Сегментація даних на основі груп у відсотках – Advanced DAX у LuckyTemplates

У цьому підручнику я збираюся розглянути досить просунуту техніку сегментації даних , яка стосується динамічного групування даних у LuckyTemplates . Ви можете переглянути повне відео цього підручника внизу цього блогу.

У цьому підручнику ми конкретно розглянемо цю конкретну візуалізацію на цій інформаційній панелі, яку я використовував під час навчального саміту, пов’язаного з інформацією про клієнтів.

У цьому випадку ми групуємо або сегментуємо клієнтів на основі відсотка продажів. Ми використовуємо допоміжну таблицю або допоміжну таблицю та поєднуємо її з формулами DAX, щоб створити це групування.

Зміст

• Сегментація клієнтів на основі відсотка продажів
• Використання додаткового або допоміжного столу
• Розробка змінних
• Логіка для сегментації даних
• Як повторно використовувати формулу сегментації даних
• Висновок

Сегментація клієнтів на основі відсотка продажів

Одна група входить до 20% найкращих відсотків, інша група – від 25% до 80%, а третя група – до 25% нижчих. Я використав ці відсотки та передав їх через aщоб потім створити ці групи Top, Mid і Bottom .

Сегментація в цьому випадку базується на продажах, тому це діаграма, яка показує продажі проти маржі за будь-який конкретний часовий проміжок, але сегментацію відбулося через продажі.

На цій точковій діаграмі ми можемо побачити 20% найкращих клієнтів; вони представлені темно-синіми плямами. Середні клієнти з точки зору продажів знаходяться між 25% і 80%; вони представлені блідо-блакитними плямами в середній частині діаграми. Найнижчі 25% клієнтів на основі продажів – це світло-блакитні плями в нижній частині діаграми. 

Це досить просунутий метод сегментації даних, у якому ми включаємо певну вдосконалену логіку в обчислення , щоб створити групи, яких просто не існує . Іншими словами, у наших необроблених даних немає нічого, що могло б виділити 20 найпопулярніших клієнтів, 25% найнижчих клієнтів тощо.

Тож нам потрібно створити цю логіку за допомогою допоміжної таблиці або вторинної таблиці , як я їх називаю. Ця таблиця не має фізичного зв’язку з жодною з наших таблиць у моделі даних, але це ключ до такого типу аналізу.

Використання додаткового або допоміжного столу

Отже, давайте подивимося на таблицю. Можливо, ви можете створити ці групи багатьма різними способами, але це те, як я налаштував це для цієї демонстрації.

У цій допоміжній або вторинній таблиці ми маємо групи як Верхню, Середню та Нижню. У нас є стовпці «Низький» і «Високий», щоб визначити, до якого сегменту належить кожен клієнт.

Цю допоміжну таблицю відсотків можна фактично повторно використовувати для багатьох різних заходів. Ми могли б використовувати продажі, і ми могли б легко інтегрувати маржу, прибуток або витрати, або будь-які інші розрахунки, які ми можемо зробити. Це навіть не обов’язково має бути пов’язане з продажами чи прибутком. 

Ми також можемо повторно використати частину логіки, оскільки відсотки можуть бути будь-чими. Тут важливо створити правильну логіку всередині формули. 

Тож давайте зануримося у формулу, яку я назвав(цього року) і прочитайте, як я логічно керувався.

Розробка змінних

Давайте спочатку пройдемося по першій частині розрахунку, де ми опрацьовуємо змінні ( VAR ).

Перша змінна — визначити RankingDimension , над яким ми збираємося працювати. В даному випадку це клієнти. За допомогою функції VALUES ми переглядаємо кожного клієнта, який здійснив продаж за певний проміжок часу . 

Наступною змінною є TotalCustomers , яка визначає, скільки клієнтів фактично здійснили продаж . Ми не хочемо рахувати всіх клієнтів, а лише тих, хто здійснив певні продажі. У цій логіці ми використовуємо функції CALCULATE , COUNTROWS , FILTER і ALL .

Третя змінна — це CustomerRank , де ми класифікуємо наших клієнтів на основі продажів, які вони здійснили. І це формула для рейтингу клієнта TY .

Ця конкретна формула просто виконує просте ранжування, яке використовує функцію RANKX .

Логіка для сегментації даних

Тепер перейдемо до решти розрахунків. Це логіка, яка дозволяє нам досягти аналізу сегментації даних.

Функція CALCULATE виконує ітерацію по кожному клієнту та оцінює цю допоміжну таблицю ( Групи клієнтів ), яку ми створили за допомогою функцій і FILTER . 

Потім він оцінює, чи є CustomerRank більшим за TotalCustomers , а потім множить його на стовпець Customer Groups Low . Тому він запитує нас, чи рейтинг клієнта вищий за нижній.

А потім у наступному рядку висвітлюється, чи є CustomerRank меншим або дорівнює TotalCustomers; потім він множиться на вищий бін таблиці Групи клієнтів.

Якщо воно буде дорівнювати правді, цей клієнт буде збережено, і ми отримаємо загальний обсяг продажів.

Як повторно використовувати формулу сегментації даних

Ця формула трохи складна, але насправді цікава. Ми також повторно використовуємо цей розрахунок.

Наприклад, якщо ми хочемо розглядати наших клієнтів за іншим показником, таким як маржа прибутку, усе, що нам потрібно зробити, це замінити загальний обсяг продажів тут на маржу прибутку та змінити рейтинг на основі норми прибутку .

Потім ми можемо використовувати ту саму допоміжну таблицю, щоб виконати цю логіку. 

Висновок

Це більш просунутий метод сегментації даних, який я продемонстрував у цьому посібнику. Ми використовуємо потужність DAX і модель даних із нашою допоміжною таблицею.

Дивно, що ми можемо зробити з усією формулою. Ми можемо змінити часові рамки, і вони завжди розподілятимуть клієнтів за тими конкретними відсотками, які ми встановили. 

Сподіваюся, ви знайшли велику користь від цього підручника та застосували його у своїй роботі.

Все найкраще!

***** Вивчаєте LuckyTemplates? *****