Använda flerskikts scenarieanalys i LuckyTemplates

Jag är enorm på scenarioanalys i LuckyTemplates. Att kunna mata in variabler i dina beräkningar som du kan "chocka" för att effektivt förutsäga utfall är så kraftfullt när du försöker fatta beslut. Du kan se hela videon av denna handledning längst ner på den här bloggen.

I LuckyTemplates kan du slutföra detta riktigt effektivt, och du kan kombinera många av formelteknikerna med dina datamodeller och exponentiellt se hur framtida resultat kan påverkas över en rad dimensioner.

Sedan inspelningen av den här videon har LuckyTemplates-teamet faktiskt gjort det ännu enklare att skapa "What If"-parametrar vilket är bra, så det kommer att påskynda saker och ting för dig.

Men det jag verkligen ville visa upp här var hur du kan lägga scenarier ovanpå varandra. Detta ökar din analytiska kraft oerhört.

Låt oss bara gå igenom ett exempel.

Innehållsförteckning

• När kan du använda scenarieanalys i LuckyTemplates?
• Granska datamodellen och skivorna
• Använda iteratorer i flerskikts scenarieanalys
  • Varför vi behöver använda iteratorer
  • Använda SUMX i formeln för total försäljning
• Använda scenarieanalys i LuckyTemplates
• Kollar formeln
• Slutsats

När kan du använda scenarieanalys i LuckyTemplates?

Du kanske vill köra en kampanj och sänka priserna. Som ett resultat kan efterfrågan på dina produkter öka.

Med den ökade efterfrågan kanske du kan ordna en lägre kostnad på dina insatser, och du kan nu köpa bulk. Du förstår vad jag menar.

Du kan lägga alla dessa scenarier efter varandra och sedan se, baserat på dina prognoser, hur det kan förändra saker eller påverka din lönsamhet.

Men innan vi faktiskt dyker in i hur vi faktiskt kan lagra flera scenarier med hjälp av, låt oss först granska data som vi kommer att använda i den här demon.

Granska datamodellen och skivorna

Bara för att ge dig lite bakgrund om de data som vi arbetar med här, låt oss ta en snabb titt på vår datamodell. Jag har ställt in det här i förväg istället för att jobba på allt från grunden för att spara tid.

Så i grund och botten arbetar vi med försäljningsdata. Vi har också information om våra kunder, våra produkter, samt de regioner där vi gjorde försäljning och datum då transaktionerna skedde.

Och som du kan se har vi stödtabeller här för prisförändringar, kostnadsförändringar och efterfrågeförändringar.

Vi kommer att använda dessa tre stödjande tabeller som slicers och sedan ta in beräkningen i vår analys.

Låt oss bara kolla in vår formel för den procentuella kostnadsförändringen .

Vad vi säger här är att OM har ett värde så ändras den procentuella kostnaden – det kan vara genomsnitt eller summa . Detta innebär att om vi har valt ett alternativ i Procent kostnadsändring, till exempel 10 % eller 15 %, returnerar resultatet.

Men om det sedan är noll , det vill säga om inget väljs, så är det vi säger att det inte finns någon förändring av kostnaderna .

Att skapa formlerna för procentuell prisändring och procentuell efterfrågan förändring kommer att kräva ett liknande mönster så vi kommer inte längre att diskutera de andra två.

Använda iteratorer i flerskikts scenarieanalys

För att faktiskt göra flerskiktad scenarioanalys i LuckyTemplates måste vi använda några itererande funktioner.

Låt mig visa dig varför detta behövs genom att titta på Total försäljning .

Varför vi behöver använda iteratorer

Vi har här nedan vår formel för total försäljning .

Vad den gör här är att den beräknar summan av totala intäkter .

Problemet med den här formeln är dock att vi inte kan inkludera andra variabler som påverkar den totala intäkterna .

Tänk om efterfrågan till exempel ökar? Hur kommer det att påverka vår försäljning? Vad sägs om när enhetspriset ökar? Vi måste kunna räkna in dessa.

Låt oss därför revidera vår formel med hjälp av iterationsfunktionen.

Använda SUMX i formeln för total försäljning

Så vi har vår formel för total försäljning här. Men istället för SUM, låt oss nu använda SUMX , sedan Order Quantity och sedan multiplicera det med enhetspriset .

Använda scenarieanalys i LuckyTemplates

Vid det här laget har vi redan granskat vår datamodell och slicers som vi ska använda. Vi har också diskuterat varför vi behöver iteratorer.

Låt oss nu skapa ett nytt mått och kalla det Scenario Profits .

Låt oss sedan lägga till beställningskvantitet och tidsätta den med ett plus ändringen av efterfrågan . Vad som händer här är att när efterfrågan förändras kommer det att chocka upp kvantiteten.

Låt oss sedan hoppa ner till en annan rad. Vi kommer att multiplicera med enhetspriset gånger med 1 plus prisändringen . Nu, om priset ökar, kommer det att chocka enhetspriset.

Därför kan förändringar i pris och förändringar i efterfrågan chocka den totala försäljningen .

Men vår formel slutar inte här. Vi måste fortfarande räkna in kostnaden.

Så det skulle vara minus SUMX , gå sedan till försäljningstabellen, sedan beställningskvantitet gånger 1 plus efterfrågeändring och sedan gånger total enhetskostnad gånger 1 plus kostnadsändring .

Då ska vi stänga av det.

Låt oss nu se hur vår formel för Scenariovinster fungerar.

Kollar formeln

För att dubbelkolla vår formel, låt oss skapa en tabell med Scenariovinster och Månad & År.

Om vi ​​inte väljer något i våra slicers kommer vår tabell helt enkelt att visa den totala vinsten för 2016. Vår tabell visar bara 2016-siffrorna eftersom endast detta år filtreras.

Låt oss nu ta en titt på möjliga scenarier.

Till exempel ökar kostnaden för våra råvaror med 10 %, detta återspeglas i våra scenarievinster.

Men då vet vi att denna kostnadsökning kommer att påverka vårt pris. Så låt oss säga att vi kommer att höja priset med 15 % som ett resultat av den kostnadsökningen.

Återigen, denna prisförändring återspeglas i våra scenarievinster.

Men eftersom vårt pris ökade kan detta minska vår efterfrågan. Så till exempel minskar vår efterfrågan med 5 %. Naturligtvis minskar våra scenarievinster också.

Som vi har sett påverkar alla förändringar i procentkostnad, procentpris och procentuell efterfrågan scenariovinsterna eftersom de tas med i analysen.

Slutsats

I det här inlägget har vi kort diskuterat hur man skapar flerskikts scenarioanalys i.

Förhoppningsvis kan du hitta tid att verkligen dyka in i denna teknik. Det finns ett enormt antal tillämpningar av detta i alla datascenarios.

När du väl kan tänka dig hur du kan integrera mått som fångar scenarioparametrarna i mått som kör beräkningar över din kärndatamodell, kommer du att se obegränsade möjligheter att upptäcka prediktiva insikter i framtiden.

Lycka till med denna.

Skål,