Python における Self とは: 実際の例
Python における Self とは: 実際の例
モデルの分析を行うとき、テーブル内の何にも関係のない洞察を見つけたい場合があります。ここで、LuckyTemplates データ モデリングにサポート テーブルを使用するという概念が登場します。
サポート テーブルはテーブルとは何の関係もありませんが、レポート内の視覚化をサポートするために使用できます。
目次
LuckyTemplates でのデータ モデリングのサンプル シナリオ
この例では、 Customersテーブルのサポート テーブルを作成します。そのサポートテーブルに情報を重ね合わせることができます。次に、DAX ロジックを実行して、 Customersテーブルに現在あるものでは不可能な視覚エフェクトを作成します。
レポートビューには、各顧客の合計トランザクションを示す視覚化が表示されます。この例では、顧客からの最高トランザクションは33です。
したがって、最低は8です。
たとえば、顧客の取引に基づいて顧客の頻度を示す視覚化を作成したいと考えています。これは、モデルのどこにも存在しない、高域、中域、低域の顧客の総売上高を示す視覚化です。私たちができることは、それらの周波数を含むテーブルを作成し、それを通してロジックを実行できるようにすることです。
LuckyTemplates でのデータ モデリング用のサポート テーブルの作成
テーブルを作成するにはさまざまな方法があります。この例では、 「ホーム」タブ内の「データの入力」オプションを使用してみましょう。
このテーブルに「購入頻度」という名前を付けます。次に、最初の列を周波数グループとして設定し、周波数値をHigh、Ok、およびLowとして追加します。Min列とMax列も追加します。現在の表では、高頻度の顧客は少なくとも25~40回のトランザクションを持つ必要があるとしています。中頻度の顧客は15~25 のトランザクションを持つ必要があり、低頻度の顧客はトランザクションが0~15のみの顧客です。
[関係]ビューで、追加した購入頻度テーブルを右側に配置します。これは、購入頻度テーブルがサポート テーブルであるためです。このテーブルに作成された列は、データ モデル上のどのテーブルとも関係がありません。これは、レポート上に作成する 視覚化をサポートするために DAX ロジックを実行するためにのみ使用します。
LuckyTemplates データ モデリング用のメジャー テーブルの作成
「購入頻度」テーブルとは別に、 「データの入力」オプションを使用して別のテーブルも作成しましょう。これを「Dynamic Grouping」という名前にします。次に、このテーブル内にメジャーを作成します。
メジャーの名前を「Sales by Frequency Group」テーブルに変更します。このリンクからメジャー テーブルの作成について詳しく学ぶことができます。
この測定では、非常に複雑な DAX コードを使用します。このメジャーは、Customersテーブル内の各顧客の合計売上高を計算します。これは、合計トランザクションが、私たちが作成したサポート テーブルである 購入頻度テーブルのMIN値とMAX値の範囲内にあるかどうかを識別します。
ここで重要なことは、「購入頻度」テーブルは「顧客」テーブルや他のテーブルとは何の関係もないということです。ただし、メジャーと DAX コードを使用してロジックを作成すると、それを使用して他のテーブルをサポートしたり、ビジュアライゼーションを作成したりできるようになります。
LuckyTemplates でのカスタム ビジュアライゼーションの作成
必要なビジュアライゼーションを作成するには、動的グループ化テーブルの周波数グループ列をキャンバスにドラッグするだけです。
次に、頻度グループ別売上 メジャーをキャンバス上の頻度グループにドラッグします。
その結果、高域、低域、中域 ( OK ) の周波数から顧客の総売上高を示す視覚化が可能になりました。
その後、これをドーナツ チャートの視覚化に変換できます。次に、サポート テーブルを使用して作成したロジックに基づいて、ほとんどの顧客がミッドレンジ ( OK)周波数内にあることがわかります。
顧客の合計トランザクションを確認すると、ほとんどの顧客のトランザクション数が 20 ~ 21 件程度であるため、これは当然のことです。
これは、サポート表 (周波数グループ) に基づくと、中間範囲 15 ~ 25 ( OK ) の周波数内です。
また、顧客名ビジュアライゼーション内でメジャー (「Sales by Frequency Group」)をドラッグすることで、別のビジュアライゼーションを作成することもできます。
…およびサポート表の「頻度グループ」列 ( 「購入頻度」)。
その結果、ビジュアライゼーションには顧客の名前、総売上高、取引頻度が表示されるようになりました。
必要に応じて、この視覚化を棒グラフに変換できます。
最後に、顧客名と周波数グループ別の周波数グループ別売上高、 および周波数グループ別周波数グループ別売上高のビジュアライゼーションが表示されます。
結論
要約すると、サポート テーブルを作成し、LuckyTemplates でのデータ モデリングに使用することができました。これらは、サポート テーブルを使用するときに実現できるいくつかの強力なテクニックです。
さて、ここでロジックを拡張する方法を考えてみましょう。この場合、トランザクションを分離しましたが、これを売上、利益、成長などのグループの人々の他の計算に対して行うこともできます。
サポート テーブルを使用するロジックと重要性を理解していただけたでしょうか。繰り返しますが、これらは作成したいロジックと視覚化をサポートするために純粋に使用されており、さまざまな方法で使用できます。これにより、独自のモデルに素晴らしい分析手法を追加できます。
ではごきげんよう、
Python における Self とは: 実際の例
R の .rds ファイルからオブジェクトを保存および読み込む方法を学習します。このブログでは、R から LuckyTemplates にオブジェクトをインポートする方法についても説明します。
この DAX コーディング言語チュートリアルでは、GENERATE 関数の使用方法とメジャー タイトルを動的に変更する方法を学びます。
このチュートリアルでは、マルチスレッド動的ビジュアル手法を使用して、レポート内の動的データ視覚化から洞察を作成する方法について説明します。
この記事では、フィルター コンテキストについて説明します。フィルター コンテキストは、LuckyTemplates ユーザーが最初に学習する必要がある主要なトピックの 1 つです。
LuckyTemplates Apps オンライン サービスが、さまざまなソースから生成されたさまざまなレポートや分析情報の管理にどのように役立つかを示したいと思います。
LuckyTemplates でのメジャー分岐や DAX 数式の結合などの手法を使用して、利益率の変化を計算する方法を学びます。
このチュートリアルでは、データ キャッシュの具体化のアイデアと、それが結果を提供する際の DAX のパフォーマンスにどのように影響するかについて説明します。
これまで Excel を使用している場合は、ビジネス レポートのニーズに合わせて LuckyTemplates の使用を開始するのに最適な時期です。
LuckyTemplates ゲートウェイとは何ですか? 知っておくべきことすべて