Створення форвардних прогнозів у LuckyTemplates за допомогою DAX

У цьому блозі ми розглянемо, як створити автоматичний прогноз на основі історичних даних у LuckyTemplates . Це звичайне явище для компаній, які складають прогнози та бюджети. Ви можете переглянути повне відео цього підручника внизу цього блогу.

Чи хотіли ви коли-небудь створювати автоматичні прогнози на основі історичної інформації ? У минулому це було відносно важко зробити за допомогою таких інструментів, як Excel, але ви можете легко зробити це в LuckyTemplates .

Історично ви могли отримати інформацію та узагальнити її в таблиці та використовувати її як еталон. Але у відео я покажу вам, як можна динамічно створювати контрольні показники та прогнози . Це більш дієвий і результативний спосіб прогнозувати цифри вперед і дає змогу порівняти ваші фактичні показники з попереднім періодом або комбінацією попередніх періодів.

Що ми збираємося зробити, це подивимося на історичні періоди часу та використаємо їх як значення в нашому рівнянні, щоб спроектувати майбутній прогноз.

Я збираюся використовувати функції аналізу часу в LuckyTemplates, щоб продемонструвати, як це можна зробити дуже динамічним способом.

Поєднуючи кілька методів у , ви можете досягти цих справді чудових уявлень. У цьому випадку ми просто детально вивчаємо прогнози та намагаємося створити попередні контрольні показники, щоб ми могли порівняти наші фактичні результати з чимось, що насправді має сенс.

Зміст

• Як створити автоматичний прогноз із історичних даних
• Використання змінних для створення одного показника для 3-річного прогнозу
• Створення візуалізації
• Висновок

Як створити автоматичний прогноз із історичних даних

У багатьох випадках ваш прогноз ґрунтується на ваших історичних результатах. Тож я збираюся показати вам, як ви можете швидко отримати історичні дані, консолідувати їх, а потім створити на основі них прогноз, який все ще узгоджуватиметься з усією вашою моделлю даних. 

Припустімо, що у нас уже є, скажімо, деяка інформація про продажі, і ми маємо тут розрахунок  продажів .

Тож нам потрібно знайти спосіб прогнозувати 2018 рік. Ми хочемо розробити наш прогноз продажів у 2018 році. Якщо ви подивіться на цей фільтр унизу праворуч, я фактично відфільтрував лише 2018 рік, тому ми дивлячись тут лише на 2018 рік. 

Тепер ми створюємо ще одну таблицю вимірювань, натиснувши «Ввести дані», і ви зможете створити таблицю вимірювань. Назвемо цю таблицю Sales Forecasting . Якщо у вас з’явиться звичка створювати ці таблиці вимірювань, це принесе вам величезну користь з точки зору організації вашої моделі. 

Далі ми створюємо новий показник, використовуючи функції аналізу часу, щоб зробити наші прогнози продажів на основі цифр за 2017 рік. Отже, ми переходимо до New Measure, і давайте назвемо це Sales LY і перейдемо до ОБЧИСЛЕННЯ за загальним обсягом продажів . Ми могли б зробити те саме для будь-якого з наших показників, але в цьому прикладі ми працюватимемо над продажами.

І нам потрібен а, яка є однією з найкращих функцій аналізу часу лише завдяки вашій гнучкості. Потім ми переходимо на один рік назад ( -1 ) і розміщуємо наш інтервал ( YEAR ) тут. Потім натисніть Enter.

Якщо ми візьмемо це та перетягнемо до таблиці, ми побачимо, що зараз ми прогнозуємо всі дані за 2017 рік . Отже, ми отримали наш перший стовпчик інформації з трьох, які ми збираємося обчислити сьогодні.

У цьому прикладі сценарію ми також маємо перескочити на два роки назад, оскільки ми хочемо розробити прогноз на три роки. Тому, щоб виконати другий рік, ми просто скопіюємо викрійку та внесемо кілька коригувань.

Ми змінили назву міри та параметр усередині, і тепер ми прогнозуємо наші продажі дворічної давності. Ми також зробимо точно те ж саме 3 роки тому.

І тепер у нас є інформація за три роки, яку ми можемо додати до нашого прогнозу.

Використання змінних для створення одного показника для 3-річного прогнозу

Існує ще один ефективний спосіб зробити це – створити прогноз LuckyTemplates. Ми будемо використовувати змінні, щоб створити одну міру замість трьох, і отримаємо точно той самий результат, який шукаємо.

Отже, ми знову переходимо до New Measure і для цього назвемо це Sales Forecast . Ми переходимо до VAR (змінні), а потім до Sales LY у наступному рядку. Те саме робимо на наступній парі рядків для 2 і 3 років тому .

Після цього ми можемо стрибнути вниз і піти ПОВЕРНУТИСЯ, і тут ми можемо ввести логіку. Ми використовуємо DIVIDE з нашими даними за три роки, тому ми підсумовуємо продажі за LY, продажі 2 роки тому та продажі 3 роки тому . Потім ми ділимо це на 3 . Ми також розмістимо наш альтернативний результат, який дорівнює 0 .

Ми просто помістили всі три вимірювання, які ми зробили раніше, у змінні, і ми отримаємо той самий результат. Я дуже рекомендую це, оскільки це ефективніше. Зараз ми маємо наш прогноз продажів і маємо середнє значення всіх цих трьох показників.

Крім того, ми хочемо побачити деяке збільшення наших продажів, чи не так? Отже, давайте зробимо прогноз, щоб продемонструвати п’ятивідсотковий темп зростання . Для цього ми просто додаємо FACTOR у нашу формулу, а потім множимо останній рядок на коефіцієнт .

Створення візуалізації

Коли всі необхідні формули створено, ми перетворюємо їх на візуалізацію та чітко бачимо наш прогноз LuckyTemplates. Тепер у нас є віртуальний прогноз продажів, який демонструє, скільки нам потрібно робити щодня, щоб досягти нашого прогнозу.

Ми також можемо ��омістити це в кумулятивний загальний шаблон . Отже, ми створюємо новий показник і називаємо його сукупним прогнозом . У наступному рядку ми розміщуємо CALCULATE Sales Forecast . Потім перейдіть ФІЛЬТР за датами . 

Отримавши це, ми записуємо це тут і робимо кумулятивний підсумок, і тепер ми отримуємо кумулятивний прогноз, який ми можемо порівняти кумулятивно з нашими фактичними результатами , щойно ми потрапимо в 2018 рік. 

Найкрутіший спосіб зробити це — зв’язатися з моделлю даних . Отже, ваші прогнози можна відфільтрувати будь-чим у моделі даних, оскільки вони походять із історичної інформації, яка міститься в таблиці в моделі даних.

Завдяки цьому ми можемо легко перейти та відфільтрувати тут назву продукту . Ми беремо наш прогноз продажів для назви продукту, і тепер ми прогнозуємо мої продукти. 

Це також дає нам змогу вибрати окремий продукт, скажімо, продукт 47. І коли ми змінюємо тут фільтри, ми можемо побачити, скільки нам потрібно продати на день для цього продукту, і/або чітко побачити його сукупний результат. 

Висновок

У цьому підручнику ми розглянули багато чого, наприклад аналіз часу та кумулятивні загальні моделі для створення прогнозу LuckyTemplates.

Я бачив це запитання кілька разів у коментарях і на форумах, і я просто хотів продемонструвати, як відносно просто створити прогноз на основі історичної інформації в LuckyTemplates.

Сподіваюся, ви зрозумієте, що можете скористатися цим і запровадити це у своєму власному середовищі. Знайдіть спосіб використати деякі методи, які ми розглянули в цьому посібнику. Пориньте у відео нижче та спробуйте використати методи, які я продемонстрував, у вашій власній роботі над розробкою.

Все найкраще!