Avancerad DAX för LuckyTemplates: Implementering av rankningslogik över unika insikter

Här ska vi dyka in i Advanced DAX i LuckyTemplates. Tanken bakom denna handledning är att visa dig hur vi kan få en mycket unik insikt med LuckyTemplates, men gör det på ett intuitivt sätt. Du kan se hela videon av denna handledning längst ner på den här bloggen.

I det här exemplet ska jag fokusera på marginaltillväxt i försäljningen av en organisation , men ta det ännu längre och rangordna alla säljare efter hur de presterade på detta ena mått .

Detta kan vara viktigt för ett företag om de trodde att försäljningen inte skulle växa, så de behövde öka marginalerna för att få den lönsamhetstillväxt de var ute efter.

För att uppnå detta måste vi förgrena oss ett antal gånger bara för att få marginaltillväxten. När vi har slutfört detta kan vi lägga över en rankningsteknik för att upptäcka våra bästa säljare.

Med denna speciella insikt kan vi begränsa omfattningen av vår analys och kunna belöna säljarna som växer kontot med en marginal jämfört med bara försäljning.

Innehållsförteckning

• Inuti datamodellen
• Steg för att implementera rankningslogik
• Slutsats

Inuti datamodellen

Till att börja med har vi en väldigt generell datamodell här, som jag använder många gånger för mina demos. Den har några uppslagstabeller, såsom våra kunder, säljare, produkter, plats, datum. Och vi har vår försäljningstabell här nere.

Vi kan borra i all denna information så enkelt och snabbt.

I vår försäljningstabell har vi knappt någon information här. Så från detta utan att göra något för att modellera, kommer vi att kunna extrahera insikten och verkligen borra i denna mycket specifika del av insikten.

Tidigare utan LuckyTemplates skulle detta vara mycket svårt och ta lång tid att skapa.

Det fina med detta är att det också är dynamiskt. Vi kan se historiskt och snabbt få fram viktiga insikter. Nu dyker vi in ​​på några LuckyTemplates Advancedformler.

Steg för att implementera rankningslogik

Först och främst måste vi beräkna vår totala försäljning och totala kostnad för att få den totala vinsten. Vi använder itererande funktioner med dessa åtgärder.

Formeln för total försäljning tittar på tabellen Försäljning och multiplicerar varje enskild rad med Kvantiteten i rean, med det faktiska priset , som faktiskt står i tabellen Produkter i vår modell.

Vi gör exakt samma sak för totala kostnader . Vi multiplicerar kvantitet med varje enskild vara som vi har sålt .

Sedan är det här måttet förgrening kommer in. Vi räknar ut vår totala vinst, som är lika med total försäljning minus totala kostnader .

Nu måste vi räkna ut våra totala marginaler . Så vi förgrenar oss igen och går Totala vinster dividerat med totala försäljningar .

Samma som våra totala vinster, vinstmarginaler kan användas på alla dimensioner eftersom vi har vår datamodell i bakgrunden.

Vi kan placera filter från datumtabellen som isolerar marginaler för varje säljare vi har här.

Därefter räknar vi ut alla våra vinstmarginaler förra kvartalet. Så från vilket kvartal vi än har här, säg kvartal 3 av 2017, kommer vi att kunna beräkna våra marginaler under det föregående kvartalet (Q2).

För att göra det använder vifunktion, som jag visar upp många gånger i mina andra demos. Det här är en av mina favoritfunktioner för Time Intelligence eftersom det bara gör dessa beräkningar så enkla.

För att identifiera tillväxten i våra marginaler förgrenar vi oss helt enkelt igen.

Nu går vi ett steg längre för om vi tittar ner i den här tabellen så finns det ett antal olika säljare. Vi kanske vill se bara våra fem bästa. Det gör det mycket enklare att placera en visualisering på en rapportsida eller en instrumentpanel.

Så vi använder den här logiken för att uppnå det. Vi använder funktionen BERÄKNA för vår Marginaltillväxt , men beräknar den bara för de fem bästa säljarna . Och det är vad den här funktionen gör. Sedan tar VALUES tillbaka säljaren som är vår topp fem.

Denna formel tömmer ut allt som inte är på topp fem. Det är så vi skapar dessa visualiseringar, som bara har topp fem.

Slutsats

Med LuckyTemplates kan vi börja med ganska förenklade data och förgrena oss efter varandra, där vi verkligen kunde isolera saker precis i slutet.

Marginaltillväxten fanns inte ens någonstans. Det fanns ingenstans i någon data. Vi behövde använda DAX-formler för att skapa den. Nyckeln är att förgrena sig ovanpå varandra och sedan så småningom komma till resultatet. Vi lägger sedan in det i en visualisering, vilket ger oss en riktigt bra insikt.

Dessutom, inom LuckyTemplates har vi det dynamiskt. Vi kan ändra för vilken tidsram vi vill och sedan utvärdera det.

Detta är en riktigt kraftfull teknik och det finns mycket att lära här om DAX-formeln och hur du kan tillämpa den i dina egna LuckyTemplates-modeller.

Granska hela denna handledning på LuckyTemplates Advanced DAX. Det finns så mycket att lära om mätförgreningar och DAX-formelmönster, och genom att kombinera dessa kan du mycket snabbt få betydande insikter i dina data.

Skål!