Budgetera prestandasegmentering med DAX i LuckyTemplates

Resultatanalys för budgetering kan ibland kräva att vi segmenterar de resultat vi för närvarande har till olika grupper. Detta för att analysera vilka aktörer som var bättre än andra jämfört med deras mål. Du kan se hela videon av denna handledning längst ner på den här bloggen.

LuckyTemplates kan hantera prestandasegmentering och förstå deras skillnader och effekter på den totala budgeten. I den här handledningen kommer jag att diskutera hur man utför en budgeteringsprestandasegmentering.

Segmentering är en teknik som används för att begränsa stora målämnen till definierade målgrupper.

Detta är ett vanligt krav för analys av budgettyp. Det är dock ingen lätt teknik för dem som precis har börjat med LuckyTemplates. Det finns många saker som du behöver göra rätt för den här tekniken.

Jag kommer också att diskutera hur du kan segmentera budgeteringsdimensionen som du analyserar. Du kan segmentera i grupper som bäst presterande kontra sämst presterande . Detta kan baseras på skillnaden mellan dina intäkter och budget .

Det viktigaste att notera här är att förstå formeln för datasegmentering .

Innehållsförteckning

• Stödtabell för budgetering av prestandasegmentering
• Förstå Budgeting Performance Segmentation Formel
• Använder samma formel för budgetgruppens försäljningsmått
• Dynamisk gruppering baserat på det valda segmentet
• Slutsats

Stödtabell för budgetering av prestandasegmentering

Vi kommer att använda den här rapportsidan som jag använde förra gången. Sessionerna handlade om budgetering.

Den här handledningen kommer dock bara att fokusera på hur man segmenterar data i grupper . Detta kommer att hjälpa oss att se hur man skapar grupper som inte fanns i vår data, men som härleddes från resultaten baserat på vår data.

Alla budgetåtgärder här var redan härledda eftersom de diskuterades under detta. Du kan kolla in alla resurser och diskussioner som du kan ladda ner.

Låt oss säga att vi redan har resultatet av vår försäljning till budgetdata. Sedan måste vi segmentera detta för att identifiera vem som presterar positivt från gruppen , eller i det här exemplet, regionen .

Men vi måste komma ihåg att detta inte finns i vår datamängd. Därför är det absolut nödvändigt att vi skapar en stödtabell för att kategorisera prestandan per region. Låt oss ta en titt på denna befintliga stödtabell.

Baserat på denna tabell klassificeras regionerna som bäst presterande om de ligger 40 % över budget . Om de ligger under sin budget och inte uppfyller dem alls, så klassas de som sämst presterande .

Detta gör att vi kan få bättre insikter och förstå scenariot bakom vår analys. Data per segmentering kommer att återspeglas efter att den stödjande tabellen har skapats.

Förstå Budgeting Performance Segmentation Formel

Bilden nedan visar det vanliga allmänna DAX-mönstret för datasegmentering.

Eftersom vi letar efter data från olika regioner är det viktigt att iterera genom varje enskild stad inom varje region . Och det är vad RankingDimension -variabeln gör. Det skapar en lista över varje enskilt stadsnamn.

Sedan lägger vi in ​​det i funktionen eftersom vi måste utvärdera varje enskild stad baserat på deras försäljning vs budget procent. Efter det kommer vi att använda resultatet från den utvärderingen för att identifiera budgetintervallet eller -gruppen en stad tillhör.

Som du kan se här räknade den tidigare diskuterade beräkningen upp antalet städer i var och en av de prestationsgrupper som vi skapade.

Vi kan också använda detta liknande mönster för måttet Budget Group Sales .

Använder samma formel för budgetgruppens försäljningsmått

Först, låt oss klicka på budgetgruppens försäljningsmått och kolla in den här formeln:

Här använde vi en logik som nästan är densamma som att segmentera butikerna per stad. Det är inte mycket förändring från mönstret. Men istället för att räkna butikerna, beräknar vi den totala försäljningen för varje butik med hjälp avfungera. 

Den här informationen är användbar om vi vill visa resultaten med hjälp av visualiseringar som en karta. Detta kommer att färga varje stad beroende på vilken prestationsgrupp de tillhör i det valda sammanhanget.

Vi kan klicka på den här visualiseringen för att kolla in de städer som tillhör en viss prestationsgrupp. För det här exemplet, låt oss klicka på gruppen Bäst presterande .

När vi kollar på kartan och tar en titt på Miami-regionen ser vi att det är en stor stad. Det kan vara anledningen till att försäljningen är bättre i den regionen.

När vi klickar på gruppen Worst Performers kan vi även se städerna som ingår i den prestationsgruppen.

Dynamisk gruppering baserat på det valda segmentet

En annan sak att notera här är att vi behöver återskapa alla motsvarande mått så att de kan ändras baserat på urvalet från prestationsgruppsvisualiseringen. Dessa är måtten Budgetgrupp % skillnad, Budgetgruppsförsäljning, Budgetgruppprestanda och Budgetgruppräkning .

Detta beror på att vi väljer en dimension inuti ett stödbord utan någon relation till vår kärnmodell.

När vi väl använder våra gamla mått och väljer bland resultatgruppsmåtten, kommer det inte att påverka de andra beräkningarna ( budgetgrupp % skillnad, budgetgruppförsäljning, budgetgruppsprestanda, budgetgruppantal) som vi visar.

Det som gör måttet Budgeting Performance Segmentation dynamiskt är att det ändrar de andra beräkningarna baserat på vald data från resultatgruppsvisualiseringen . För att göra detta måste vi ändra alla våra beräkningar till ett annat sammanhang. När ett urval görs måste vi räkna om det baserat på denna segmenteringslogik.

Slutligen kommer denna del av logiken att upprepa försäljningen av varje region och identifiera den prestationsgrupp en stad tillhör . Och det är mest vad du behöver för att framgångsrikt segmentera dina data eller resultat i grupper.

Avancerad produktbudgeteringsanalys – LuckyTemplates & DAX-tekniker

Slutsats

För att sammanfatta, budgetering av prestandasegmentering med DAX i LuckyTemplates kan vara fördelaktigt på olika sätt. Det är ett bra sätt att presentera data över tid. Det kan öppna diskussionen över prestationsresultaten för kunder, produkter, butiker eller till och med regioner.

Det låter dig inte bara gruppera data baserat på en specificerad segmentering, det gör det också lättare att manipulera råresultaten och jämföra dem med budgetarna eller göra prognoser. 

Även om den diskuterade dynamiska segmenteringen är sömlös måste man kunna generera relativt komplex analys när man jämför faktiska resultat med budgetresultat. 

Förhoppningsvis har du fått ut mycket av den här tekniken och hittat sätt på hur du kan implementera den i dina egna modeller.