So bewerten Sie Cluster in Ihren Daten mithilfe der DAX-Technik in LuckyTemplates

In diesem Tutorial zeige ich Ihnen, wie Sie durch die Darstellung von Clustern in Ihren Daten weitaus bessere Erkenntnisse gewinnen können, als wenn Sie nur ein Streudiagramm mit einer ganzen Menge Informationen hätten. Sie können sich das vollständige Video dieses Tutorials unten in diesem Blog ansehen.

Ich werde einige fortgeschrittene DAX-Techniken durchgehen, die Sie in Kombination mit dem Datenmodell verwenden müssen. Wenn Sie sie gut nutzen, eröffnen sich Ihnen erhebliche Analysemöglichkeiten und Sie können Erkenntnisse wirklich effektiv präsentieren.

In diesem speziellen Beispiel versuche ich herauszufinden, ob es einen Grund dafür gibt, dass wir eine bestimmte Clusterbildung unserer Kunden basierend auf ihrer Leistung beobachten .

Indem ich eine Logik (innerhalb einer DAX-Formel) über eine Sekundärtabelle lege, kann ich klassifizieren, ob ein Kunde gut, in Ordnung, schlecht oder großartig ist.

Wenn ich dann diese neue Dimension in meinem Streudiagramm verwende, kann ich sehen, ob auf der Grundlage der gerade implementierten Logik eine Häufung von Ergebnissen auftritt.

Inhaltsverzeichnis

• So visualisieren Sie Cluster in Ihren Daten
  • Im Datenmodell
  • Logik in die Dimension integrieren
  • Erstellen der Visualisierung
• Abschluss

So visualisieren Sie Cluster in Ihren Daten

In dieser Visualisierung betrachten wir jeden einzelnen Kunden in unserem Datensatz. Es gibt viele Kunden und wir analysieren die Kunden anhand ihrer Gewinnspanne im Gesamtumsatz. Auf der rechten Seite haben wir eine Gruppe leistungsstarker oder margenstärkerer Kunden.

Um dies zu erreichen, müssen wir eine Logik erstellen, die es uns ermöglicht, diese Informationscluster zu visualisieren und diese Logik basierend auf der Gewinngruppe dieser Kunden aufzubauen.

Der Schlüssel hier ist, dass diese Gewinngruppen im Datenmodell nicht tatsächlich existieren, also müssen wir diese Logik aufbauen und sie dann überlagern.

Dieses Beispiel ist nur eine von vielen Möglichkeiten, wie wir dies tun könnten. Wir könnten uns das Gewinnwachstum, das Margenwachstum und eine Vielzahl anderer Dinge ansehen, bei denen wir irgendeine Art von Logik benötigen, und diese hier einbringen. Wir können dann jedes Muster oder jeden Informationscluster identifizieren, der uns wirklich zu Erkenntnissen verhelfen kann.

Im Datenmodell

Beim Blick auf das Datenmodell fällt zunächst auf, dass wir hier eine unterstützende Tabelle erstellt haben. Eine unterstützende Tabelle wird im Allgemeinen manchmal als Parametertabelle verwendet, aber in diesem Fall verwenden wir eine Logik, die die unterstützende Tabelle in unser Kernmodell integriert.

In unserem Stütztisch analysieren wir anhand der Rentabilität, welcher Kundengruppe diese Kunden angehören.

Wenn der Kunde beispielsweise einen Gewinn von über 25.000 US-Dollar erwirtschaftet hat, wird er ein Top-Kunde sein, während ein Kunde mit einem Gewinn zwischen 20.000 und 25.000 US-Dollar ein guter Kunde ist, und so weiter und so weiter.

Logik in die Dimension integrieren

In der Kundentabelle verwenden wir die unterstützende Tabelle und bauen dann eine Logik auf.

Einige von Ihnen denken vielleicht, dass es besser ist, die gesamte Logik innerhalb dieser berechneten Spalte zu entwickeln – ja, absolut –, aber manchmal finde ich es nicht praktikabel, insbesondere wenn die unterstützende Tabelle beispielsweise 10 verschiedene Logikelemente enthält, die man durcharbeiten muss .

Ja, Sie könnten einfach eine wirklich komplizierte berechnete Spalte entwickeln, aber ich denke, es wäre viel einfacher, sie in eine unterstützende Tabelle einzufügen und dann eine einfache Logik wie diese zu schreiben, die sie integrieren würde.

In dieser Logik hier BERECHNEN wir , in welcher Gruppe jeder Kunde sitzt. Die Gruppe wird von der Funktion VALUES zurückgegeben , und dann ist es die Funktion FILTER , die eine Iteration erstellt, um die Logik zu durchlaufen.

Wie hoch ist dann für jeden Kunden hier der Gesamtgewinn ? Liegt es zwischen dem MIN und dem MAX einer unserer Gruppen? Wenn dies der Fall ist, geben Sie diese Gruppe zurück. Und so schaffen wir diese Gewinngruppen .

Erstellen der Visualisierung

Da wir nun über diese Dimension verfügen, können wir sie in unseren Visualisierungen verwenden, um diese Cluster zu identifizieren. Wir erstellen also ein Streudiagramm und tragen dann unsere Gewinnspannen auf der Y-Achse und den Umsatz auf der X-Achse ein .

Wenn wir jedoch „Kundenname“ hineinziehen , sehen wir hier, dass wir einige Informationen erstellt haben, diese jedoch keinen wirklichen Wert anzeigen. Es würde viel besser zur Geltung kommen, wenn wir Informationscluster erstellen würden.

 Dazu füllen wir einfach die Punkte aus und ändern einige Datenfarben, um sicherzustellen, dass einige hervorstechen. Durch diese einfachen Anpassungen können wir viel mehr Informationen in unseren Bildern leichter identifizieren und extrahieren .

Die Unterstützungstabelle ist ein wirklich wichtiges Konzept, das man bei der Verwendung von LuckyTemplates umgehen und verstehen sollte, da wir sie auf so viele Arten integrieren können.

Es gibt viele Möglichkeiten, Cluster auf der Grundlage verschiedener Metriken zu identifizieren, da es so viele verschiedene Szenarien gibt, dass unsere Daten möglicherweise eine Analyse erfordern.

Verwenden Sie DAX, um Daten in LuckyTemplates zu segmentieren und zu gruppieren.
Finden Sie Muster in Ihren Daten mit interner Logik mithilfe von LuckyTemplates und DAX.
Dynamische Segmentierung: So segmentieren Sie Kunden mithilfe von Advanced DAX in Gruppen

Abschluss

Diese Technik hat einiges zu bieten, aber die Darstellung von Clustern in Ihren Daten mithilfe von Logik ist wirklich leistungsstark, und es gibt so viele Möglichkeiten, dies in anderen Szenarien oder auf Ihre eigenen Daten zu replizieren.

Das ist es, was Sie letztendlich aus diesem von mir erstellten Tutorial herausholen möchten, da die analytischen Möglichkeiten rund um diese Art von Technik exponentiell wachsen.

Dies ist eine fortgeschrittene Technik. Machen Sie sich also keine Sorgen, wenn sie nicht sofort Sinn ergibt, sondern probieren Sie sie auf jeden Fall aus. Sie werden schnell feststellen, dass Sie einige wirklich interessante Erkenntnisse entdecken, die Sie vorher nicht hatten.

Beifall!