Räkna kunder över tid med hjälp av DISTINCTCOUNT i LuckyTemplates

I det här blogginlägget ska jag gå igenom hur du kan beräkna hur många kunder du säljer till genom tiden med hjälp av några funktioner som DISTINCTCOUNT inuti LuckyTemplates. Det finns faktiskt några sätt du kan beräkna det på, varför jag ville skapa en kort handledning om det för att visa upp några saker. Du kan se hela videon av denna handledning längst ner på den här bloggen.

Att förstå hur man går runt den datamodell som du har ställt in är avgörande i det här exemplet, så jag ser till att visa dig hur jag har ställt in detta. Det är viktigt eftersom det inte är så lätt som att bara placera ett ANTAL över ditt kundbord. Kom ihåg att vi vill visa hur antalet kunder förändras över tiden, så vi måste se till att resultatet också kommer att filtreras av vår datumtabell.

Innehållsförteckning

• Använder DISTINCTCOUNT för att räkna dina kunder
• Formel #1: Ta reda på hur många kunder per dag
• Formel #2: Skapa en ny formel för att visa relation
• Formel #3: Använda utökade tabeller
• Visualisera data
• Slutsats

Använder DISTINCTCOUNT för att räkna dina kunder

I det här inlägget ska vi gå igenom några relativt enkla. Tänk bara på hur dessa saker är logiskt beräknade och hur DAX fungerar med datamodellen. Så vi kommer snabbt att granska datamodellen. Vi har Försäljningstabellen längst ner och faktatabellen överst: Datumtabell, Produkttabell, Regiontabell och Kundtabell som våra uppslagstabeller. Dessa tabeller är alla sammankopplade.

Vi vill se hur många kunder vi säljer till per dag. Det här kommer att visa upp ett litet problem som vi kan ha med formeln, men jag ska visa dig hur du faktiskt kan lösa det på ett par sätt. Genom att göra det kommer det att göra det möjligt för dig att förstå vad som händer i datamodellen.

Formel #1: Ta reda på hur många kunder per dag

Det första vi behöver göra är att titta på hur många kunder vi faktiskt sålde till per dag. Det vi kan göra är att skapa ett mått och kalla det Totalkunder och sedan använda DISTINCTCOUNT och Customer Name.

Logiskt sett är det vad du tror att du skulle behöva göra: räkna upp hur många kunder vi säljer till varje dag . Nu är problemet här att vi får exakt samma resultat för varje dag.

Anledningen till att vi får detta är att formeln går till kundtabellen och säger vad som är det distinkta antalet kunder för varje dag. Problemet är att tabellen Datum absolut inte har något samband med Kundtabellen ; det enda förhållandet som båda dessa tabeller har är till tabellen Försäljning. För varje enskilt filter som placeras på tabellen Datum filtreras ingenting i Kundtabellen när vi körvarje dag, och det är därför vi får exakt samma resultat.

Om vi ​​vill titta på hur många kunder vi sålt till en viss dag måste vi ändra denna formel något. Vi måste ändra det på ett sådant sätt att det kommer att se på försäljningstabellen eftersom det är där tabellen Datum är kopplad till . När något sammanhang placeras på ett resultat, kommer det att flöda ner genom relationerna och det kommer att flöda till tabellen som det är kopplat till, vilket i det här fallet är tabellen Försäljning.

Formel #2: Skapa en ny formel för att visa relation

För att uppnå detta skapar vi en annan formel och kallar den Totalkunder 2 . Vi kommer att använda DISTINCTCOUNT igen, men istället för att använda tabellen Customer måste vi hitta Customer Name Index i försäljningstabellen.

När vi drar in det här nya måttet i tabellen ser du hur många unika kundnamnsindex det finns för varje dag.

Formel #3: Använda utökade tabeller

Så det är så man gör på ett enkelt sätt. Det finns faktiskt ett annat sätt att generera exakt samma resultat. Det finns egentligen aldrig bara ett sätt att svara i LuckyTemplates; det finns alltid ett par sätt – och ibland fler än så – för att uppnå önskat resultat.

Låt oss skapa ett annat mått och kalla det Totalkunder 3 . Vad vi ska göra i CALCULATE är att referera till det första Total Customers-måttet som vi skapade, det som bara genererar 50 för varje dag, och sedan lägga till hela försäljningstabellen som ett filter.

När vi väl trycker på enter och drar in den i tabellen ser du att det tar ett tag att beräkna eftersom beräkningen är lite mer komplex. Men som du kan se genererar det faktiskt exakt samma resultat som korrekta Totalkunder 2.

Det beror på ett koncept som kallas utökade tabeller . Vad försäljningstabellen faktiskt representerar här är en hel platt fil med vår datamodell. Det finns en stor platt fil som inkluderar datum , produkter , regioner och kunder . Genom att använda den här tekniken och den här formeln möjliggör vi i principför att räkna om måttet Totala kunder genom att beräkna det över hela den utökade försäljningstabellen .

I den första åtgärden fanns inget samband. Så vi skapade en koppling i det tredje måttet genom att referera till den utökade försäljningstabellen inuti en calculate-sats för att generera det korrekta resultatet.

Visualisera data

Jag skulle i allmänhet bara välja alternativet #2 vi skapade så att vi kan börja visualisera det med hjälp av områdesdiagrammet.

Vi kan se över tiden hur många kunder vi faktiskt säljer till per dag. Vi kan också använda de inbyggda analysfunktionerna i LuckyTemplates för att dra en trendlinje. Vi kan se att vi är runt åtta eller nio kunder per dag i genomsnitt.

Kom ihåg att allt detta också är dynamiskt, så vi kan ta in ytterligare ett sammanhang som vi kanske vill lägga till.

Vi har gått igenom några koncept och du kan använda dem till en rad olika saker; istället för kunder kan det vara produkter, regioner eller säljare. I grunden handlar det om att förstå vad DISTINCTCOUNT gör och att förstå datamodellen bakom kulisserna för att se till att du beräknar rätt resultat.

Slutsats

Denna teknik ger intressanta insikter, och du kan i slutändan använda och visualisera detta på många olika sätt. Ett sätt att tänka på skulle vara genom scenarieanalys . Du kan se, baserat på prognoser som du kan projicera framåt från historiska kundräkningar, hur dina resultat kan påverkas om du ökar antalet kunder du säljer till. Du kan köra scenarier på detta med hjälp av ett uppskattat genomsnittligt försäljningspris för att härleda det genomsnittliga värdet per kund. Riktigt kraftfulla grejer. Förhoppningsvis kan du se samma möjligheter som jag med detta.

Ett annat sätt att visualisera denna typ av insikt är att visa jämförelser genom tid. Kanske vill du kumulativt visa antalet kunder du har sålt till och jämföra det med förra månaden eller förra kvartalet. Du skulle börja här och sedan "förgrena dig" med hjälp av tidsintelligensfunktioner.

Jag går igenom hur man använder all time intelligence-funktioner för att slutföra denna tidsjämförelseanalys i min kurs.

Lycka till med att implementera den här, och låt mig veta om du har några tankar i kommentarsfältet nedan.