So speichern und laden Sie eine RDS-Datei in R
Sie erfahren, wie Sie Objekte aus einer .rds-Datei in R speichern und laden. In diesem Blog wird auch behandelt, wie Sie Objekte aus R in LuckyTemplates importieren.
Die Kundenanalyse ist für jedes Unternehmen von entscheidender Bedeutung, insbesondere wenn Sie eine große Anzahl von Kunden haben. Sie können sich das vollständige Video dieses Tutorials unten in diesem Blog ansehen.
In diesem speziellen Tutorial arbeite ich daran, wie wir im Laufe der Zeit eine überzeugende Kundenanalyse erstellen können .
Ich betrachte das Kaufverhalten der Kunden über verschiedene Zeiträume hinweg und stelle diese in eine Visualisierung ein , wobei ich die Informationen so hervorhebe, dass Sie fundierte Entscheidungen darauf treffen können.
Dank der Leichtigkeit, mit der wir Filter und Slicer über unseren Berichtsseiten in LuckyTemplates platzieren können, können wir wirklich überzeugende Visualisierungen erstellen und sehen, was unsere Kunden tun.
Wir können auch Kundengruppen und Leistungsgruppen dynamisch anklicken.
Ich spreche ein wenig darüber, wie Sie dies ganz nahtlos auf einer Berichtsseite einrichten und die wichtigsten Informationen hervorheben können, die wirklich einen Einfluss darauf haben, welche Maßnahmen Sie gegenüber Ihren Kunden ergreifen.
Diese Maßnahmen können Dinge verbessern, z. B. mehr Ressourcen für Kunden bereitstellen, mehr Geld in Marketing oder Werbung stecken und so viele Dinge dieser Art.
Inhaltsverzeichnis
Gruppieren Sie Ihre Kunden
Wenn Sie viele Kunden haben, kann Ihr Diagramm sehr voll sein und es wäre ziemlich schwierig, die Veränderungen Ihres Kundenverhaltens im Laufe der Zeit zu erkennen. Sie werden die Erkenntnisse nicht effektiv präsentieren können.
Betrachten Sie es jedoch umfassender und zeige Ihnen, wie Sie dies einrichten.
Sie müssen nur über Ihr aktuelles Modell nachdenken und darüber nachdenken, wie Sie darauf aufbauen können, um dann die Erkenntnisse zu präsentieren.
In diesem Beispiel sehen Sie, dass ich eine Zeitauswahl habe und versuche, den Gesamtumsatz nach Gesamtgewinn anzuzeigen. Ich möchte aber auch zeigen, wie sich dies im Laufe der Zeit pro Kunde ändert.
Und Sie sehen, wie beschäftigt dieses Diagramm ist, oder?
Es gibt viele Kunden und wir können die Veränderungen der Kunden NICHT wirklich erkennen. Aus der Performance-Perspektive können wir nicht sehen, wie sie sich durch die Zeit bewegen.
Wir müssen es also aufteilen und segmentieren. Wir müssen diese Kunden gruppieren, was es uns ermöglicht, in eine sehr Nischengruppe von Kunden vorzudringen und vielleicht sogar noch weiter vorzudringen.
Hier sehen Sie, dass ich eine Liste meiner Kunden erstellt habe, und die ist eigentlich ziemlich lang.
Allerdings wollen wir hier doch nicht wirklich alle Kunden auswählen, oder? Wenn wir das tun, können wir nicht wirklich sehen, was wir ausgewählt haben, nachdem wir es getan haben.
Deshalb habe ich diese Kundengruppen erstellt und dabei einfach eine berechnete Spalte erstellt, die meine Kunden in diese bestimmten Gruppen einordnet.
Lassen Sie mich Ihnen zeigen, was ich dort gemacht habe. Ich habe meine Datenmodelle hier und wir werden uns auf die Kundentabelle konzentrieren.
In meiner Kundentabelle sehen Sie, dass ich sie nach dem Kundenverkaufsrang gruppiert habe, der hier dargestellt ist.
Das Einzige, was dies bewirkt, ist das Ranking beim Gesamtumsatz.
Dies ist der Gesamtumsatz seit Beginn der Zeit, daher gibt es hierfür keinen Zeitfilter. Mit anderen Worten: Es handelt sich um eine Rangfolge aller Kunden im Zeitverlauf.
Es ist für uns lediglich eine Möglichkeit, eine andere Dimension aufzubrechen oder zu schaffen, die dann auf bestimmte Aspekte unserer Kunden oder bestimmte Gruppen unserer Kunden eingehen kann.
Dies würde sich dann auf alle Berechnungen auswirken , die wir schließlich über unsere Verkaufstabelle oder Budgetierung usw. durchführen werden.
Anstatt also alle meine Kunden hier zu betrachten, kann ich einfach auf Rang 1-10 gehen, und Sie können in der Tabelle sehen, dass es schnell nach unten geht.
Jetzt können wir unsere Kunden wirklich sehen oder in sie hineindringen.
Tiefer in die Kunden eindringen
Beispielsweise möchten wir analysieren, wie sich die Leistung unserer Kunden im Laufe der Zeit für unsere Gewinne im Verhältnis zu unseren Verkäufen verändert. Wir können hier auch Quartal 3 einfügen.
Dies ermöglicht uns eine effektive Überwachung dieser Kunden.
Wir möchten zum Beispiel die State Ltd. überwachen. Wir können sie auswählen und vielleicht können wir hier ein weiteres Viertel hinzufügen. Wir können hier wirklich anfangen, einige ziemlich gute Erkenntnisse zu sehen und zu finden.
Im zweiten Quartal startete dieser spezielle Kunde hier. Und aus irgendeinem Grund ist der Wert im dritten Quartal 2017 weit zurückgefallen. Aber im vierten Quartal stiegen die Werte dann wieder deutlich weiter an.
Wir haben in einer sehr detaillierten Form begonnen, was die Visualisierung und die Darstellung der Erkenntnisse angeht. Aber durch die von uns integrierte Funktionalität können wir nach und nach zu einzigartigeren oder spezifischeren Erkenntnissen gelangen.
Dies ist eine wirklich gute Überlegung, insbesondere wenn Ihr Datensatz viele Kunden enthält.
Darüber hinaus können wir mit den restlichen Modellen arbeiten. So wollen wir beispielsweise nur die ersten fünf Produkte betrachten, die der einzelne Kunde gekauft hat, um zu sehen, ob dies der Grund für den Unterschied ist. Und es sieht so aus, als wäre es wahrscheinlich auch so.
Andere Dinge, die Erkenntnisse liefern, sind die einzelnen Trendanalysen und wir können sehen, wie sie sich im Laufe der Zeit tatsächlich entwickeln.
Es gibt viele verschiedene Möglichkeiten, die Daten letztendlich zu filtern, und Sie können auch verschiedene Aspekte genauer untersuchen.
Kundentrendanalyse in LuckyTemplates mithilfe von DAX. Segmentieren Sie Ihre Kunden in Gruppen – erweiterte DAX-Beispieltechniken für die Kundensegmentierung mithilfe des Datenmodells – LuckyTemplates und DAX
Abschluss
einfach und effektiv gestalten können .
Wenn Sie Ihr Modell mit einigen Gruppierungstechniken gut einrichten, können Sie einen Drilldown in die spezifische Gruppe durchführen, die Sie betrachten möchten.
Sie können Dinge so einrichten, dass Sie sich bereits einen Teilsatz Ihrer Daten ansehen und schnell einen Drilldown zu bestimmten Kunden oder Kunden aus der ursprünglichen Gruppe durchführen.
Dies ist ein wirklich guter Überblick darüber, was Sie in einem Berichtsszenario tun können, das auf Kundenerkenntnissen basiert . Hier geht es nicht unbedingt um eine Formel oder eine Visualisierung. Es handelt sich um ein umfassendes Tutorial darüber, was mit LuckyTemplates auf sehr skalierbare Weise erreicht werden kann.
Viel Spaß beim Durcharbeiten.
Sie erfahren, wie Sie Objekte aus einer .rds-Datei in R speichern und laden. In diesem Blog wird auch behandelt, wie Sie Objekte aus R in LuckyTemplates importieren.
Was ist Self in Python: Beispiele aus der Praxis
In diesem Tutorial zur DAX-Codierungssprache erfahren Sie, wie Sie die GENERATE-Funktion verwenden und einen Kennzahltitel dynamisch ändern.
In diesem Tutorial erfahren Sie, wie Sie mithilfe der Multi-Threaded-Dynamic-Visuals-Technik Erkenntnisse aus dynamischen Datenvisualisierungen in Ihren Berichten gewinnen.
In diesem Artikel werde ich den Filterkontext durchgehen. Der Filterkontext ist eines der Hauptthemen, über die sich jeder LuckyTemplates-Benutzer zunächst informieren sollte.
Ich möchte zeigen, wie der LuckyTemplates Apps-Onlinedienst bei der Verwaltung verschiedener Berichte und Erkenntnisse aus verschiedenen Quellen helfen kann.
Erfahren Sie, wie Sie Ihre Gewinnmargenänderungen mithilfe von Techniken wie Kennzahlenverzweigung und der Kombination von DAX-Formeln in LuckyTemplates ermitteln.
In diesem Tutorial werden die Ideen der Materialisierung von Datencaches und deren Auswirkungen auf die Leistung von DAXs bei der Bereitstellung von Ergebnissen erläutert.
Wenn Sie bisher noch Excel verwenden, ist dies der beste Zeitpunkt, LuckyTemplates für Ihre Geschäftsberichtsanforderungen zu verwenden.
Was ist LuckyTemplates Gateway? Alles was du wissen musst