Python における Self とは: 実際の例
Python における Self とは: 実際の例
LuckyTemplates の動的グループ化手法について説明したいと思います。情報バンドのセグメントを動的に表示する方法を説明します。これは、データ モデルに基づいて構築するための強力な手法です。このチュートリアルの完全なビデオは、このブログの下部でご覧いただけます。
ここには非常に単純なデータモデルがあります。Microsoft が LuckyTemplates 内で設定する方法のせいで、少々混乱していますが、私はそれが好きではありません。ということで、ウォーターフォール手法を使ってアレンジしてみたいと思います。
Sales テーブルを一番下に置き、すべてのルックアップ テーブルを一番上に置きたいと考えています。
ただし、多くの場合、ルックアップ テーブルにはそれほど多くの情報がありません。たとえば、ここに顧客データがありますが、指標に基づいて顧客をグループ化できるようにし、それを動的に実行したいと考えています。
私の選択に応じて、グループ化は異なります。たとえば、別の年や別の製品を選択している場合、それらの選択に基づいてグループ化で結果を分析できるようにしたいと考えています。
この手法を適切なモデルと組み合わせると、データをフィルタリングする方法が複数あります。
では、これが実際にどのように機能するかという理論を見てみましょう。
目次
DAX の数式とメジャー分岐
ここで私の総売上高を簡単に計算してみます。を使用し、別のテーブルから価格を取得し、その価格にトランザクションごとに販売された数量を���けました。
ここで、視覚化の中で、どの顧客が成長の良い顧客、平均的な成長の顧客、または成長の悪い顧客であると考えているかを分類できるようにしたいと考えています。重要なのは、スライサーで選択された年を認識することです。
ここには、関数と関数を使用した、売上 LY (昨年)の計算も含まれています。
この計算から、成長率 ( Sales Growth )を計算できます。
これは、ニッチ バンディング計算を構築する方法です。この場合、この計算 (売上成長) に分岐し、それに基づいてセグメントを作成します。
このデータはいずれも生データ テーブル内に存在しないことに注意してください。これをメジャーを使用して作成し、この計算に基づいてセグメント化して動的にバンド化します。
散布図の視覚化を見ると、セグメントまたはグループ化が実際に発生する場所がわかります。この視覚化には、ここにある棒グラフの視覚化と同じ尺度があります。物事を少し違った方法で表現しているだけです。そして、それは依然として動的計算または動的セグメンテーション技術です。
スライサー フィルターを追加するだけで、これを月と年ごとに分類することもできます。
DAX を使用した LuckyTemplates の動的グループ化
通常、 DAX Clean Up Web ベース アプリケーションを使用して、から数式を取得します。すべての数式をここに保存できます。
バンディングの例は Analyst Hub に保存されているので、コードをコピーしてモデルに貼り付けるだけです。式内のいくつかのパラメータを変更する必要があるかもしれませんが、この場合はすでに完璧に設定されています。
動的セグメンテーションを行うときに覚えておく必要があるもう 1 つのことは、サポート テーブルを作成する必要があるということです。この例では、この成長因子に基づいてセグメント化できるようにしたいと考えています。そこで、特定の成長要因に基づいてセグメントを分割しました。
そして、コアモデルの上に構築していることに注意してください。このデータはいずれのテーブルにも物理的に実装されていないため、この手法は非常に柔軟です。
ここで使用した式、成長グループごとの売上高を見てみましょう。
数式では、総売上高を計算したいことがわかりますが、その売上結果を、作成したサポート テーブルでフィルターできるようにしたいと考えています。
顧客の成長がどのようなものか評価したい。したがって、関数を使用すると、この数式がすべての顧客に対して反復処理され、各顧客の売上の伸びが計算されます。これは私の顧客のリスト全体に仮想的に適用され、true と評価されたものに基づいて売上を返します。
ここで興味深いのは、この数式をテーブルにドラッグすると、ある時点ですべてが true と評価されることがわかります。これは、このテーブルのコンテキストにフィルターがまったく含まれていないためです。
ただし、散布図の視覚化ではバンドまたはグループを確認できます。この視覚化では、私が作成したサポート テーブル (顧客セグメント テーブル) を使用して、数式内のフィルターであるSales per Growth Groupが機能しています。その結果、多くは false と評価されます。これが、ビジュアライゼーション内のセグメント、つまりこれらのバンドを取得する方法です。
DAX を使用した LuckyTemplates のバンディングとセグメント化の例
LuckyTemplates でのデータのセグメント化とグループ化に DAX を使用する Power
BI で高度な DAX を使用したセグメンテーションの例
結論
この LuckyTemplates の動的グループ化手法については少し説明する必要がありますが、パターンと使用する必要があるサポート テーブルをよく理解していれば、それほど難しいことではありません。
このパターンを何度も入力して、任意のバンディングを作成できます。サポート テーブルは完全に動的かつ柔軟にすることができ、必要なメトリックに基づくことができます。この評価内にテーブルを通じて実際に正しい指標を入力していることを確認してください。これは、ここに入力したものに対して完全に動的です。たとえば、ここで利益率を得ることができます。
関連コンテンツの詳細については、以下のリンクをご覧ください。
乾杯!
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