Analysera genomsnittliga resultat per månad med hjälp av DAX i LuckyTemplates

I den här handledningen går jag igenom en teknik för genomsnittlig resultatanalys. Jag dyker ner i några typer av inköps- & inköpsanalyser som du kan göra med LuckyTemplates. Du kan se hela videon av denna handledning längst ner på den här bloggen.

Specifikt kommer vi att titta på de genomsnittliga månatliga inköp ett företag kan göra.

Jag går igenom vilken DAX kombination behöver du för att kunna beräkna medelvärden i månadssammanhang. Jag visar dig också hur du kan kombinera dessa formler eller funktioner med datamodellen. Genom att göra detta effektivt kan du snabbt extrahera information över en rad olika dimensioner.

Oavsett om du vill analysera dina månatliga inköp efter division, region eller enligt varje chef, är allt detta möjligt med LuckyTemplates på ett effektivt och effektivt sätt.

Du behöver inte skriva olika formler för att göra det.

Vad du kan göra är att utnyttja datamodellen som du har byggt för ett scenario av upphandlingstyp. Du kan ta in olika element eller olika dimensioner från dessa olika tabeller som du har i din datamodell och lägga över dem med formlerna som du har skapat.

Dessutom kan du förgrena dig ännu längre från det. Du kan till exempel analysera skillnaden i inköp över tid för någon av dessa olika dimensioner i din data. Du kan också inkludera många tidsjämförelser och tekniker för tidsintelligenstyp i analysen.

Så i det här exemplet tittar vi på saker på en genomsnittlig basis. Istället för att titta på varje enskilt köp vill vi se hur det går med snittköpen på våra avdelningar. Jag ska visa dig hur du kan använda en kombination av tekniker för att faktiskt lösa detta med LuckyTemplates.

Innehållsförteckning

• Räkna ut genomsnittliga månatliga inköp
• Jämföra genomsnittliga inköp under en tidsperiod
• Slutsats

Räkna ut genomsnittliga månatliga inköp

Först och främst har jag skapat ett mått för att få den totala mängden fakturering som vi gör. Här är formeln:

Så nu räknar vi ut medelvärden över tiden . Vi kommer att titta igenom tiden och se vilken tidsram vi gör inköp. I det här fallet har vi hela vägen från januari 2015 till januari 2017.

Vi drar helt enkelt vår datumtabell till vår axel och vi kan se våra faktureringssummor efter datum.

Nu vill vi räkna ut hur mycket vi fakturerar per månad på avdelningsbasis. För att se den insikten tar vi tag i faktureringssummorna och drar sedan in vår avdelning till axeln.

Det är också lätt att lägga över en slicer från vår Date-tabell, där vi enkelt kan ändra den och titta på vissa tidsramar, vilket kommer att påverka både sammanhanget och resultaten.

Men säg till exempel, inom detta datumsammanhang vill vi se i genomsnitt under månaderna här, hur mycket vi faktiskt spenderar per avdelning . För att göra detta krävs bara en förståelse för hur man använder AVERAGEX -funktionen och vilken virtuell tabell vi vill placera inuti den funktionen.

Så vi skapar ett nytt mått och kallar det Average Monthly Purchases . Vi kommer att använda AVERAGEX , sedan lägger vi in ​​en virtuell tabell för varje månad. Vi hittar dimensionen Månad och år i vår datumtabell och det kommer att göra iterationen åt oss.

AVERAGEX är en itererande funktion och därför måste vi ge den en tabell att iterera igenom. I det här fallet ger vi den en virtuell tabell över varje månad och år. Och det är vad som kommer att skapa genomsnittet eftersom det bara kommer att beräkna antalet månader i år i detta sammanhang.

Sedan lägger vi till vårt faktureringsmått och vi ser att vi nu har ett genomsnitt. Vi formaterar den och ändrar färgen så att den sticker ut.

Jämföra genomsnittliga inköp under en tidsperiod

Det är bra att se det genomsnittliga inköpet, men det skulle också vara bra att se och jämföra genomsnittliga inköp med en tidigare tid.

För att göra detta utökar vi helt enkelt det vi har här. Vi utgår från våra enkla åtgärder och går sedan vidare till fler DAX-tekniker för att få fler insikter.

Vi kallar vår formel Average Monthly Purchases LY och vi använder funktionen BERÄKNA för våra Average Monthly Purchases . Vi kommer att ha DATEADD och DATES , och antalet intervall är -1 – sedan kör vi YEAR .

Utifrån detta sammanhang kan vi nu jämföra vårunder den tidsram som vi har valt jämfört med exakt samma tidsram från föregående år.

Analysera inköpsbeslut i LuckyTemplates med hjälp av DAX

Slutsats

Jag har gått igenom alla steg som anges ovan i denna handledning. Om du kan relatera till det här scenariot är jag mycket säker på att du kommer att lära dig mycket om hur LuckyTemplates kan användas för att optimera beslut kring dessa typer av köpscenarier.

Och det som är bra med detta i LuckyTemplates är att när du har lärt dig tekniken kan du enkelt tillämpa den på många olika datascenarier.

Tidsjämförelser förändras inte oavsett vilket datascenario du arbetar med och mycket snabbt kan du få några ganska coola insikter. Du kan till och med förgrena dig om du vill gå längre med din LuckyTemplates genomsnittsanalys.

Med vänliga hälsningar!