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.
Sobald Sie sich mehr und mehr mit fortgeschrittenen DAX-Formeln beschäftigen, werden Sie feststellen, dass sich die Welt der analytischen Möglichkeiten für Sie unermesslich erweitert. In diesem Beispiel zeige ich Ihnen, um wie viel. Sie können sich das vollständige Video dieses Tutorials unten in diesem Blog ansehen.
In diesem Blogbeitrag werde ich einige relativ fortgeschrittene DAX-Logik untersuchen und dann darauf aufbauen, indem ich eine anfängliche Berechnung mit einer anderen kombiniere. Dieser Blogbeitrag folgt einem bestehenden Video, das es uns ermöglichte, unsere Kunden nach ihrem Verkaufsranking zu gruppieren .
Es brachte mich zum Nachdenken darüber, was wir sonst noch aus diesen Informationen generieren können. Mir wurde klar, dass es interessant wäre, wenn wir es aus einer prozentualen Perspektive statt aus einer Gesamtperspektive betrachten würden.
Wenn Sie beispielsweise in einem Jahr 20 % Ihres Umsatzes mit Ihren Top-5-Kunden erzielen, machen Sie im nächsten Jahr nur noch 5 %. Aus Marketingsicht möchten Sie verstehen, warum dies geschieht, und Maßnahmen ergreifen, um diesen Prozentsatz zu erhöhen.
Inhaltsverzeichnis
Ermittlung des dynamischen Rankings pro Kundengruppe
Sehen wir uns zunächst an, wie wir diese Kunden überhaupt gruppiert haben. Wir haben eine Kennzahl erstellt und sie mit der folgenden Formel „Kundenverkäufe nach Gruppe“ genannt:
Im Wesentlichen haben wir mithilfe von Advanced DAX innerhalb eines Jahres dynamisch ein Ranking erstellt, wie viele Verkäufe pro Kunde getätigt wurden . Wir haben sie in drei Gruppen eingeteilt: Top 5, Top 5 bis 20 und dann der Rest.
Nun wollen wir aber den prozentualen Anteil dieser Beträge am Gesamtumsatz ermitteln. Daher möchten wir alle diese Zahlen als Prozentsätze sehen, damit wir sehen können, ob die prozentuale Änderung im Laufe der Zeit auftritt.
Von unserem jetzigen Standort aus ist dies nicht allzu schwierig. Wenn Sie den vorherigen Blog-Beitrag oder das vorherige Video gelesen und verstanden haben, wird dieser ein Kinderspiel sein.
Um diese Ergebnisse als Prozentsatz zu erhalten, müssen wir herausfinden, wie wir die Zahlen in der Gesamtzeile mit den Zahlen in den Top 5, Rang 5 bis 20 und dem Rest vergleichen können. Beispielsweise haben unsere Top-5-Kunden im Jahr 2014 4.988.170,10 US-Dollar verdient, was durch unsere Gesamtsumme von 35.040.899,50 US-Dollar dividiert werden muss, um den Prozentsatz zu erhalten.
Das erste, was Sie tun müssen, besteht darin, die Tabelle im Canvas zu kopieren und zu replizieren und dann eine Kennzahl zu erarbeiten, die in diesem Kontext die 35 Millionen Gesamtverkäufe abruft.
Wie Sie sehen können, haben wir den Gesamtumsatz innerhalb der CALCULATE-Funktion angezeigt und dann den Kontext mithilfe einer recht erweiterten DAX-Formel geändert .
Gesamtumsatz- und Kundengruppentabellen
Der Gesamtumsatz selbst hat keine Beziehung zur Tabelle „Kundengruppen“, die wir im vorherigen Blogbeitrag erstellt haben. Es gibt absolut keinen Zusammenhang zwischen den beiden.
Wenn wir also versuchen, den Gesamtumsatz nach der Tabelle „Kundengruppen“ zu filtern, wird nichts passieren. Aber schauen Sie sich an, was passiert, wenn wir dies in die Tabelle aufnehmen.
In den Spalten 2014, 2015 und 2016 wird ein Filter platziert; Wir erhalten also die Gesamtsumme in jeder einzelnen Iteration der Gruppentabelle. Die Dimension „Gruppen“ filtert jedoch nicht, da sie nicht mit dem Datenmodell verbunden sind. Wir haben also im Grunde die beiden Schlüsselelemente dieser Analyse.
Bestimmen des Prozentsatzes der Kundenverkäufe nach Ranking-Gruppe
Der nächste Schritt besteht darin, eine neue Kennzahl zu erstellen oder die vorhandene Kennzahl zu verwenden und sie „% Kundenverkäufe pro Gruppe“ zu nennen. Wir dividieren den Kundenumsatz nach Gruppe durch den Gesamtumsatz, wobei 0 mein alternatives Ergebnis ist.
Natürlich müssen wir dies formatieren und in Prozent umwandeln.
Der letzte Schritt besteht darin, diese Kennzahl zu ergreifen und in die Tabelle einzutragen, um den Prozentsatz anzuzeigen. Es sieht so aus, als würde das richtige Ergebnis berechnet, da wir für alle Gesamtsummen 100 % erhalten. Wie Sie sehen können, ist dies eine supercoole Technik, die auf einer bestehenden Technik aufbaut, die wir zuvor verwendet haben.
Visualisierung der Daten
Als letzten Schliff können Sie dies in einer Visualisierung zusammenfassen, insbesondere wenn Sie mehr als die drei Jahre anzeigen möchten, die ich in dieser Tabelle dargestellt habe. Es gibt verschiedene Möglichkeiten, diese Informationen aufzuschlüsseln, beispielsweise mit diesem Liniendiagramm:
Wenn Sie möchten, können wir stattdessen auch ein Flächendiagramm verwenden:
Da haben Sie es: Wir haben jetzt dynamisch berechnet, woher unsere Verkäufe kommen und aus welchen Rankinggruppen sie im Laufe der Zeit stammen.
Dies ist eine wirklich kraftvolle, fortschrittliche DAX-Analysearbeit, die großartige Erkenntnisse liefert. In vielen Fällen ist ein umfassendes Verständnis der Zusammensetzung Ihrer Attribute von entscheidender Bedeutung für die Entscheidungsfindung und das Risikomanagement. Ich denke an Situationen wie Bankkreditbücher, Versicherungsschutz, Umsatzzuordnung und viele andere. Mit einer Kombination dieser Techniken können Sie diese Erkenntnisse sehr effektiv ans Licht bringen.
Abschluss
Bei der Zusammenstellung dieser Art von Berechnung sind viele Elemente erforderlich. Wenn Sie gerade erst mit DAX beginnen, schauen Sie sich meine Online-Kurse „ “ und an , um ein gutes Verständnis dafür zu bekommen, wo Sie anfangen sollten und was Sie darüber hinaus erreichen können. Die Kombination der Techniken eröffnet hier eine Welt voller Möglichkeiten, die Sie in vielen Modellen immer wieder nutzen können.
Der Schlüssel zum Verständnis, wie Sie dies auf Ihre eigenen Modelle übertragen können, besteht darin, über die Dimension oder das Attribut nachzudenken, auf das Sie einen Drilldown durchführen möchten, z. B. Kunden, Regionen oder Produkte. Anschließend müssen Sie dieses Attribut innerhalb Ihrer Kennzahl iterieren. Manchmal benötigen Sie möglicherweise sogar eine unterstützende Tabelle, um die Logik zum Durchlaufen zu erstellen.
Viel Glück damit. Wenn Sie Fragen oder Feedback haben, lassen Sie es mich in den Kommentaren unten wissen.
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