammenlignet med den vi ser i diagrammet.
Konklusjon
Denne opplæringen presenterte rapporter som vi kan lage ved å bruke tidsintelligens i LuckyTemplates for å vise frem endringer over tid.
Å være i stand til dynamisk å skifte og sammenligne mellom beregningene for ulike tidsperioder gjør at vi kan få verdifull informasjon om virksomhetens ytelse.
Denne innsikten hjelper oss å stille de riktige spørsmålene. De gir oss veiledning i å lage strategiene vi bør implementere for å forbedre virksomheten vår ytterligere.
Beste ønsker,
Sam
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.