Datennormalisierung in LuckyTemplates für Ergebnisse verschiedener Tage

Dieses Tutorial geht auf eine andere Frage im zur Datennormalisierung zurück . Die Techniken, die ich Ihnen beibringen werde, werden wichtig sein, um Anomalien zu beseitigen , die die Datenanalyse möglicherweise kompliziert machen können . Sie können sich das vollständige Video dieses Tutorials unten in diesem Blog ansehen.

Gelegentlich müssen Sie beim Ausführen von Analysen in LuckyTemplates möglicherweise die Verkäufe für Wochenenden oder Feiertage aus verschiedenen Ländern berücksichtigen. Die Herausforderung besteht darin, dass es in einem bestimmten Land ein Feiertag ist, in anderen Ländern jedoch nicht. Angesichts der unterschiedlichen Tage der Länder wird es schwierig sein, diese Verkaufsdaten während der Berichterstattung zu normalisieren. Hier kommen Datennormalisierungstechniken ins Spiel.

Das Ziel besteht darin, alle verschiedenen Verkäufe zu erfassen und sie den tatsächlichen Arbeitstagen des Berichtslandes zuzuordnen.

Dies ist ein ziemlich einzigartiges Beispiel für eine Time-Intelligence-Technik in LuckyTemplates. Dennoch ist es sehr nützlich, wenn Sie es mit einem bestimmten Szenario zu tun haben, bei dem die Daten begrenzt sind oder keine Daten in Ihren Rohinformationen auftauchen.

Inhaltsverzeichnis

• Beispieldatennormalisierung für Verkäufe an verschiedenen Tagen
• Erarbeiten der Nicht-Wochenendverkäufe
• Erstellen einer kumulierten Summe
• Abschluss

Beispieldatennormalisierung für Verkäufe an verschiedenen Tagen

Das Wichtigste, worauf ich in diesem Tutorial eingehen möchte, sind die Möglichkeiten, eine Logik in Ihre Formel zu schreiben, um die Position eines Berichtstages oder die Ergebnisse an einem bestimmten Tag zu ändern.

Schauen wir uns diese Tabelle an und konzentrieren uns wirklich auf ein Beispiel. Wenn Sie mit etwas Ähnlichem arbeiten und die Ergebnisse von einem Tag auf den anderen verschieben müssen, hilft Ihnen dieses Tutorial.

Im Bericht können Sie in den Spalten Date und DaysOfWeekName das Datum sowie den aktuellen Tag sehen . Sie können auch die Gesamtzahl der Verkäufe für diesen bestimmten Tag in der Spalte „Gesamtverkäufe“ anzeigen .

Jetzt habe ich eine Logik ausgearbeitet, um die Verkaufsdaten von Samstagen und Sonntagen in die Verkaufsdaten von Montag zu verschieben . Das liegt daran, dass ich diese Wochenendverkäufe als Wochentagsverkäufe (Montag bis Freitag) registrieren möchte. Sie können die aktualisierten Verkaufsdaten in der Spalte „Gesamtverkäufe außerhalb der Wochenendtage“ unten sehen.

Außerdem wollte ich, dass diese Tabelle dynamisch ist, also habe ich einen Datenselektor hinzugefügt, mit dem Sie den Zeitrahmen der Verkaufsdaten einfach ändern können. Nach Auswahl eines entsprechenden Zeitrahmens werden die Daten in der Spalte „Total Sales Non Weekend Days“ automatisch aktualisiert.

Darüber hinaus möchte ich mich mit einigen anderen Berechnungen wie kumulierten Summen, gleitenden Durchschnitten usw. befassen. Wie Sie sehen können, habe ich die kumulative Gesamtanpassung hinzugefügt. und Kumulierte Verkäufe . Ich musste die Dinge nur ein wenig umstellen und mich mit einigen DAX-Berechnungen befassen, um diese sehr spezifischen Erkenntnisse zu lösen.

Erarbeiten der Nicht-Wochenendverkäufe

Jetzt zeige ich Ihnen, wie Sie die Berechnung für die Gesamtverkäufe außerhalb des Wochenendes durchführen und einrichten. Dies ist der Kernpunkt dieses Tutorials zur Datennormalisierung.

Ich habe hier ein paar Variablen ( ) für die Berechnung von Weekend Check und WorkdayCheck . Was ich hier mache, ist herauszufinden, welche im jeweiligen Kontext Wochenenden und welche Montags sind.

Zurück zu meiner Datumstabelle: Ich habe mit einer sehr einfachen Logik eine Spalte „ Tagestyp“ erstellt. Wenn der Tag also nicht Samstag oder Sonntag ist, nenne ich ihn Arbeitstag . Wenn es ein Samstag (6) oder Sonntag (0) ist, nenne ich es Weekend .

Nach dem ersten Teil der Formel werde ich nun diesen Teil besprechen.

Wenn also der WeekendCheck wahr ist, also ein Wochenende ist, werden die Ergebnisse dafür auf leer gesetzt. Wenn dann „ WorkdayCheck “ gleich „false“ ist oder der ausgewählte Wert „Monday“ falsch ist, wird „ Total Sales“ zurückgegeben .

Wenn der WorkdayCheck wahr ist, was bedeutet, dass es ein Montag ist, werde ich diese Logik hier ausführen.

Dieser Teil ist eine Kombination aus den Funktionen und . Zunächst wird die Summe der Gesamtverkäufe für Montag und Wochenende ermittelt. Die FILTER- Funktion geht alle Daten durch und gibt nur die Daten zurück, die größer sind als das aktuelle Datum, subtrahiert um drei.

Im Grunde verschiebe ich einfach die Gesamtverkäufe von Samstag und Sonntag auf den Montag, indem ich eine Kombination aus Techniken wie Anweisungen und verschiedenen Funktionen verwende. So funktioniert die Datennormalisierung für diese Art von Analyse.

Die gleiche Technik wird sehr nützlich sein, wenn Sie an Feiertagen oder ähnlichem arbeiten. Sie müssen hier nur einige Dinge ändern, z. B. die HolidayChecks anstelle der WeekendChecks. Dennoch handelt es sich um eine ähnliche Logik und Sie können diese Lösung jederzeit auf diese Szenarien anwenden.

Erstellen einer kumulierten Summe

Als nächstes möchte ich Ihnen beibringen, wie man eine kumulative Gesamtsumme aus Gesamtverkäufen und Gesamtverkäufen außerhalb des Wochenendes erstellt.

Sie werden feststellen, dass die kumulierten Gesamtdaten für Wochenenden in dieser Spalte immer eine flache Linie darstellen, da dort eigentlich keine Daten vorhanden sind, unabhängig von Ihrem Zeitrahmen.

In diesem Zusammenhang habe ich eine Visualisierung erstellt, die die kumulative Gesamtanpassung mit den kumulierten Verkäufen vergleicht.

Dies ist eine weitere interessante Technik, die Sie in mehreren Tagen bei der Normalisierung Ihrer Daten nutzen können. Schauen wir uns die Formel unten an.

Zuerst habe ich eine Anpassungsumsatztabelle erstellt, indem ich die Spalten „ Datum “ und „Gesamtverkäufe außerhalb der Wochenendtage“ mit der Funktion neu erstellt habe .

Danach habe ich die Funktion hinzugefügt. Wie Sie sehen können, ist die Anpassungsverkaufstabelle in einer FILTER- Funktion platziert. Anstatt alle Termine durchzugehen, habe ich den angepassten Gesamtumsatz an arbeitsfreien Tagen angegeben. Schließlich wird mit SUMX jeden Tag eine Iteration durchgeführt und das Datum ermittelt, das kleiner oder gleich dem maximalen Datum ist. Anschließend werden die Spalten für „Normalisierte Verkäufe“ hochgezählt .

Diese Datennormalisierungstechnik ist sehr gut anwendbar, wenn Sie in mehreren Ländern arbeiten. Wie Sie sehen, ist dies wirklich eine effektive Möglichkeit, die Umsätze in den verschiedenen Regionen im Bericht zu normalisieren.

Tage vor oder nach einem ausgewählten Datum mit LuckyTemplates
anzeigen Ergebnisse bis zum aktuellen Datum oder einem bestimmten Datum in LuckyTemplates anzeigen
So arbeiten Sie mit mehreren Datumsangaben in LuckyTemplates

Abschluss

Ich habe im Tutorial viele nützliche Techniken erwähnt, die es Ihnen ermöglichen, einige  einzigartige zeitbezogene Analysen in LuckyTemplates durchzuführen. Ich habe eine Reihe verschiedener DAX-Funktionen wie die Funktion, einige Tabellenfunktionen  und andere einfache Filter mit der Funktion durchlaufen.

Wenn Sie mehr über die verschiedenen Time-Intelligence-Techniken in LuckyTemplates erfahren möchten, empfehle ich einen Blick auf unser Kursmodul in LuckyTemplates online, das speziell auf diese Art von Analysen ausgerichtet ist.

Viel Spaß beim Durcharbeiten dieses ausführlichen Videos.