Pipe In R: Anslutningsfunktioner med Dplyr
I den här handledningen kommer du att lära dig hur du kopplar ihop funktioner med hjälp av dplyr-röroperatorn i programmeringsspråket R.
Jag vill gå igenom hur man beräknar dynamiska vinstmarginaler i LuckyTemplates. Du kan se hela videon av denna handledning längst ner på den här bloggen.
Detta är något som jag anser vara ganska enkelt om du har använt LuckyTemplates ett tag. Men om du precis har börjat kan det här vara en utmaning att få ihop det.
Den här typen av information är något som de flesta organisationer behöver. När du har lärt dig hur du får dynamiska produktmarginaler kan du gå ner i den informationen och få ännu bättre insikter.
Innehållsförteckning
Få den totala vinsten
När du försöker beräkna försäljningen eller intäkterna för en organisation, ser din modell vanligtvis ut så här, som använder vattenfallstekniken som jag har pratat om i tidigare tutorials.
Nu, i din försäljningstabell , har du vanligtvis grundläggande intäktsinformation som kvantitet, enhetspris och enhetskostnad .
Eftersom vi inte har den data som behövs för att hoppa rakt in i din vinstmarginal, kommer vi att göra någon åtgärd här. Det betyder att vi börjar med enkla åtgärder och sedan börjar bygga upp det därifrån .
Vårt bord har redan intäkterna, som vi beräknade genom att fåav vår totala försäljning .
För att få vinstmarginalen vill vi dividera den totala vinsten med den totala intäkterna . Vi har redan den totala intäkterna , så vi kommer att beräkna den totala vinsten .
Naturligtvis har vi inte heller totala vinster i din tabell. Vi har också våra totala enhetskostnader , men vi behöver de totala kostnaderna , som vi kan få genom att multiplicera orderkvantiteten med den totala enhetskostnaden .
För att göra det kommer vi att gå tillbaka till vår rapport och skapa en ny åtgärd.
En del av er kanske vill skapa ett snabbmått, men jag rekommenderar det inte. Det är alltid bäst att hålla sig till enkla åtgärder.
Jag kommer att kalla detta för Totala kostnader och jag kommer att användaatt beräkna för det. Så jag använder min försäljningstabell och sedan beställningskvantiteten .
Lägg till det i tabellen så får vi totala intäkter och totala kostnader , som båda är dynamiska.
Nu när vi har dessa två kan vi börja beräkna den totala vinsten genom att beräkna skillnaden mellan totala intäkter och totala kostnader .
Få vinstmarginalerna
När den totala vinsten har beräknats är nästa steg att få vinstmarginalerna . Jag ska användaför totala vinster och totala intäkter . Jag lägger också till en nolla för alternativa resultat.
Låt mig dra detta mått in i tabellen för att visa motsvarande vinstmarginaler för de data vi redan har.
Uppenbarligen skulle vi behöva det vara i procentform. Det är något du kan fixa i formatering i dina mätverktyg . I det här fallet, låt oss välja bara en decimal.
Nu kommer du att se att dina vinstmarginaler är i rätt format.
Fler insikter från dynamiska vinstmarginaler
Att få vinstmarginaler är bara början. När du väl har det kan du verkligen gräva djupt och få bättre insikter.
Till exempel kan vi göra en viss villkorlig formatering för att ändra bakgrundsfärgen på dina vinstmarginaler baserat på om de är bland de högsta eller lägsta.
Din data kommer nu att se ut så här.
När den formateringen är på plats kan du sortera igenom data antingen från högsta till lägsta eller vice versa.
Nu ska vi göra några visualiseringar för att få ännu mer insikter. Du behöver inte någon av dessa mellanliggande beräkningar, så du kan bli av med dem.
Nu har du bara dina vinstmarginaler på plats.
Därifrån kan du skapa ett stapeldiagram för att visualisera data korrekt.
Här är problemet. Det finns för mycket data här, så det verkar som att alla namn på ditt diagram har samma siffror.
Det finns en enkel lösning för detta. Jag har också pratat om grupperingstekniker i tidigare tutorials.
I det här fallet kan du använda dessa grupperingstekniker. Till exempel, istället för att ha enskilda kunder kan du segmentera dem i grupper. Du kan till exempel gruppera kunder med 50 % till 60 % vinstmarginal. Detta kommer att förbättra visualiseringen avsevärt.
Förutom att titta på enskilda kunder kan du också kontrollera dina vinstmarginaler per stat.
Detta är den stora fördelen som du har när dina resultat är dynamiska. Du kan ändra alla filter som ingår i din modell. Du kan till och med välja att bara se de fem bästa tillstånden här, eller de fem nedersta.
Slutsats
Dessa är några fantastiskasom du potentiellt kan använda. Dessa insikter om vinstmarginaler är tillämpliga i olika scenarier och organisationer.
Ännu bättre, du kan replikera dessa tekniker i dina egna LuckyTemplates-rapporter även om du inte har att göra med vinstmarginaler . Det handlar bara om att ha förståelse för enkla DAX-formler och mäta förgrening .
Teknikerna som du ser här är återanvändbara i alla slags beräkningar så länge omständigheterna är desamma. Du kan till och med blanda denna teknik med andra där det är tillämpligt.
Med vänliga hälsningar,
I den här handledningen kommer du att lära dig hur du kopplar ihop funktioner med hjälp av dplyr-röroperatorn i programmeringsspråket R.
RANKX från LuckyTemplates låter dig returnera rankningen av ett specifikt nummer i varje tabellrad som utgör en del av en lista med nummer.
Lär dig hur du tar isär en PBIX-fil för att extrahera LuckyTemplates-teman och bilder från bakgrunden och använda den för att skapa din rapport!
Excel Formler Fuskblad: Mellanvägledning
LuckyTemplates Kalendertabell: Vad är det och hur man använder det
Lär dig hur du installerar programmeringsspråket Python i LuckyTemplates och hur du använder dess verktyg för att skriva koder och visa bilder.
Lär dig hur du beräknar dynamiska vinstmarginaler vid sidan av LuckyTemplates och hur du kan få fler insikter genom att gräva djupare i resultaten.
Lär dig hur du sorterar fälten från en utökad datumtabells kolumner korrekt. Detta är en bra strategi att göra för svåra fält.
I den här artikeln går jag igenom hur du kan hitta dina toppprodukter per region med hjälp av DAX-beräkningar i LuckyTemplates, inklusive TOPN- och CALCULATE-funktionerna.
Lär dig hur du använder en skräpdimension för flaggor med låg kardinalitet som du vill infoga i din datamodell på ett effektivt sätt.