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.
I det här exemplet går vi igenom en unik insikt som du kan upptäcka i LuckyTemplates. Vad vi behöver göra är att kombinera en rad olika formeltekniker för att få det avsedda resultatet. Om du gör detta i dina egna modeller med din egen kundsegmenteringsanalys kommer du att upptäcka högkvalitativa insikter som kommer att generera ett enormt värde för det arbete du utför. Du kan se hela videon av denna handledning längst ner på den här bloggen.
Här ska vi analysera vilka kundgrupper som upplever störst tillväxt . Men vi har inga grupper i vår data så vi måste skapa dem.
Innehållsförteckning
Segmentera kunder i grupper
Vi vill gruppera våra kunder i Top Clients , Ok Clients och Small Clients . Vi vill veta vem som upplever mest tillväxt och som påverkar vår tillväxt mest. Vi vill också se på det från procent och absolut.
Jag har satt ihop några visualiseringar för att visa upp denna kundsegmenteringsinsikt, och jag kommer också att gå igenom logiken jag använde för att avgöra vilka grupper som upplevde mest tillväxt.
Först och främst måste vi ta reda på hur vi ska segmentera dessa kunder. Vad jag gjorde är att skapa en tabell genom att klicka på "Ange data" och ange alla dessa variabler i den stödjande tabellen.
Jag ville ta en titt på vad min kundförsäljning är och fastställa vilken grupp dessa kunder tillhör, baserat på intervallet från MIN- och MAX-numren.
Tillväxtgruppering
Nästa steg är att titta på tillväxtgrupperingen från förra året. Vi vill veta vilken grupp våra kunder tillhörde förra året och hur stor var den procentuella tillväxten för just den gruppen?
Så här kom jag på formeln ovan. Jag beräknade % YoY-tillväxt för varje grupp.
För att ta reda på vilka kunder som är i vilken grupp, gick jag igenom varje enskild kund och utvärderade om deras försäljning förra året var över MIN eller under MAX på någon enskild rad i den tabellen.
Om så är fallet, kommer det att leverera procentuell tillväxt på årsbasis för just den delmängden av kunder.
Vi kan sedan lägga in detta i ett diagram. Du kan se på mitt exempel att våra små kunder har dominerat med en betydande tillväxt jämfört med föregående år.
Total försäljning från förra året
Kundsegmentering som dyker upp i procent berättar dock inte riktigt hela historien, eller hur? För om det här siffran kommer från en riktigt liten bas kommer det inte att spela någon roll för våra totala intäkter.
Så vad jag har gjort är att titta på den totala försäljningen för var och en av dessa olika grupper.
För att komma med den andra tabellen var jag tvungen att skapa en annan formel som berättar för mig den totala försäljningen förra året för dessa kunder baserat på vilken grupp de är i.
Som du kan se, omsatte våra små kunder lite mer än de gjorde förra året på grund av denna enastående tillväxt. Å andra sidan bildade våra Ok-kunder en liten tillväxtkorg på 9 % men utgjorde fortfarande en stor del av vår försäljning.
Visualisera data
Jag lägger också allt i vår kundsegmentering i ett punktdiagram där du kan se fördelningen av små kunder , ok-klienter och toppkunder . Y-axeln visar tillväxten per kund eller tillväxtgrupperingen medan x-axeln visar den totala försäljningen .
Baserat på förra årets siffror upplevde alla våra toppkunder en minskning av tillväxten med 41 %. Det här är en skrämmande utveckling, och vi vill definitivt se varför mina toppkunder minskar med 41 %.
När jag klickar på Toppklienter kan jag se anledningen till det.
Vi kan dyka in ytterligare och titta på alla som är under 0%. Jag kan använda filtreringssektionen och sätta mindre än 0%.
Vi kan också lägga till våra kundnamn i punktdiagrammet för att få en tydligare bild.
Alla dessa kunder var med i vår Top Client- grupp förra året och så plötsligt har dessa kunder verkligen ramlat av klippan. Varför är det så? Vi kan ta en titt på var de är regionalt baserade, vem deras säljare är och så vidare och så vidare.
Slutsats
För att komma fram till denna insikt kunde jag kombinera flera tekniker. Jag använde tidsintelligens beräkningar . Jag använde funktionen CALCULATE , såväl som den dynamiska segmenteringstekniken . Jag använde punktdiagram och använde sedan analysfunktionen för att sätta linjer i punktdiagrammet.
Vårt mål är att göra dessa grupper dynamiska , så att vi kan segmentera dem baserat på region eller tidsperiod, och sedan utvärdera varje kund och se vilken gruppering de hamnar i.
Detta gör detta unika analytiska arbete så kraftfullt i LuckyTemplates. Vi kan skapa denna helt nya analys och visa upp osynliga insikter som kommer att representera vår data på ett sätt som inte var möjligt tidigare och på ett mycket mer värdefullt sätt.
Om du gillar att lära dig om dessa tekniker, kolla in fler kursmoduler på. Det finns långt över 20 unika moduler fokuserade på många tekniker och sätt du kan använda LuckyTemplates effektivt.
Skål,
Sam
***** Lär du dig Lucky Templates? *****
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.