Lös en dataanalysutmaning med LuckyTemplates Accelerator

För det här inlägget kommer jag att leda dig genom ett verkligt scenario där du kan hamna i en liknande situation där du blir tillfrågad om något av en intressent och du behöver skapa en rapport snabbt baserat på vad de efterfrågar. Det är precis vad LuckyTemplates Accelerator dataanalysutmaning handlar om. Du kan se hela videon av denna handledning längst ner på den här bloggen.

I just den här acceleratorn har Brian (vår chief content officer på LuckyTemplates) skapat ett scenario där du kan använda dina analytiska färdigheter.

Med LuckyTemplates kommer behärskning i att förstå hur du kan tillämpa vissa tekniker i olika miljöer och olika scenarier. För att kickstarta gaspedalen ska jag gå igenom problemet och se hur det blir.

Innehållsförteckning

• The Brief For The Data Analytics Challenge
• Skapa en ny mättabell för dataanalysutmaningen
• Skapa det totala försäljningsmåttet för dataanalysutmaningen
• Vilka stater är försäljningen hög eller låg?
• Hur många försäljningar gjorde de fem bästa produkterna?
• Vilka är de 10 bästa säljarna?
• Slutsats

The Brief For The Data Analytics Challenge

Här är korten för denna dataanalysutmaning:

Din chef kommer till ditt kontor på måndag morgon och ser stressad ut. Hon berättar att vi har möjlighet att förvärva en av våra främsta konkurrenter och att VD vill ha en briefing av COB för att svara på följande frågor om förvärvsmålet:

1. Vad var deras högsta och lägsta försäljning under ett givet år?
2. I vilka stater var deras försäljning hög? Låg?
3. Hur många försäljningar gjorde de i sina topp 5 produkter varje kvartal?
4. Vilka var deras 10 bästa säljare under ett givet år, och vad var värdet på deras försäljning?

Bara genom att titta på detta kort vet jag redan att vi kommer att använda någon typ av rankningsformel. Rankningsformeln kommer att vara liknande för alla dessa krav, och vi kommer bara att ändra sammanhanget.

Vi har också lite av en mock-up av vad intressenten vill se.

Som du kan se är detta en väldigt vanlig företeelse i verkligheten där du får en snabb fråga och du måste snabbt slänga ihop något med hjälp av en modell och en disposition.

Det är precis vad vi vill att vi ska handla om, vilket är en dataanalysutmaning där alla definitivt kan hoppa in och engagera sig.

Skapa en ny mättabell för dataanalysutmaningen

Det första jag ska göra är att skapa en ny måtttabell eftersom modellen redan är byggd.

Allt jag behöver göra är att tänka på logiken för att lägga till och bestämma vilken rankningsfunktion som ska användas mellan eller .

Låt oss bara snabbt ta reda på var försäljningen kommer ifrån i vår datauppsättning. Det ser ut som att radförsäljningen är vår intäktskolumn.

Skapa det totala försäljningsmåttet för dataanalysutmaningen

Jag ska skapa en ny åtgärd.

Jag kommer att kalla detta mått Total Sales , och göra en enkel summa av radförsäljningskolumnen.

Jag kan bara göra mig av med kolumnen som jag inte behöver, se sedan till att göra måttet till en måttgrupp. Jag har också min Date-tabell uppradad i min modell, som jag kommer att förvandla till ett linjediagram och sedan ta min totala försäljning och dra den till värdeområdet.

Som du kan se är det här diagrammet för upptaget. Vi måste få månad och år för att vi ska kunna se detta tydligare. Jag kommer att ändra sammanhanget här.

Detta är inte sorterat på rätt sätt, så jag måste gå till min datumtabell , hitta kolumnen Månad och år och sedan använda en stödkolumn som heter Månad och år . Du kan skapa en Date-tabell från vårt forum eller från Analyst Hub.

Diagrammet ser så mycket bättre ut nu och är mer likt det vi behövde i mock-upen.

Nästa sak att göra är att skapa ett filter för året eftersom vi vill kunna dela upp det efter år. Så jag ska skapa en horisontell slicer och sätta denna i det övre högra hörnet.

Vilka stater är försäljningen hög eller låg?

Nästa fråga i korten är vilka stater är försäljningen hög eller låg ? Vi måste få våra tillstånd till en tabell så vi går till kolumnen Platser, väljer Tillstånd och gör om den till en tabell.

Jag gör alltid saker till en tabell för att kunna se de resultat jag faktiskt får. Jag lägger också in min totala försäljning och formaterar sedan valutan.

Jag insåg precis att jag inte ens behöver använda en rankningsfunktion eftersom jag redan kan göra rankningen här. Jag skulle kunna förvandla detta till en formkarta och se topparna och dalarna på detta sätt.

Jag kan också använda ett munkdiagram om jag vill. Det finns många sätt att lyfta fram data, och jag behöver inte ens använda en rankningsformel alls.

Hur många försäljningar gjorde de fem bästa produkterna?

Nästa fråga från korten är hur många försäljningar de gjorde av sina fem bästa produkter varje kvartal? Låt oss ta en titt på vad modellen kräver av oss.

Vi måste i princip ta reda på vilka våra topp fem produkter är, och se hur många försäljningar de gör under varje kvartal. Den här är lite tuff men definitivt genomförbar.

Låt oss ta kvartalet och året och ta in det till vårt bord.

Och ta sedan in vår totala försäljning för varje kvartal.

Vi måste också ta en titt på våra produkter och se vilka våra topprankade produkter är. Låt oss hitta produktdimensionen.

Våra fem bästa produkter är 63, 28, 51, 67 och 34.

Jag måste isolera dessa topp fem produkter och sedan få den totala försäljningen av bara dessa fem med en funktion som heter TOPN. Jag ska lägga till en formel och använda , som gör att jag kan ändra sammanhanget.

Det är här det blir lite knepigare och tvetydigt, för tittar vi på de fem bästa produkterna på årsbasis, eller tittar vi på de fem bästa produkterna för varje kvartal?

För mig är denna fråga att fråga vilka de fem bästa produkterna är för varje kvartal. För att svara på den här frågan måste jag titta på alla mina produkter, det är därför jag lägger in min produkttabell i beräkningen och lägger dem i fallande ordning, från högsta till lägsta.

För varje kvartal kommer den att rangordna dem från topp till botten, sedan ta med de fem bästa produkterna baserat på total försäljning och sedan returnera varje produkts försäljning.

Om jag tar med detta i min tabell kan vi se att $450 482 av försäljningen från kvartal 1 kom från de fem bästa produkterna.

För att dubbelkolla kan vi bara klicka på en fjärdedel och scanna ner listan. Kom ihåg att vi inte tittar på de fem bästa produkterna under ett år. Vi tittar på de fem bästa produkterna i varje enskilt kvartal, och dessa produkter kan förändras.

Vi kan ta det här till nästa nivå och komma med vår topp fem kontra all försäljning. Dela helt enkelt de fem bästa med total försäljning.

Här är vår topp fem produktförsäljning jämfört med all försäljning.

Vilka är de 10 bästa säljarna?

Nästa fråga vi kommer att ta itu med är vilka som är de 10 bästa säljarna under ett givet år, och vad var dollarvärdet på deras försäljning? Detta är en annan intressant. Låt oss dyka in i säljare.

Låt oss ta in vår totala försäljning tillsammans med säljare . Vi kan se vilka våra 10 bästa säljare är.

Men om jag bara vill återvända till topp 10 måste jag skapa en ranking. Jag ska namnge måttet Topp 10 säljare och använda. Tricket här är att använda ALLA Säljare så att jag kan ta bort all kontext från försäljarkolumnen och rangordna försäljningen mot varje säljare.

Jag kan skriva en där om RANKX är mindre än eller lika med 10, sedan returnera den totala försäljningen; om inte, bör den vara lika med blank.

Nu ska jag bara få de 10 bästa säljarna, och för allt annat kommer det att vara tomt.

Då blir jag av med den totala försäljningen och använder visualisering så här:

Låt oss städa upp lite här och använda en mörk och vit kontrast. Jag kommer också att ta bort ordet wrap för titlarna på axeln och använda formatmålaren för att göra ändringar.

Det finns saker vi fortfarande kan förbättra här. Jag kommer att ändra den övre vänstra visuella bilden till ett stapeldiagram eftersom linjediagrammet inte är den bästa representationen av tid, lägga till dataetiketter och ta bort axeln för att göra det visuella renare.

En annan sak som jag kan göra är att skapa lite logik för att verkligen lyfta fram toppförsäljningen och lågförsäljningen. Vi kan lägga till dataetiketter till de 10 bästa säljarnas visualiseringar, placera dem i staplarna och lägga till en annan nyans av blått.

Jag måste ändra färgerna lite för att se till att detta stämmer överens med vårt färgschema. Och sedan skapar jag en textruta och skriver något så här:

Den här textrutan kommer att göra det lättare att se årsskivan.

Vad kan vi göra för den totala försäljningen per stat? Kartan är inte den bästa visuella – ärligt talat, jag älskar den inte.

Vi skulle kunna använda ett mörkare tema för kartan för att få den att passa in i resten av rapporten.

Potentiellt kan vi också använda kartbubblorna och göra dem lite större.

Vi kan placera vår totala försäljning per stat till vänster och omarbeta de andra tabellerna. Vi kan välja New York som en stat till vänster och det kommer att ändra sammanhanget för de andra bilderna.

Så hur kan vi representera denna data lite annorlunda? Kanske kan vi ha två tabeller för Quarter & Year , och sedan ändra insikten inuti den andra tabellen.

Rapporten kan nu svara på alla frågor från briefen och börjar se ganska bra ut.

Slutsats

Förhoppningsvis har du tyckt om att arbeta med mig genom denna dataanalysutmaning. Vi har en mycket dynamisk rapport baserad på innehållet som producerades i Acceleratorn.

Det handlar om att hämta rätt tekniker från din minnesbank, och när du väl är bekant med alla olika alternativ kommer du att bli ganska förvånad över hur snabbt du kan få ihop saker.

Se upp för nästa accelerator. Denna dataanalysutmaning är ett unikt initiativ från. Vi har också en träningsworkshop var fjortonde dag där alla kan delta och diskutera tillsammans. Vi ser också till att de som precis har börjat blir väl insatta i olika sätt att lösa sina egna dataproblem.