Hur man beräknar beläggningsdagar per månad i Lucky-mallar med hjälp av DAX

Den här handledningen belyser hur vi kan beräkna beläggningsdagar med DAX i LuckyTemplates. Detta är mycket användbart för organisationer som sjukhus, Airbnb, hotell, etc. Det här är en intressant insikt om du vill fördjupa dig i att hantera dina beläggningsnivåer effektivt. Du kan se hela videon av denna handledning längst ner på den här bloggen.

Det här ämnet kom igenom som jag tycker förtjänar en djupare titt. Jag gillade verkligen att arbeta igenom lösningen, så jag tänkte att det var en bra idé att dela den i en handledning. Scenariot är att räkna ut hur många dagar inom en månad en person ockuperade något , så det kan vara en sjukhussäng, ett delat bibliotek eller något annat.

I den här demonstrationen tittar vi på beläggningen av sjukhussängar. Vi kommer att arbeta mellan två datum – antagningsdatumet och avresedatumet. Vi har patienternas namn, månaderna och antalet dagar patienterna upptar rummen eller sängarna.

Innehållsförteckning

• Uppsättning av datamodeller
• DAX-formel för att beräkna beläggningsdagar på en månad
• Slutsats

Uppsättning av datamodeller

Det här är ett ganska knepigt scenario som många människor blir förvirrade över, men det är viktigt att förstå hur man löser detta eftersom det är ett vanligt scenario i den verkliga världen.

Vi arbetar med två datum här, men det här är bara en demodata för den här exempellösningen. Inom en och/eller två månader får vi reda på hur många dagar dessa patienter stannar på sjukhuset.

Det här är den datamodell som ställs in när vi skapar inaktiva relationer, som vi behöver för det här scenariot. Vi har datumtabellen som inte ändras alls, men vi har dessa inaktiva relationer som gör att vi kan arbeta lite logik genom datatabellen och ta in något sammanhang från tabellen datum.

datamodellen

Det är bra att ha inaktiva relationer och ställa in modellen på detta sätt eftersom vi kanske vill göra några andra beräkningar i vår faktatabell och skapa sammanhang från tabellen Datum i våra andra analyser. Det är där detfunktion kommer väl till pass. Denna funktion gör det möjligt för oss att aktivera dessa relationer.

Vi måste använda inaktiva relationer när vi arbetar med flera datum i faktatabellen. 

Datumtabellen vi använder här är en standardtabell som innehåller allt vi behöver för denna analys. Vi kommer att använda kolumnen i vår beräkning.

Datumtabell

DAX-formel för att beräkna beläggningsdagar på en månad

I vår formel arbetar vi igenom varje månad för att beräkna några IF- uttalanden. Vi använder variabler () för att skapa parametrarna som vi ska använda i våruttalanden. 

Kom ihåg att med DAX beräknas varje resultat individuellt. Så till exempel, resultatet 14 dagar här (i vår tabell nedan) beräknas annorlunda än resultatet 18 dagar. Detta beror på att sammanhanget där dessa resultat beräknas är annorlunda.

De kan ha samma kontext vad gäller patienten (238), men kontexten utifrån månaderna (augusti och september) är annorlunda. Det intressanta med sammanhang här är att det inte finns något som kommer naturligt via en aktiv relation. Vi måste generera några värden från det vi har i vår matris med DAX-formel. 

Så vi måste räkna ut våra variabler först. Vi beräknar vårt tillträdesdatum och avresedatum . Sedan räknar vi ut våra MinDateInContext och MaxDateInContext , som beräknar den 1:a och den 30:e eller 31:a dagen i en viss månad (28:e eller 29:e för februari). Den andra delen av formeln är där logiken kommer in för att beräkna beläggningsdagar i en månad eller inom månader.

Slutsats

Det är lite till det, men förhoppningsvis får du logiken att beräkna beläggningsdagar i LuckyTemplates. Du kan prova det själv och se hur DAX gör att du kan träna inaktiva relationer och flera dejter. 

Detta är ett ganska unikt scenario, men realistiskt. Företag som behöver hantera beläggningsnivåer kan dra nytta av denna lösning. Detta visar LuckyTemplates analytiska förmåga med kraften hos DAX-formler.

Lycka till med denna!