Сегментація параметрів на основі рейтингу – вдосконалена аналітична техніка для LuckyTemplates

У цьому прикладі ми збираємося досить просунутися в LuckyTemplates за допомогою DAX. Ми збираємося зосередитися на сегментації параметрів на основі їх рейтингу в цій конкретній таблиці. Ви можете переглянути повне відео цього підручника внизу цього блогу.

Це дивовижна концепція того, як ви можете використовувати обчислювані стовпці в LuckyTemplates. Це може принести додаткові відомості, які ніколи не були б можливими за допомогою традиційних інструментів, таких як Excel.

Ефективне використання цих методів, а потім впровадження чудових візуалізацій навколо них, про які я також занурюся, може справді продемонструвати ваші дані переконливим способом.

Зміст

• Візуалізація сегментованих даних
• Сегментація та ранжування ваших даних
• Висновок

Візуалізація сегментованих даних

Я завжди говорив про дивовижну аналітичну силу LuckyTemplates, але ви не побачите такого рівня аналізу, якщо використовуєтеодин за одним. Його справжня сила проявляється, коли ви використовуєте комбінацію різних формул і технік, складених разом.

Це те, що я збираюся показати вам за допомогою візуалізації нижче.

Знову ж таки, наведені тут дані неможливо проаналізувати настільки глибоко, як це, якщо ви не накладаєте кілька формул . Я називаю цю техніку розгалуженням міри . Щоб додати до цього, я також наклав деяку логіку обчислених стовпців, щоб розбити результати далі. Це найкращий спосіб отримати справді чудове розуміння в такому випадку.

Наприклад, у цій точковій діаграмі, розташованій у нижній правій частині звіту, ви побачите різні кольори, що представляють різні групи даних. У цьому випадку крапки представляють міста, причому кожен колір показує вам найкращі, найгірші та ті, рейтинг яких є нормальним.

Ви також побачите, що наша вісь Y показує зміну маржі поквартально . З іншого боку, вісь х показує зміну продажів у порівнянні з кварталом .

Це тип розуміння, який ми отримуємо, коли сегментуємо наші дані за розгалуженням показників. Він показує, чи було значне збільшення продажів отримано від значного збільшення маржі, і навпаки. Він показує вам кореляцію між цими точками даних.

Звичайно, це лише демонстраційний набір даних, тому ви не побачите величезного кластера. Але як тільки ви застосуєте цю техніку до власних даних, ви зможете отримати ще більш розширену інформацію.

З усіма цими формулами та прийомами в поєднанні ви також помітите різницю в загальному вигляді та відчутті візуалізації. Я покажу вам, що я маю на увазі, видаливши легенду для City Group.

Зауважте, що я створив легенду групи міст, використовуючи логіку обчислених стовпців . Отже, коли я видаляю цю легенду, спосіб відображення даних змінюється. Це не приносить стільки розуміння, скільки нам потрібно.

Зараз ми бачимо лише загальні дані. Це не показує нам, де наші найгірші чи найкращі клієнти. Одне це забирає багато інформації, яку ми повинні отримати.

Зараз ми бачимо, що ці додаткові рівні логіки насправді дозволяють нам бачити речі в набагато кращому світлі .

Тепер дозвольте мені повернути City Group як легенду.

Як бачите, візуалізація значно покращилася.

Сегментація та ранжування ваших даних

Цього разу я хочу показати вам, як я сегментував ці групи клієнтів, щоб створити цю легенду.

Усередині обчислюваного стовпця я використовувавщоб отримати ранг кожного міста на основі наданих розмірів. У цьому випадку ми ранжуємо їх на основі продажів.

У формулу я включив регіони в нашу таблицю та їхній загальний обсяг продажів .

RANKX надзвичайно корисний тут, оскільки він дає нам спосіб упорядкувати всі ці дані та отримати певне уявлення про них.

Ми можемо перевірити не лише те, які міста працюють добре, але й які з них погані, тому вони знаходяться внизу стовпця.

Ця функція також є основою наступної логіки, яку я збираюся використовувати.

Тож на вершині RANKX я також використовував для створення додаткового виміру.

Завдяки цьому додатковому шару я можу побачити, які мої міста мають найефективніші та найгірші. Отже, якщо рейтинг продажів у місті нижчий або дорівнює 10, вони позначаються як частина «Найкращих».

Це справді чудова техніка, яку можна використати, щоб створити більше способів сегментації даних. Зауважте, що це корисно не лише в точковій діаграмі. Це також можна застосувати до різних типів візуалізації.

Наприклад, ви також можете використовувати його в круглій діаграмі, як показано нижче.

Ви також побачите, що кругла діаграма та точкова діаграма рухаються одна до одної. Отже, якщо я клацну частину, яка представляє найгірші числа на круглій діаграмі, точкова діаграма також коригується.

Це дозволяє нам зосередитися на підмножинах даних або інших параметрах.

Висновок

Спробуйте зануритися в ці техніки та застосувати деякі з них у власних моделях. Я впевнений, що ви побачите хороші результати та будете задоволені результатами з точки зору того, що ви отримаєте у своїх звітах і на інформаційній панелі.

Сподіваємось, ви бачите, як поєднання цих різних методів може отримати дійсно просунуті рівні аналізу. Зробивши це на LuckyTemplates, ви можете отримати справді детальні звіти та високоякісні візуалізації, як у нашому прикладі.

Все найкраще.