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.
In diesem Blog vergleiche ich die bestehende Kundenzuteilung in Depots oder Hubs mit einer neu berechneten Zuteilung basierend auf einer ausgewählten Entfernung . Diese Art der Analyse ermöglicht es Unternehmen, die Rentabilität ihrer Kunden genau zu verstehen.
Hier gibt es zwei ähnliche Datensätze: Kundendatenauswahl und Kundendaten aktuell . Ich habe diese Datensätze verwendet, um sowohl die aktuelle Kundenzuteilung als auch die neu berechnete Zuteilung zusammengefasst in einem Bericht anzuzeigen.
Darüber hinaus gibt es eine Tabelle mit den Forward Stock Locations , bei denen es sich um Depots oder Fabriken handeln kann. Diese Tabelle wurde an beide Kundentabellen ( Abschnitt Kundendaten und Aktuelle Kundendaten ) angehängt, um eine gleichzeitige Anzeige der Daten zu ermöglichen.
Inhaltsverzeichnis
Die Einrichtung des Szenario- und Vergleichsberichts
Stellen Sie sich vor, Sie verfügen über eine Lieferinfrastruktur von Speditionslagern, Paketschließfächern oder Hubs bis hin zu Kunden.
In der Vergangenheit hat sich eine Aufteilung auf die bestehenden Forward-Stock-Standorte entwickelt. Es wurden neue Geschäfte akquiriert und es ist an der Zeit zu überlegen, ob die aktuelle Konstellation noch gerechtfertigt ist.
Sehen wir uns den Bericht an, den ich für dieses Szenario erstellt habe .
Diese Karte zeigt zunächst die aktuelle Kundenbelegung mit dem Depot.
Dann zeigt diese Tabelle die Entfernung, den Umsatz und die Nachfrage.
Diese Karten stellen die Summen und die prozentuale Verteilung für den ausgewählten Forward-Lagerort dar.
In der oberen rechten Ecke befindet sich eine Karte mit mehreren Rollen, die nicht gefiltert ist. Daher werden als Referenz die Gesamteinnahmen und -anforderungen im Datensatz angezeigt.
Es gibt auch einen Slicer zum Auswählen eines Forward-Lagerstandorts. Sicherlich könnte es sich um ein Depot, eine Fabrik oder was auch immer Sie analysieren möchten, handeln.
Dadurch steuert der Slicer der FSL hier beide Karten.
Die untere Karte zeigt die vom Select Distance Slicer ausgelösten Ergebnisse.
Diese mittleren Karten zeigen die Einnahmen und Nachfragen basierend auf der ausgewählten Entfernung an. Dies ist hilfreich bei der Analyse der Differenz zwischen der aktuellen Kundenzuteilung und der neu berechneten Zuteilung basierend auf einer Auswahl.
DAX-Kennzahlen für den Kundenzuteilungsvergleich
Dies ist die Entfernungsberechnung , die ich für dieses Szenario verwendet habe. Beachten Sie, dass die Variablen in der Formel davon abhängen, wie Ihre Daten eingerichtet wurden. Sie müssen diese entsprechend Ihren eigenen Daten anpassen, um das richtige Ergebnis zu erhalten.
Die Maße für Größe und Farbe zur Darstellung unterschiedlicher Farben unterscheiden sich sowohl bei der aktuellen Zuordnung als auch bei der auswahlbasierten Zuordnung.
Dies ist das aktuelle Maß für die Kartenpunktfarbe für die aktuelle Kundenzuteilung.
Andererseits ist dies die Map Point Color als Auswahlmaß für die auswahlbasierte Kundenzuordnung.
Wie Sie sehen können, befinden sich meine Messungen in drei separaten Tabellen. Normalerweise verstecke ich diese in Ordnern, sobald ich mein Modell fertiggestellt habe. Aber beim Bauen ist es viel praktischer, sie griffbereit zu haben.
Abschluss
Tatsächlich bietet dieser Beispielbericht eine aussagekräftige Analyse, da Sie Auswahlmöglichkeiten treffen können, um alle Kunden auf die vorhandenen Standorte neu zu verteilen. Durch das Erlernen der Schwerpunktberechnung und der Huff-Schwerkraftanalyse können Sie verschiedene Location-Intelligence-Projekte problemlos bewältigen.
Ich hoffe, dass dieser Blog zu Ihrer Lernkurve beiträgt und das Bewusstsein dafür schärft, wie wichtig es ist, die geografischen Komponenten in Ihren Daten zu verwenden.
Denken Sie daran, dass es hier nicht darum geht, den am besten aussehenden Bericht zu erstellen, sondern vielmehr um ein Beispiel. Beispielsweise kann das Hinzufügen intelligenter Erzählungen oder Diagramme das Modell für eine Präsentation auf hohem Niveau verbessern. Dies ist jedoch nur die Analysephase.
Weitere Beispiele und verwandte Inhalte finden Sie unter den folgenden Links.
Danke schön.
Paul
LuckyTemplates-Kundensegmentierung: Darstellung der Gruppenbewegung im Laufe der Zeit.
Kundensegmentierungstechniken mithilfe des Datenmodells – LuckyTemplates- und DAX-
Neukundenanalyse mithilfe von Advanced DAX
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