Beräkna genomsnittet per kundtransaktion med DAX i LuckyTemplates

Vad jag vill visa i den här handledningen är hur vi kan beräkna genomsnittlig försäljning, vinst eller transaktioner per viss dimension inuti DAX i LuckyTemplates. Du kan se hela videon av denna handledning längst ner på den här bloggen.

I det här specifika exemplet ska vi titta på det ur en kunds perspektiv. Vi ska försöka analysera vilken genomsnittlig försäljning vi gör per transaktion och kund?

Detta kommer att göra det möjligt för oss att förstå vilka våra bästa kunder är, men också vilka som är våra kunder som kommer in och köper en stor summa.

Härifrån kan vi i slutändan förstå vilka marginaler vi extraherar per transaktion från våra kunder. Är de bra i vissa regioner jämfört med andra regioner? Är de bra för vissa produkter jämfört med andra produkter?

Vi kommer att titta på det genomsnittliga antalet köpta produkter per transaktion. Sedan ska jag också visa dig hur du kan härleda ännu mer så att du kan hitta ännu mer intressanta insikter baserade på denna första. Vi kommer att förgrena oss till andra saker och jag ska visa dig hur du gör det effektivt.

Innehållsförteckning

• Hur man beräknar genomsnittet per transaktion
• Beräkna genomsnittlig försäljning per transaktion
• Använda datafält
• Beräkna genomsnittlig vinst per transaktion
• Beräkna genomsnittliga marginaler per transaktion
• Genomsnittliga marginaler per transaktion över tid
• Andra insikter
• Visualisera data
• Slutsats

Hur man beräknar genomsnittet per transaktion

Först kommer vi att räkna ut ett värde per transaktion genom att hoppa in i tabellen Försäljning. Vi har en kolumn för order-ID på vänster sida.

Så varje order-ID motsvarar varje transaktion i den här specifika tabellen. Vi måste hitta ett sätt att utvärdera varenda en av dessa transaktioner och i huvudsak sätta ett genomsnitt på försäljningen som vi har gjort för varje enskild transaktion.

Detta kommer att ge oss – beroende på sammanhanget – genomsnittet per transaktion. Detta kan vara ur ett regionalt perspektiv, ett kundperspektiv eller ett säljarperspektiv.

Vissa datatabeller har ett beställnings-ID, och inom det beställnings-ID:t kan du ha ett antal olika transaktioner. Beroende på vilken genomsnittsberäkning du vill göra, vill du förmodligen mata in den kolumnen i beräkningarna. Låt oss först beräkna den genomsnittliga försäljningen.

Beräkna genomsnittlig försäljning per transaktion

Låt oss skapa ett mått och kalla det för Genomsnittlig försäljning per transaktion . Jag kommer att använda RAGEX-funktionen eftersom detta kommer att tillåta oss att göra dessa medelvärden genom att iterera genom något. Inom AVERAGEX kommer jag att använda VALUES och lägga in mitt order-ID. Sedan vill jag beräkna den totala försäljningen i genomsnitt för varje enskild beställning.

När jag väl drar det här måttet med mitt kundnamnskontext, är det här tabellen jag kommer fram till:

Detta kommer att visa oss i genomsnitt hur mycket varje person tjänar per transaktion varje gång de kommer in i en butik.

Använda datafält

Detta är redan en ganska bra insikt i sig, men vi kan få det här att se bättre ut med villkorlig formatering och datafält .

Beräkna genomsnittlig vinst per transaktion

Vi behöver inte stanna här; vi kan vi kan gå ännu längre. Vi har några andra kärnberäkningar som totala vinster och totala kostnader . Med dessa beräkningar kan jag ta reda på den genomsnittliga vinsten per transaktion . Allt jag behöver göra är att kopiera och klistra in måttet jag precis använde i ett nytt mått, och istället för Total försäljning , ska jag lägga in Totala vinster .

Med detta nya mått kan vi räkna ut vad våra vinster är på varje enskild transaktion och sedan gå upp i genomsnitt.

Jag kan bara dra det nya måttet till min tabell för att komma med nya insikter. Till exempel har vår kund Chris Fuller större lönsamhet per transaktion än Philip Foster, som faktiskt gjorde större försäljning. Detta är en ganska bra insikt, eller hur?

Beräkna genomsnittliga marginaler per transaktion

Vi kan också hantera genomsnittliga marginaler per transaktion . Vi kommer inte att behöva referera något från tabellen eftersom vi faktiskt bara kan använda mått inom mått .

Allt vi behöver göra är att dividera genomsnittlig vinst per transaktion med genomsnittlig försäljning per transaktion och sedan mata in 0 som ett alternativt resultat . Vi måste också se till att den är korrekt formaterad.

När jag väl drar in det här i tabellen kommer du att se varför vi har högre vinster för Chris Fuller än för Philip Fosters. Chris har högre marginaler jämfört med Philip.

Detta är en mycket intressant insikt för just denna kund, såväl som resten av våra kunder.

Vad som är coolt är att vi kan använda den här tekniken i alla sammanhang. För närvarande använder vi bara ett filter från vår kundtabell. Om du tänker efter kan vi använda filter från någon av dessa tabeller i vår datamodell och se hur saker förändras.

Genomsnittliga marginaler per transaktion över tid

Vi kan också ta en titt på våra genomsnittliga marginaler per transaktion över tid. Jag ska bara snabbt piska upp detta med hjälp av månad och år och genomsnittliga marginaler per transaktion som värden och sedan lägga ut dem i en graf.

Vi kan se hur de genomsnittliga marginalerna förändras över tiden och se säsongsvariationerna.

Andra insikter

Sammantaget är det mycket lättare nu att se våra kunder med hög marginal kontra lågmarginal. Kunden Juan Collins har till exempel en marginal på 40 %. Den här sticker ut klart som dagen.

Vi kan också spara filter för att se vilka som är de mest lönsamma kunderna per transaktion; detta kan möjligen tyda på att säljaren som tilldelats dessa delar är mycket bra.

Visualisera data

Vi kan titta närmare på insikten med DAX i LuckyTemplates och bestämma våra bästa kunder på regional basis. Händer det något regionalt? Vi kan byta från en kartvisuell till en fylld karta.

Vi kan borra i och ta en mer djupgående titt. I mitt exempel har New Hampshire låga marginaler medan varannan region är ganska jämnt fördelad.

Du kan också välja kunder från tabellen och utifrån detta bestämma en delmängd av kunder var uppdelningen var.

Slutsats

Vi kan extrahera så många fantastiska insikter när vi beräknar medelvärden med DAX i LuckyTemplates. De tillför också mycket mervärde till vad vi kan göra inom ett företag ur ett marknadsföringsperspektiv och perspektiv för allokering av försäljningsresurser.

Du vill uppenbarligen fokusera på de kunder som köper mest till de högsta marginalerna. Och genom den här typen av analys kan du anpassa dina resurser till där du känner att du kommer att optimera de bästa resultaten.

I den här handledningen arbetade vi med en sak och förgrenade oss sedan till massor av andra saker. Du kan göra många beräkningar och tekniker med DAX i LuckyTemplates, och hitta några riktigt bra insikter.

Den här typen av analytiskt arbete är så kraftfullt. Om du vill recensera fler exempel precis som det, kolla inmodul klUppkopplad. Den här modulen innehåller innehåll som handlar om att lösa verkliga affärsproblem med hjälp av bästa praxis från DAX i LuckyTemplates.

Med vänliga hälsningar,