Що є складним у цьому, так це визначити, які області сегментувати в першу чергу. Ви також повинні знайти спосіб ввести динамічні параметри у свою формулу. Я збираюся спростити все це за допомогою прикладу, який я збираюся показати тут.
Перше, що мені потрібно, це параметр. У цьому випадку я створив параметр Customer Rank .
Я створив цей параметр, зайшовши в «Моделювання», а потім натиснувши «Новий параметр».
Параметр «що-якщо» автоматично створить для мене таблицю. Це також створює міру для мого вибору.
Коли я перетягну це до свого звіту, він покаже будь-який вибір, який я зроблю в розділювачі.
Головне, про що тут слід пам’ятати, це те, що ваші параметри мають розділяти результати кожного разу, коли ви виконуєте спеціальну сегментацію .
Отже, крім параметра Customer Rank, я також маю інформацію про райони, де знаходяться магазини.
Контекст обчислення є одним із ключових факторів у правильності цього. Тут також є додатковий контекст, який показує, де знаходяться магазини.
Тепер я хочу відокремити свій дохід, порівнявши моїх найпопулярніших і найменших клієнтів. Я також хочу, щоб і верхня, і нижня групи були динамічними. Ось тут і з’являються динамічні параметри.
Застосування динамічних параметрів
Отже, результати мають змінюватися залежно від того, як я хочу дивитися на дані. Це означає, що якщо я зміню роздільник для Customer Rank , дані в таблиці також мають змінитися.
Перше, що я збираюся зробити, це використати формулу, щоб залучити моїх найкращих клієнтів до столу.
Я створив стовпець за допомогоюдля загального доходу , а потім за допомогоюяк функція ранжирування. TOPN також повертає віртуальну таблицю на основі результатів ранжування.
Я додав тут контекст, оскільки ми обчислюємо загальний дохід , оскільки я розглядаю лише клієнтів із найвищим рейтингом. Цей рейтинг визначається значенням рейтингу клієнта .
Використовуючи TOPN , я збираюся працювати з усіма даними клієнтів. Однак це збереже лише контекст для перших 4, оскільки це параметр, який встановлюється в таблиці. Це значення, яке я встановив у зрізі.
Я можу перемістити свій роздільник на 3, і результати також мають змінитися та відображати лише дані для трьох найкращих.
Я також хочу подивитися на своїх найнижчих клієнтів, тому я збираюся додати це до своєї таблиці.
Оскільки я розмістив туди своїх найнижчих покупців, важливо також зазначити, що мені знадобиться загальна кількість покупців на магазин за будь-який проміжок часу.
Щоб отримати загальну кількість клієнтів , я використавфункція.
Зауважте, що це лише зразкові дані, тому цифри, отримані за цією формулою, можуть здатися невеликими та нереалістичними. Але цей розрахунок також працюватиме для більших частот, якщо його застосувати до сценаріїв реального життя.
Ось формула, яку я використовував, щоб отримати найменших клієнтів. Зверніть увагу, що він дуже схожий на той, який я використовував для Top Customers , але з деякими незначними коригуваннями.
Тут я також використовував функції CALCULATE і TOPN . Але замість того, щоб просто вказати рейтинг клієнта , я використав різницю між загальною кількістю клієнтів і значенням рейтингу клієнта .
Тоді замість того, щоб просто розміститиі імена клієнтів , мені довелося додати логіку. Оскільки я отримую найнижчих клієнтів замість найкращих, я збираюся використовувати ASC замість DESC .
Попередня формула повторювала кожного клієнта, щоб отримати найкращих. Але оскільки я отримую найменших клієнтів, це означає, що також буде враховано випадки, коли продажі були нульовими .
Я повинен переконатися, що клієнти, які вважаються найменшими, також зробили покупку. Ось чому я додав, що значення має бути більше 0 .
Через це тепер мої дані показують, скільки клієнтів насправді зробили покупку. У цьому першому рядку показано, що 11 клієнтів купили щось у цьому конкретному магазині протягом заданого періоду часу.
У цій частині це може стати досить складним, головним чином тому, що TOPN вже створює віртуальну таблицю, але я також створюю ще одну віртуальну таблицю в ній. Ця віртуальна таблиця розглядає набагато меншу підмножину клієнтів, а не клієнтів у цілому.
Тому я роблю ще один рейтинг тут, у кінці формули для загального доходу . І як я вже згадував раніше, я використовую ASC замість DESC .
За допомогою цих формул я тепер маю динамічні параметри, додані до динамічної сегментації.
Візуалізація результатів
Техніка, яку я використав, потенційно може бути використана для набагато більших наборів даних. Це означає, що для кращого розуміння результатів корисно мати деякі візуалізації для їх демонстрації.
Я почну з простої діаграми, яка може показати вам порівняння найкращих і найнижчих клієнтів для кожного магазину.
Я також можу змінити це й використати гістограму з накопиченням, якщо числа достатньо великі й краще відображатимуться таким чином.
За допомогою цих візуалізацій я можу краще зрозуміти цифри. Це, наприклад, показує, які магазини піддаються більшому ризику. Я бачу, які магазини мають дуже мало клієнтів, що призводить до низького доходу.
Висновок
Дані, які я тут використовував, мають дуже низьку частоту, але уявіть можливості, якщо це застосувати до більших наборів даних. Ця техніка також може сегментувати іншу інформацію та додавати стільки різних параметрів, окрім найкращих і нижчих клієнтів або розташування магазинів.
Цей приклад також показує, як працювати з мірами всередині мір. Подібні методи дають дивовижне розуміння даних, незалежно від того, де вони застосовані.