백분율 그룹을 기반으로 한 데이터 세분화 - LuckyTemplates의 고급 DAX

이 자습서에서는 LuckyTemplates 내에서 동적인 방식으로 데이터를 그룹화하는 고급 데이터 세분화 기술을 살펴볼 것입니다 . 이 블로그 하단에서 이 튜토리얼의 전체 비디오를 볼 수 있습니다.

이 자습서에서는 고객 통찰력에 대한 Learning Summit에서 사용한 이 대시보드의 이 특정 시각화를 구체적으로 살펴보겠습니다.

이 경우 판매 비율을 기준으로 고객을 그룹화하거나 세분화합니다. 보조 테이블 또는 지원 테이블을 활용하고 DAX 수식과 결합하여 이 그룹화를 만듭니다.

목차

• 판매 비율을 기준으로 고객 세분화
• 보조 또는 지원 테이블 활용
• 변수 해결
• 데이터 세분화를 위한 논리
• 데이터 세분화 공식을 재사용하는 방법
• 결론

판매 비율을 기준으로 고객 세분화

한 그룹은 상위 20%, 다른 그룹은 25%~80%, 세 번째 그룹은 하위 25%에 속합니다. 이러한 백분율을 활용하고 DAX 수식을 통해 공급 한 다음 이러한 Top, Mid 및 Bottom 그룹을 만들었습니다 .

이 경우 세분화는 판매를 기반으로 하므로 특정 시간 프레임에 대한 판매 대 마진을 보여주는 차트이지만 세분화는 판매를 통해 발생했습니다.

이 분산형 차트에서 고객의 상위 20%를 볼 수 있습니다. 진한 파란색 점으로 표시됩니다. Mid 고객은 판매 관점에서 25%에서 80% 사이에 있습니다. 차트 중간 부분에 옅은 파란색 점으로 표시됩니다. 매출 기준 하위 25% 고객은 차트 하단 부분의 하늘색 점입니다. 

이것은 데이터 세분화를 위한 상당히 진보된 기술로, 계산 내부에 일부 고급 논리를 통합하여 존재하지 않는 이러한 그룹을 생성합니다 . 즉, 원시 데이터에는 고객의 상위 20명, 하위 25% 등을 분류하기 위해 존재하는 것이 없습니다.

따라서 지원 테이블 또는 내가 부르는 보조 테이블을 사용하여 해당 논리를 생성해야 합니다 . 이 테이블은 데이터 모델의 테이블과 물리적 관계가 없지만 이러한 유형의 분석의 핵심입니다.

보조 또는 지원 테이블 활용

그럼 표를 한번 볼까요? 다양한 방법으로 이러한 그룹을 만들 수 있지만 이 데모에서는 이렇게 설정했습니다.

이 지원 테이블 또는 보조 테이블에는 그룹이 Top, Mid 및 Bottom으로 있습니다. 각 고객이 속한 세그먼트를 식별하기 위해 Low 열과 High 열이 있습니다.

이 2차 백분율 표는 실제로 다양한 측정에서 재사용할 수 있습니다. 우리는 판매를 사용할 수 있고 마진, 이익, 비용 또는 우리가 할 수 있는 다른 계산을 쉽게 통합할 수 있습니다. 판매 또는 수익과 관련이 있을 필요도 없습니다. 

또한 백분율이 무엇이든 될 수 있기 때문에 논리의 일부를 재사용할 수 있습니다. 여기서 중요한 것은 수식 안에 올바른 논리를 만드는 것입니다. 

(올해) 라고 하는 공식에 대해 자세히 살펴보고 논리를 어떻게 수행했는지 살펴보겠습니다.

변수 해결

변수( VAR ) 를 계산하는 첫 번째 계산 부분을 먼저 살펴보겠습니다 .

첫 번째 변수는 작업할 RankingDimension을 식별하는 것입니다. 이 경우 고객입니다. VALUES 기능을 사용하여 특정 기간에 판매한 모든 고객을 반복합니다 . 

다음 변수는 실제로 얼마나 많은 고객이 판매를 했는지 계산하는 TotalCustomers 입니다 . 우리는 모든 고객을 세는 것이 아니라 약간의 판매를 한 고객만 세고 싶습니다. 이 논리에서는 CALCULATE , COUNTROWS , FILTER 및 ALL 함수를 사용하고 있습니다.

세 번째 변수는 CustomerRank 입니다 . 여기에서 고객의 판매 실적을 기준으로 고객의 순위를 매깁니다. 이것이 Customer Rank TY 의 공식입니다 .

이 특정 수식은 RANKX 함수를 사용하는 간단한 순위 지정을 수행하는 것입니다 .

데이터 세분화를 위한 논리

이제 나머지 계산을 살펴보겠습니다. 이것이 이러한 데이터 세분화 분석을 달성할 수 있게 해주는 논리입니다.

CALCULATE 함수는 각 고객을 반복하고 COUNTROWS 및 FILTER 함수 로 생성한 지원 테이블( Customer Groups ) 을 통해 평가합니다 . 

그런 다음 CustomerRank가 TotalCustomers 보다 큰지 여부 를 평가한 다음 Customer Groups Low 열을 곱합니다. 따라서 CustomerRank가 바닥보다 높은지 여부를 묻습니다.

그런 다음 다음 행에서 CustomerRank가 TotalCustomers보다 작거나 같은지 여부를 강조 표시합니다. 그런 다음 Customer Groups 테이블의 상위 저장소로 곱합니다 .

true와 같으면 해당 고객이 유지되고 총 판매액이 표시됩니다.

데이터 세분화 공식을 재사용하는 방법

이 공식은 약간 복잡하지만 정말 흥미로운 공식입니다. 이 계산도 재사용합니다.

예를 들어 이익 마진과 같은 다른 메트릭으로 고객을 살펴보려는 경우 여기에서 총 판매액을 이익 마진으로 바꾸고 순위를 이익 마진을 기준으로 변경하기 만 하면 됩니다 .

그런 다음 정확히 동일한 지원 테이블을 활용하여 이 논리를 실행할 수 있습니다. 

LuckyTemplates에서 DAX를 사용하여 데이터 분할 및 그룹화 LuckyTemplates에서
고급 DAX를 사용하는 분할 예 LuckyTemplates에서
RANKX를 사용하여 순위별로 동적으로 고객 그룹화

결론

이것은 이 튜토리얼에서 보여드린 데이터 분할에 대한 고급 기술입니다. 지원 테이블과 함께 DAX 및 데이터 모델의 기능을 활용합니다.

전체 공식으로 할 수 있는 일이 놀랍습니다. 시간 프레임을 변경할 수 있으며 항상 고객을 설정한 특정 비율로 나눕니다. 

이 튜토리얼에서 큰 가치를 발견하고 자신의 작업에 적용하기를 바랍니다.

모두 제일 좋다!

***** LuckyTemplates 학습? *****