LuckyTemplates Analytics: Führen Sie eine Szenarioanalyse für die durchschnittliche Bestellgröße durch

In diesem Tutorial tauchen wir in die Leistungsfähigkeit der LuckyTemplates-Analyse ein . Ich werde etwas ganz Praktisches für einen Einzelhändler durchgehen, der Waren in hoher Frequenz verkauft. Sie können sich das vollständige Video dieses Tutorials unten in diesem Blog ansehen.

Wenn Sie ein Unternehmen sind, das viele Waren verkauft – beispielsweise ein Online-Händler –, wenn Sie analysieren können, wie sehr Sie von einer Erhöhung Ihrer durchschnittlichen Bestellgröße profitieren würden , verfügen Sie über eine Analyse, die sehr effektiv in einen Plan umgewandelt werden kann Angriff, der einen großen Unterschied für Ihr Endergebnis machen wird.

Auf der Grundlage dieser Erkenntnisse könnten Sie Werbeaktionen oder Marketingveranstaltungen durchführen, die sich auf die Kunden konzentrieren, bei denen Sie glauben, dass Sie die höchste Rendite erzielen werden.

In diesem Beispiel behandle ich einige verschiedene DAX-Techniken. Vor allem aus technischer Sicht lässt sich daraus einiges mitnehmen. Sie können lernen, wie Sie Iterationsfunktionen über Ihre zugrunde liegenden Datentabellen ausführen, um diese besondere Erkenntnis zu gewinnen , aber auch das Potenzial für viele weitere ähnliche Erkenntnisse erkennen.

Inhaltsverzeichnis

• Ausführen einer Szenarioanalyse zur Auftragsgröße
• Verwendung iterierender Funktionen
•  Wichtige Punkte
• Abschluss

Ausführen einer Szenarioanalyse zur Auftragsgröße

Hier habe ich die WHAT IF- Parameterfunktion genutzt, um eine dynamische Szenarioanalyse zur Auftragsgröße zu erstellen. Dies ist eine erstaunliche Möglichkeit, LuckyTemplates-Analysen zu nutzen.

In diesem Fall möchten wir sehen, wie sich unsere Umsätze im Laufe der Zeit entwickeln, wenn wir unsere durchschnittliche Bestellgröße erhöhen . Wir haben hier die Möglichkeit zu wählen, um wie viel wir erhöhen möchten. Wir können 80 $ oder 230 $ haben, bis hin zu 250 $ als Maximalbetrag. Wir können uns auch ansehen, wie sich das im Laufe der Zeit auswirkt.

Daraus können wir gut planen, ob wir eine Promotion durchführen oder Werbung machen wollen. Wir können die Auswirkung unserer Bestellgröße auf unseren Umsatz analysieren. Beispielsweise können wir unsere durchschnittliche Bestellgröße auf der Grundlage einiger Up-Sells oder Cross-Sellings erhöhen, wobei unser Vertriebsteam in der Empfehlung dieser Produkte geschult ist.

Das Wichtigste ist, ein gutes Verständnis der Iterationsfunktionen zu haben, da diese im Wesentlichen das sind, was Sie verwenden müssen, um diesen durchschnittlichen Bestellgrößenwert einzubeziehen.

Verwenden von Iterierungsfunktionen s

Iterierende Funktionen haben im Allgemeinen ein X am Ende. Es gibt ein paar andere, die das nicht haben, aber vor allem diejenigen, die Sie wirklich früh verstehen müssen, sind SUMX, AVERAGEX und viele mehr. Diese Funktionen durchlaufen jede einzelne Zeile einer Tabelle.

In diesem Fall haben wir die Sales- Tabelle angegeben . Was wir hier tun, ist, dass wir für jede einzelne Zeile in der Tabelle „Verkäufe“ prüfen, welche Menge wir verkauft haben, und diese mit dem Preis des Produkts multiplizieren.

Mit anderen Worten: Wir berechnen einen Verkauf für jede Transaktion in jeder Zeile unserer Daten. Wenn wir nun einige Szenarien darüber aufstellen möchten, ob wir unsere durchschnittlichen Bestellungen erhöhen können, müssen wir irgendwie eine Variable in diese zeilenweise Berechnung integrieren .

Wir müssen also die Menge mit dem aktuellen Preis und unserer Erhöhung der Bestellgröße multiplizieren. In diesem Fall müssen wir diese Variable, die aus dem neuen Parameter erstellt wurde, ergreifen und sie hier in die Iterationsfunktion einspeisen.

So kommen wir zu unserer Sales with Order Bump -Berechnung.

Wenn wir beispielsweise unsere durchschnittliche Bestellung um 250 US-Dollar erhöhen, indem wir einige Up-Sells oder Cross-Sells durchführen, dann wären die Auswirkungen kumulativ so.

Dann nehmen wir diese neue Berechnung und ich füge sie in unser kumulatives Gesamtsummenmuster ein , wobei wir DATESBETWEEN verwenden .

Wir haben es kumulativ mit unseren Verkäufen verglichen, ohne dass es zu einem Auftragsanstieg kam, und so erhalten wir den Unterschied. Dann verzweigen wir uns in „Sales Gains“ .

 Wichtige Punkte

Ich empfehle Ihnen, mit dem Anfangsszenario zu beginnen und es dann auf diese verschiedenen kumulativen Gesamtmuster auszuweiten. Auf diese Weise können Sie die Dinge dann auf eine etwas andere Art und Weise visualisieren.

Sie können damit beginnen, die Variable einzugeben, dann aber herausfinden, was Ihre Visualisierung ist, und die DAX-Formel implementieren, die Sie tatsächlich dorthin bringt.

Anschließend können Sie die Leistungsfähigkeit des Datenmodells nutzen , wie wir es im Beispiel getan haben. Wir fügen lediglich weitere Produkte hinzu, da wir derzeit nur den Bestellwert dieser bestimmten Produkte erhöhen. Wenn wir die Produkte hinzufügen, können wir erkennen, welche Auswirkungen sie im Laufe der Zeit auf uns haben werden.

All diese anderen Dinge, wie die Datumsspalte, der Produktname usw., bringen lediglich Dimensionen aus dem Rest unseres Datenmodells ein. Wir integrieren sie einfach in unseren Bericht und schaffen so überzeugende Erkenntnisse.

Entwickeln Sie erweiterte Szenarioanalysemodelle mit DAX in LuckyTemplates.
So beginnen Sie mit der Verwendung von „Was-wäre-wenn“-Parametern in LuckyTemplates.
Komplexes Beispiel für eine „Was-wäre-wenn“-Analyse in LuckyTemplates mit DAX

Abschluss

Diese Analyse ist wirklich praktisch und kommerziell, weshalb sie mir so gut gefällt . Es kann Unternehmen, die häufig und schnell verkaufen, einen großen Mehrwert bieten.

Sie können die Frage beantworten: Wie wirkt es sich auf meine Rentabilität aus, wenn ich meine durchschnittliche Auftragsgröße erhöhe? Was wird das im Vergleich dazu bedeuten, wenn unsere durchschnittliche Bestellgröße tatsächlich sinkt?

Probieren Sie es aus und versuchen Sie, diese Techniken in Ihre eigenen Modelle zu integrieren.

Alles Gute!