Utvärdera kundmarginalkontraktion med hjälp av LuckyTemplates

Här ska vi titta på kundmarginalens minskning. Vi ska försöka ta reda på vilka kundmarginaler som minskar och varför de minskar . Är det på grund av deras köpfrekvens? Är det på grund av produkterna de köper? Eller av någon annan anledning? Du kan se hela videon av denna handledning längst ner på den här bloggen.

Vi kommer att lösa detta analytiska problem med LuckyTemplates med hjälp av ett antal tekniker.

Den här typen av exempel är perfekt att gå igenom om du vill förbättra dina egna analytiska möjligheter när du använder LuckyTemplates.

Inte bara ditt analytiska tänkande, utan också den praktiska tillämpningen av att använda LuckyTemplates som ett verktyg för att lösa dessa typer av utmaningar.

Genom LuckyTemplates och genom att implementera ett antal tekniker, som jag visar upp, kan du faktiskt arbeta fram denna insikt ganska effektivt.

Inte bara det, du kan lösa det på ett dynamiskt sätt. Säg till exempel att vi har kunder i en rad olika regioner. Tja, vi kanske också vill välja genom dessa regioner och sedan upptäcka vilka av våra kunders marginaler som har minskat i en viss region under en viss period.

Detta är en analytisk insikt av riktigt hög kvalitet, och det är nyckeln. Det är det vi vill använda LuckyTemplates till. Det är vad jag vill att du ska implementera i dina egna modeller.

Innehållsförteckning

• Demonstration av de insikter du kan få från den här tekniken
• Utarbeta formlerna
• Skapa instrumentpanelen och göra ytterligare förbättringar
•  Slutsats

Demonstration av de insikter du kan få från den här tekniken

I mitt exempel här utvärderar jag vad som har hänt mellan i år och förra året , om kundmarginalerna minskat eller utökats, men jag borrar verkligen in i de som har minskat.

Inom den här instrumentpanelen kan vi klicka på varje stat. Vi skulle kunna lägga upp det här på många olika sätt, säg våra butiker om vi vill borra in i en specifik butik. I det här fallet tittar vi på de stater där vi säljer våra produkter.

Vi fokuserar bara och tittar på marginalerna som är mindre än noll. Vi använder viss naturlig filtrering inuti LuckyTemplates för att uppnå denna insikt eller extrahera denna insikt från informationen.

Vi tittar till exempel specifikt på New York, vi ser alla försäljningar vi har gjort i New York. Om vi ​​tittar på alla kunder här kanske vi vill veta vems marginal som har minskat mest och varför . I klustret av kunder här vill vi veta vilka produkter de köpt, vem som var säljare, vilken speciell butik de köpte osv.

Om vi ​​vill veta hur mycket var den faktiska försäljningen och vinsten, kan vi faktiskt komma in i vårhär och välj alla dessa element individuellt.

I den här tabellen här har vi varje enskild beställning, varje köp och alla detaljer för det köpet. Vi har kunden, säljaren, länet, statens namn, namnet på staden eller namnet på butiken, den faktiska vinstmarginalen på försäljningen, total försäljning och total vinst.

Så vi har verkligen mycket specifik information där. Om du tänker efter är detta en enorm datamängd. Och vi borrar verkligen in i detaljerna här, upptäcker vad som händer och varför.

Är det för att vi hade dessa produkter på rea eller att vi rabatterade dem? Finns det några vanliga produkter? Finns det säljare som bara sänker priset varje gång för att göra en försäljning?

Utarbeta formlerna

För att bygga denna analys använder vi naturlig filtrering. Vi behöver inte skriva komplexa DAX-formler. Det första du ska göra är att skapa några enkla kärnmått, såsom total försäljning, vinster, kostnader, etc.

Vi går till New Measure och skapar sedan vårt Margins-mått. För den här formeln delar vi helt enkelt total vinst med vår totala försäljning . Sedan ser vi till att det är formaterat som en procent.

Nu eftersom vi vill analysera övertid och jämföra 2017 och 2016 kommer vi att lägga ett filter på sidnivå på 2017. Så till exempel är vinstmarginalerna här för allt vi har sålt under 2017. Vi kan sedan jämföra vinstmarginalerna 2017 och 2016 använder vissa tidsintelligensfunktioner .

Så vi går nytt mått igen och skapar Vinstmarginaler LY (för förra året). Vi använder BERÄKNA vinstmarginaler och sedan SAMEPERIODLASTYEAR .

Med det resultatet här kan vi nu räkna ut kundmarginalens expansion eller minskning över tid mellan 2017 och 2016.

Så vi skapar ett nytt mått igen, Marginal Change , som är lika med Profits Margins (i år) minus Profits Margins LY (förra året).

Skapa instrumentpanelen och göra ytterligare förbättringar

När vi har alla dessa åtgärder på plats kan vi börja göra vår instrumentpanel. Denna analys är perfekt för ett punktdiagram eftersom det är här vi kan hitta kluster av information .

För att göra detta lägger vi vår marginalförändring på X-axeln och våra vinstmarginaler på vår Y-axel. Vi tar in vårt kundnamn i detaljerna för att få det klustret i vårt diagram.

Därefter inrättar vi vår stat, där vi kan filtrera på staterna. Sedan sätter vi upp vårt bord nedan. På grund av datamodellen vi har här kan vi ta med element från alla våra uppslagstabeller och jämföra dem med vad som helst i försäljningstabellen eller med valfri formel vi har gjort över försäljningstabellen.

Så vi kan ta vårt beställnings-ID, eftersom vi kommer att titta på varje enskild beställning, och sedan ta in alla andra element, inklusive vårt produktnamn, länet, staten, butiken, kunden som köpte den, total försäljning, Total vinst och korrekta marginaler.

En fråga här är att marginalförändringen är exakt densamma som vinstmarginalen. Varför? För det var faktiskt ingen rea året innan, och det är en värdelös insikt. Det kommer att visa en massiv marginalförändring eftersom marginalen förra året var noll.

Vad vi behöver göra är att göra oss av med dem genom att skapa ett mått som visar vad de totala transaktionerna var förra året . Nu har vi redan fått Totala transaktioner (mått) för innevarande år, 2017, och så vi kommer att skapa en formel som heter Transaktion LY (förra året).

Vi kommer att göra exakt samma teknik som vi använde precis innan. Vi använder BERÄKNA totala transaktioner och. Sedan lägger vi in ​​kolumnen Datum .

Vi kan även använda dessa filter på höger sida. Vi kan välja visuella marginaler, marginalförändringar och vinstmarginaler efter kundnamn, sedan ta tag i Transactions LY-måttet och placera det i filtren för visuell nivå.

Dessutom kan vi sätta ett extra filter, vi behöver inte skriva komplexa DAX-formler för alla dessa små saker som vi kanske vill filtrera.

Genom att sätta det här filtret här för endast de försäljningar förra året som är större än noll, kan vi mycket snabbt bli av med alla dessa felaktiga siffror som faktiskt inte betyder någonting.

Nu eftersom vi tittar på de kontrakterade marginalerna vill vi bli av med allt som utökas. För att göra detta går vi tillbaka till filtreringssektionen och tittar på värden som är mindre än 0 . Vi klickar på Använd filter och det ändrar automatiskt diagrammet snabbt.

Nu när vi har de insikter vi söker kan vi leka och förbättra det visuella, som bakgrunden, färgerna etc.

Svara om marginalerna ökar eller drar ihop sig med tiden med LuckyTemplates

 Slutsats

I den här handledningen har jag gått igenom ett antal tekniker, inklusive hur vi förgrenar oss genom en del DAX-logik och borrar ännu djupare in i en viss insikt genom att använda dessa extra filter på höger sida och det visuella nivåfiltret.

Det viktigaste här är att den här tekniken låter dig hitta eller borra i denna information utan att behöva skriva riktigt komplexa formler.

Dyk in i detta innehåll och försök att replikera det. Förstå hur du kan göra det och replikera det sedan över dina egna datamängder.

Det är så du kommer att få ut det mesta av det här materialet och av några av dessa tutorials som jag går igenom.

Skål!