Berechnen Sie den Durchschnitt pro Kundentransaktion mithilfe von DAX in LuckyTemplates

In diesem Tutorial möchte ich zeigen, wie wir durchschnittliche Umsätze, Gewinne oder Transaktionen pro bestimmter Dimension innerhalb von DAX in LuckyTemplates berechnen können. Sie können sich das vollständige Video dieses Tutorials unten in diesem Blog ansehen.

In diesem speziellen Beispiel werden wir es aus der Sicht eines Kunden betrachten. Wir werden versuchen zu analysieren, wie hoch die durchschnittlichen Umsätze sind, die wir pro Transaktion und Kunde erzielen.

Dies wird es uns ermöglichen, zu verstehen, wer unsere besten Kunden sind, aber auch, wer unsere Kunden sind, die hereinkommen und eine beträchtliche Menge kaufen.

Von hier aus können wir letztendlich verstehen, welche Margen wir pro Transaktion von unseren Kunden erzielen. Sind sie in einigen Regionen im Vergleich zu anderen Regionen gut? Sind sie für einige Produkte im Vergleich zu anderen Produkten gut?

Wir werden uns die durchschnittliche Menge der pro Transaktion gekauften Produkte ansehen. Dann zeige ich Ihnen auch, wie Sie noch mehr ableiten können, damit Sie auf der Grundlage dieser ersten Erkenntnis noch mehr interessante Erkenntnisse gewinnen können. Wir werden uns anderen Dingen widmen und ich werde Ihnen zeigen, wie Sie es effizient machen können.

Inhaltsverzeichnis

• So berechnen Sie den Durchschnitt pro Transaktion
• Berechnen Sie den durchschnittlichen Umsatz pro Transaktion
• Verwenden von Datenbalken
• Berechnen Sie den durchschnittlichen Gewinn pro Transaktion
• Berechnen Sie die durchschnittlichen Margen pro Transaktion
• Durchschnittliche Margen pro Transaktion im Zeitverlauf
• Andere Erkenntnisse
• Visualisierung der Daten
• Abschluss

So berechnen Sie den Durchschnitt pro Transaktion

Zuerst ermitteln wir einen Wert pro Transaktion, indem wir in die Tabelle „Sales“ springen. Auf der linken Seite befindet sich eine Spalte mit der Bestell-ID.

Jede Bestell-ID entspricht also jeder Transaktion in dieser bestimmten Tabelle. Wir müssen einen Weg finden, jede einzelne dieser Transaktionen zu bewerten und im Wesentlichen den Durchschnitt der Umsätze zu ermitteln, die wir für jede einzelne Transaktion erzielt haben.

Dadurch erhalten wir – je nach Kontext – den Durchschnitt pro Transaktion. Dies kann aus einer regionalen Perspektive, einer Kundenperspektive oder einer Verkäuferperspektive erfolgen.

Einige Datentabellen haben eine Bestell-ID, und innerhalb dieser Bestell-ID können dann mehrere verschiedene Transaktionen vorhanden sein. Je nachdem, welche Durchschnittsberechnung Sie durchführen möchten, möchten Sie diese Spalte wahrscheinlich in die Berechnungen eingeben. Berechnen wir zunächst den durchschnittlichen Umsatz.

Berechnen Sie den durchschnittlichen Umsatz pro Transaktion

Lassen Sie uns eine Kennzahl erstellen und diese als „Average Sales per Transaction“ bezeichnen . Ich werde die AVE RAGEX-Funktion verwenden, da wir diese Durchschnittswerte durch Iteration durch etwas ermitteln können. In AVERAGEX verwende ich VALUES und gebe meine Bestell-ID ein. Dann möchte ich den Gesamtumsatz für jede einzelne Bestellung mitteln .

Sobald ich diese Kennzahl mit meinem Kundennamenkontext ziehe, erhalte ich folgende Tabelle:

Dies zeigt uns im Durchschnitt, wie viel jede Person pro Transaktion verdient, wenn sie ein Geschäft betritt.

Verwenden von Datenbalken

Das ist an sich schon ein ziemlich guter Einblick, aber wir können ihn durch bedingte Formatierung und Datenbalken noch besser aussehen lassen .

Berechnen Sie den durchschnittlichen Gewinn pro Transaktion

Wir müssen hier nicht aufhören; Wir können, wir können noch weiter gehen. Wir haben einige andere Kernberechnungen wie Gesamtgewinne und Gesamtkosten . Mit diesen Berechnungen kann ich die durchschnittlichen Gewinne pro Transaktion ermitteln . Alles, was ich tun muss, ist, die Kennzahl, die ich gerade verwendet habe, zu kopieren und in eine neue Kennzahl einzufügen, und anstelle von Total Sales gebe ich Total Profits ein .

Mit dieser neuen Kennzahl können wir ermitteln, wie hoch unsere Gewinne aus jeder einzelnen Transaktion sind, und diese dann mitteln.

Ich kann die neue Kennzahl einfach in meine Tabelle ziehen, um neue Erkenntnisse zu gewinnen. Beispielsweise hat unser Kunde Chris Fuller eine höhere Rentabilität pro Transaktion als Philip Foster, der tatsächlich höhere Umsätze erzielte. Das ist eine ziemlich gute Einsicht, oder?

Berechnen Sie die durchschnittlichen Margen pro Transaktion

Wir können auch mit durchschnittlichen Margen pro Transaktion umgehen . Wir müssen nichts aus der Tabelle referenzieren, da wir tatsächlich Measures innerhalb von Measures verwenden können .

Wir müssen lediglich den durchschnittlichen Gewinn pro Transaktion durch den durchschnittlichen Umsatz pro Transaktion dividieren und dann 0 als alternatives Ergebnis eingeben . Wir müssen auch sicherstellen, dass es richtig formatiert ist.

Sobald ich das in die Tabelle ziehe, werden Sie sehen, warum wir für Chris Fuller höhere Gewinne haben als für Philip Foster. Chris hat im Vergleich zu Philip höhere Margen.

Dies ist eine sehr interessante Erkenntnis für diesen speziellen Kunden sowie für den Rest unserer Kunden.

Das Coole ist, dass wir diese Technik in jedem Kontext verwenden können. Derzeit verwenden wir lediglich einen Filter aus unserer Kundentabelle. Wenn Sie darüber nachdenken, können wir Filter aus jeder dieser Tabellen in unserem Datenmodell verwenden und sehen, wie sich die Dinge ändern.

Durchschnittliche Margen pro Transaktion im Zeitverlauf

Wir können auch einen Blick auf unsere durchschnittlichen Margen pro Transaktion im Zeitverlauf werfen . Ich werde das einfach schnell zusammenstellen, indem ich Monat und Jahr sowie die durchschnittlichen Margen pro Transaktion als Werte verwende und sie dann in einem Diagramm darstelle.

Wir können sehen, wie sich die durchschnittlichen Margen im Laufe der Zeit ändern und die Saisonalität erkennen.

Andere Erkenntnisse

Insgesamt ist es jetzt viel einfacher, unsere Kunden mit hohen Margen im Vergleich zu Kunden mit niedrigen Margen zu unterscheiden. Der Kunde Juan Collins hat beispielsweise eine Marge von 40 %. Dieser sticht klar hervor.

Wir können den Filter auch speichern, um zu sehen, welche Kunden pro Transaktion die profitabelsten sind. Dies könnte möglicherweise ein Hinweis darauf sein, dass der für diese Teile zuständige Verkäufer sehr gut ist.

Visualisierung der Daten

Mithilfe von DAX in LuckyTemplates können wir die Erkenntnisse weiter vertiefen und unsere besten Kunden auf regionaler Basis ermitteln. Passiert da regional etwas? Wir können von einer visuellen Karte zu einer gefüllten Karte wechseln.

Wir können einen tieferen Einblick gewinnen. In meinem Beispiel hat New Hampshire niedrige Margen, während alle anderen Regionen ziemlich gleichmäßig verteilt sind.

Sie können auch Kunden aus der Tabelle auswählen und daraus eine Teilmenge der Kunden ermitteln, bei denen die Aufschlüsselung erfolgte.

Abschluss

Wir können so viele großartige Erkenntnisse gewinnen, wenn wir Durchschnittswerte mithilfe von DAX in LuckyTemplates berechnen. Sie bieten auch aus Marketingsicht und der Zuweisung von Vertriebsressourcen einen großen Mehrwert für das, was wir innerhalb eines Unternehmens tun könnten.

Sie möchten sich natürlich auf die Kunden konzentrieren, die am meisten und mit den höchsten Margen kaufen. Und durch diese Art der Analyse können Sie Ihre Ressourcen so ausrichten, dass Sie Ihrer Meinung nach die besten Ergebnisse erzielen können.

In diesem Tutorial haben wir an einer Sache gearbeitet und uns dann vielen anderen Dingen zugewandt. Mit DAX in LuckyTemplates können Sie viele Berechnungen und Techniken durchführen und einige wirklich gute Erkenntnisse gewinnen.

Diese Art der analytischen Arbeit ist so wirkungsvoll. Wenn Sie weitere Beispiele dieser Art ansehen möchten, schauen Sie sich das Modul bei Online an. Dieses Modul enthält Inhalte zur Lösung realer Geschäftsprobleme mithilfe der Best Practices von DAX in LuckyTemplates.

Alles Gute,