Anpassad dynamisk segmentering med DAX i LuckyTemplates

I det här blogginlägget vill jag gå igenom ett avancerat DAX-mönster om hur man skapar anpassad dynamisk segmentering i LuckyTemplates. Du kan tillämpa denna fantastiska teknik på många scenarier för att få meningsfulla insikter. Du kan se hela videon av denna handledning längst ner på den här bloggen.

Dynamiska grupper skapas när en rad olika kunder segmenteras baserat på olika mätvärden som försäljning, marginaltillväxt och genomsnittlig vinst per månad.

Innehållsförteckning

• Gruppera kunder tillsammans
• Skapa nya dynamiska grupper
• Vinster genom anpassad gruppering
• Marginaler efter anpassad gruppering
• Slutsats

Gruppera kunder tillsammans

Målet med anpassad dynamisk segmentering är att ranka kunder baserat på olika mätvärden . Om du tittar på visualiseringen nedan ser du att data är uppdelad i tre grupper – 1 till 20, 21 till 50 och "övrigt".

På grund av dessa grupper kan du se nyckelkunder, nyckelprodukter eller nyckeldimensioner och verkligen borra in i den aspekten på ett mer effektivt sätt. Du kan se mönster i din data. Annars skulle all denna data bara se ut som ett virrvarr av punkter på ett punktdiagram utan dessa grupper. 

Vi går också efter att skapa en dynamisk beräkning. Detta gör att kunderna inte bara rankas genom hela datamängden och tidslinjen. Vi gör det också för specifika val.

Låt oss säga att jag bara vill titta på uppgifterna från mina kunder i region väst för första halvåret.

När dessa filter har tillämpats ser du att resultaten uppdateras dynamiskt. Den rangordnar automatiskt valda data från 1 till 20, 21 till 50, och så vidare.

När dessa rankningar väl har skapats kan du också skapa en slicer av den och borra in i dessa specifika kundgrupper på ett riktigt effektivt sätt.

Det intressanta med det här filtret är att inget av detta tillhör någon befintlig tabell från kärndatamodellerna, och det kommer inte heller från någon databas. Den genereras inom din LuckyTemplates-modell genom att använda rätt DAX-formel.

Skapa nya dynamiska grupper

Så här kan du bygga dessa grupper från grunden. Kom ihåg att du försöker bygga en tabell som kommer att presentera data på samma sätt som tabellen nedan gör det, med minimi- och maxgränser för varje grupp.

Jag har begränsat det till 3 grupper för att göra det lättare att lägga upp, men beroende på behovet kan man faktiskt ha fler.

När dessa gränser är satta kommer dessa anpassade grupper att förvandlas till ett stödbord.

Som du kan se har de anpassade grupperna inget samband med andra element i din modell. Så vi kommer att lägga till lite logik och köra en DAX-formel genom den här tabellen. När den logiken är där kan vi börja filtrera resultaten.

Det är här dessa kommer in. Vi kommer att använda två mönster här – vinster och marginaler .

Vinster genom anpassad gruppering

Vi börjar med det första mönstret, som tittar på Profits by Custom Grouping .

Låt oss bryta ner denna åtgärd del för del.

Om vi ​​nu tittar på vår rankning kommer vår rankning alltid att göras utifrån.

Det intressanta här är att även om detta är baserat på total försäljning , är vår produktion faktiskt inte försäljning. Resultatet kommer att baseras på andra mätvärden. Det visar återigen hur effektiv denna teknik är.

Så istället för att bara användafunktion kommer vi att lägga till ett annat sammanhang i formeln. Återigen, detta är baserat på det faktum att vi använder ett stödbord.

Användafunktion kommer vi att utvärdera varje enskild kunds rankning.

Vi kommer att rangordna varje kund utifrån de gränser som vi har satt för varje grupp. Det är därför du kommer att se att vi har lagt till Min Rank och Max Rank i vårt mått.

Nu när utvärderingen uppfyller villkoren för de filter vi har ställt in, är det då resultaten ger den totala vinsten . 

Marginaler efter anpassad gruppering

Låt oss nu ta en titt på segmenteringen Marginaler .

Återigen, låt oss dela upp denna formel del för del.

Du kommer att se att detta är nästan exakt samma som vinstsegmenteringen, men den här gången använder vi funktionen BERÄKNA för vinstmarginalen .

Precis som tidigare lägger vi också till sammanhang genom att ställa in Min Rank och Max Rank för våra anpassade grupper . Därifrån får vi de resultat vi behöver.

Det är här resultaten är uppdelade i olika segment. Det viktigaste att komma ihåg är att det vi filtrerar här är tabellen vi skapade, som är anpassade grupper .

Som du kan se i visualiseringen nedan filtreras den här tabellen eftersom vår anpassade grupp nu finns i vår legend.

Så visualiseringen kommer nu att visa data baserat på de specifika kunderna som ingår i den segmenterade gruppen.

Slutsats

Med den här tekniken är det nu enkelt att rangordna data baserat på specifika segment. Kom ihåg att denna logik tillämpas dynamiskt för varje val du har. Så om du vill rangordna data för Midwest Wholesale Sales, måste du tillämpa samma utvärdering på det specifika urvalet också.

Denna typ av insikt är inte precis något som bara kommer att dyka upp ur dina rådata. Det fina med dynamisk segmentering är att den även kan användas i olika situationer och olika rapporteringsapplikationer.

Med vänliga hälsningar.