Come valutare i cluster nei dati utilizzando la tecnica DAX in LuckyTemplates

In questo tutorial, ti mostrerò come mostrare i cluster nei tuoi dati ti consente di estrarre approfondimenti di gran lunga superiori rispetto a se avessi solo un grafico a dispersione con un sacco di informazioni piantate lì dentro. Puoi guardare il video completo di questo tutorial in fondo a questo blog.

Esaminerò alcune tecniche DAX avanzate che è necessario utilizzare in combinazione con il modello di dati. Se li usi bene, le opportunità analitiche si aprono sostanzialmente per te e puoi davvero mostrare le intuizioni in modo efficace.

In questo particolare esempio, sto cercando di vedere se c'era qualche motivo per cui stiamo assistendo a un certo raggruppamento dei nostri clienti in base alle loro prestazioni .

Sovrapponendo una logica (all'interno di una formula DAX) su una tabella secondaria, sono in grado di classificare se un cliente è buono, ok, scarso o eccezionale.

Quindi, utilizzando questa nuova dimensione nel mio grafico a dispersione, posso vedere se appare un raggruppamento di risultati in base alla logica che ho appena implementato.

Sommario

• Come visualizzare i cluster nei dati
  • All'interno del modello di dati
  • Integrare la logica nella dimensione
  • Creazione della visualizzazione
• Conclusione

Come visualizzare i cluster nei dati

In questa visualizzazione, esaminiamo ogni singolo cliente nel nostro set di dati. Ci sono molti clienti e stiamo analizzando i clienti in base ai loro margini di profitto nelle loro vendite totali. Sul lato destro, abbiamo un gruppo di clienti ad alte prestazioni o clienti con margini più elevati.

Per raggiungere questo obiettivo, dobbiamo creare una logica che ci consenta di visualizzare questi cluster di informazioni e costruire quella logica in base al gruppo di profitto in cui si trovano questi clienti.

La cosa fondamentale qui è che questi gruppi di profitto in realtà non esistono nel modello di dati, quindi dobbiamo costruire questa logica e quindi sovrapporla.

Questo esempio è solo uno dei tanti modi in cui potremmo farlo. Potremmo esaminare la crescita dei profitti, la crescita dei margini e una varietà di cose in cui abbiamo bisogno di qualsiasi tipo di logica e portarla qui. Possiamo quindi identificare qualsiasi modello o gruppo di informazioni che può davvero estrarre qualche intuizione per noi.

All'interno del modello di dati

Osservando il modello di dati, la prima cosa da notare è che qui abbiamo creato una tabella di supporto. Una tabella di supporto viene generalmente utilizzata a volte come tabella dei parametri, ma in questo caso utilizzeremo una logica che integri la tabella di supporto nel nostro modello principale.

All'interno della nostra tabella di supporto, stiamo analizzando in quale gruppo di clienti in base alla redditività si trovano questi clienti.

Quindi, ad esempio, se il cliente ha generato oltre $ 25.000 di profitti, allora sarà un cliente top, mentre quelli tra $ 20.000 e $ 25.000 saranno un buon cliente, e così via.

Integrare la logica nella dimensione

Nella tabella dei clienti, utilizziamo la tabella di supporto e quindi costruiamo una logica.

Alcuni di voi potrebbero pensare che sia meglio sviluppare tutta questa logica all'interno di questa colonna calcolata - sì, assolutamente - ma a volte lo trovo poco pratico, specialmente quando la tabella di supporto ha, diciamo, 10 diversi pezzi di logica su cui devi lavorare .

Sì, potresti semplicemente sviluppare una colonna calcolata davvero complicata, ma penso che sarebbe molto più semplice inserirli in una tabella di supporto e quindi scrivere una logica semplice come questa, che li integrerebbe.

In questa logica qui, CALCOLIAMO in quale gruppo si trova ogni cliente. Il gruppo verrà restituito dalla funzione VALUES , quindi la funzione FILTER è ciò che crea l'iterazione per iterare attraverso la logica.

Quindi, per ogni cliente qui, qual è il Total Profits ; si colloca tra il MIN e il MAX di uno qualsiasi dei nostri gruppi. In tal caso, restituisci quel gruppo. Ed è così che creiamo questi gruppi di profitto .

Creazione della visualizzazione

Ora che abbiamo questa dimensione, possiamo usarla all'interno delle nostre visualizzazioni per identificare questi cluster. Quindi creeremo un grafico a dispersione , quindi inseriremo i nostri margini di profitto nell'asse Y e le vendite nell'asse X .

Ma, se trasciniamo Customer Name , qui vedremo che abbiamo creato alcune informazioni, ma in realtà non mostra alcun valore. Sarebbe molto meglio se creiamo gruppi di informazioni.

 Quindi, per fare ciò, riempiamo i punti e cambiamo alcuni colori dei dati per assicurarci che alcuni risaltino. Facendo queste semplici regolazioni, possiamo facilmente identificare ed estrarre molte più informazioni all'interno dei nostri elementi visivi .

La tabella di supporto è un concetto davvero chiave da aggirare e da comprendere quando si utilizza LuckyTemplates perché possiamo integrarlo in tanti modi.

Esistono molti modi per identificare i cluster in base a una varietà di metriche, poiché ci sono così tanti scenari diversi che i nostri dati potrebbero richiederci di analizzare.

Utilizzare DAX per segmentare e raggruppare i dati in LuckyTemplates
Trovare modelli nei dati con logica interna utilizzando LuckyTemplates e DAX
Segmentazione dinamica: come segmentare i clienti in gruppi utilizzando DAX avanzato

Conclusione

C'è qualcosa in questa tecnica, ma mostrare i cluster nei tuoi dati usando la logica è davvero potente e ci sono così tanti modi in cui puoi replicarlo in altri scenari o attraverso i tuoi dati.

Questo è in definitiva ciò che voglio che tu estragga da questo tutorial che ho creato, poiché le opportunità analitiche crescono in modo esponenziale attorno a questo tipo di tecnica.

Questa è una tecnica avanzata, quindi non preoccuparti troppo se non ha senso immediatamente, ma provala sicuramente. Scoprirai rapidamente di scoprire alcune intuizioni davvero interessanti che prima non avevi.

Saluti!