LuckyTemplates에서 DAX를 사용하여 고객 트랜잭션당 평균 계산

이 자습서에서 보여주고 싶은 것은 LuckyTemplates의 DAX 내부에서 특정 차원당 평균 판매, 수익 또는 트랜잭션을 계산하는 방법입니다. 이 블로그 하단에서 이 튜토리얼의 전체 비디오를 볼 수 있습니다.

이 특정 예에서는 고객의 관점에서 살펴보겠습니다. 고객당 거래당 평균 매출이 얼마인지 분석해 보겠습니다.

이를 통해 최고의 고객이 누구인지 뿐만 아니라 들어와 상당한 금액을 구매하는 고객도 누구인지 이해할 수 있습니다.

여기에서 우리는 고객으로부터 거래당 추출하는 마진이 무엇인지 궁극적으로 이해할 수 있습니다. 다른 지역에 비해 일부 지역에서 좋은가요? 다른 제품에 비해 일부 제품에 좋은가요?

거래당 구매한 제품의 평균 금액을 살펴보겠습니다. 그런 다음 이 초기 정보를 기반으로 훨씬 더 흥미로운 통찰력을 찾을 수 있도록 더 많은 것을 도출하는 방법도 보여 드리겠습니다. 우리는 다른 것들로 가지를 뻗을 것이고 그것을 효율적으로 하는 방법을 보여줄 것입니다.

목차

• 거래당 평균 계산 방법
• 거래당 평균 매출 계산
• 데이터 막대 사용
• 거래당 평균 이익 계산
• 거래당 평균 마진 계산
• 시간 경과에 따른 거래당 평균 마진
• 기타 통찰력
• 데이터 시각화
• 결론

거래당 평균 계산 방법

먼저 Sales 테이블로 이동하여 거래당 가치를 계산합니다. 왼쪽에 주문 ID 열이 있습니다.

따라서 모든 주문 ID는 이 특정 테이블의 모든 트랜잭션과 동일합니다. 우리는 이러한 모든 거래를 평가하고 본질적으로 모든 단일 거래에 대한 판매를 평균화하는 방법을 찾아야 합니다.

이는 컨텍스트에 따라 거래당 평균을 제공할 것입니다. 이는 지역적 관점, 고객 관점 또는 영업 사원 관점일 수 있습니다.

일부 데이터 테이블에는 주문 ID가 있으며 해당 주문 ID 내에서 다양한 트랜잭션이 있을 수 있습니다. 수행하려는 평균 계산에 따라 해당 열을 계산에 입력할 수 있습니다. 먼저 평균 매출을 계산해 봅시다.

거래당 평균 매출 계산

측정값을 만들고 이를 Average Sales per Transaction 이라고 부르겠습니다 . 나는 AVE RAGEX 함수를 사용할 것입니다. 왜냐하면 이것은 우리가 무언가를 통해 반복함으로써 이러한 평균을 할 수 있게 해주기 때문입니다. AVERAGEX 내에서 VALUES를 사용하고 내 주문 ID를 입력하겠습니다. 그런 다음 모든 단일 주문에 대한 총 판매액 의 평균을 구하고 싶습니다 .

고객 이름 컨텍스트로 이 측정값을 드래그하면 다음과 같은 테이블이 생성됩니다.

이것은 매장에 들어올 때마다 각 사람이 거래당 벌어들이는 평균 금액을 보여줍니다.

데이터 막대 사용

이것은 그 자체로 이미 꽤 좋은 통찰력이지만 조건부 서식 과 데이터 막대를 사용하여 더 보기 좋게 만들 수 있습니다 .

거래당 평균 이익 계산

여기서 멈출 필요가 없습니다. 우리는 더 멀리 갈 수 있습니다. 총 이익 및 총 비용 과 같은 다른 핵심 계산이 있습니다 . 이러한 계산을 통해 거래당 평균 수익을 알 수 있습니다 . 방금 사용한 측정값을 새 측정값에 복사하여 붙여넣기만 하면 됩니다. Total Sales 대신 Total Profits 를 입력하겠습니다 .

이 새로운 측정을 통해 우리는 모든 단일 거래에서 우리의 이익이 얼마인지 계산한 다음 평균을 낼 수 있습니다.

새 측정값을 내 테이블로 드래그하면 새로운 인사이트를 얻을 수 있습니다. 예를 들어 우리 고객인 Chris Fuller는 실제로 더 많은 매출을 올린 Philip Foster보다 거래당 수익성이 더 높습니다. 이것은 꽤 좋은 통찰력입니다, 그렇죠?

거래당 평균 마진 계산

거래당 평균 마진 도 처리할 수 있습니다 . 실제로 measure 내에서 measure 를 사용할 수 있기 때문에 테이블에서 아무 것도 참조할 필요가 없습니다 .

거래당 평균 이익을 거래당 평균 매출 로 나눈 다음 대체 결과 로 0을 입력하기 만 하면 됩니다 . 또한 올바른 형식인지 확인해야 합니다.

이것을 표로 드래그하면 Philip Foster보다 Chris Fuller의 수익이 더 높은 이유를 이제 알 수 있습니다. Chris는 Philip에 비해 마진이 높습니다.

이것은 이 특정 고객뿐 아니라 나머지 고객에게도 매우 흥미로운 통찰입니다.

멋진 점은 이 기술을 모든 상황에서 사용할 수 있다는 것입니다. 현재는 Customers 테이블의 필터만 사용하고 있습니다. 생각해 보면 데이터 모델에서 이러한 테이블의 필터를 사용하고 상황이 어떻게 변경되는지 확인할 수 있습니다.

시간 경과에 따른 거래당 평균 마진

또한 시간 경과에 따른 거래당 평균 마진을 살펴볼 수도 있습니다 . 월 및 연도 와 거래당 평균 마진을 값으로 사용하여 빠르게 채운 다음 그래프에 표시하겠습니다.

시간이 지남에 따라 평균 마진이 어떻게 변하고 계절성이 있는지 확인할 수 있습니다 .

기타 통찰력

전반적으로 이제 고마진 고객과 저마진 고객을 보는 것이 훨씬 쉬워졌습니다. 예를 들어 고객인 Juan Collins는 40%의 마진을 가지고 있습니다. 이것은 낮처럼 명확하게 튀어 나옵니다.

또한 필터를 저장하여 거래당 가장 수익성이 높은 고객을 확인할 수 있습니다. 이는 이러한 부품에 할당된 영업 사원이 매우 우수함을 나타낼 수 있습니다.

데이터 시각화

LuckyTemplates에서 DAX를 사용하여 인사이트를 더 자세히 살펴보고 지역별로 최고의 고객을 결정할 수 있습니다. 지역적으로 무슨 일이 일어나고 있습니까? 맵 비주얼에서 채워진 맵으로 전환할 수 있습니다.

우리는 더 깊이 파고들 수 있습니다. 내 예에서 뉴햄프셔는 마진이 낮은 반면 다른 모든 지역은 꽤 고르게 분포되어 있습니다.

또한 테이블에서 고객을 선택하고 여기에서 분류가 있었던 고객의 하위 집합을 결정할 수 있습니다.

결론

LuckyTemplates에서 DAX를 사용하여 평균을 계산할 때 많은 훌륭한 인사이트를 추출할 수 있습니다. 또한 마케팅 관점 및 영업 리소스 할당 관점에서 비즈니스 내에서 수행할 수 있는 작업에 많은 가치를 추가합니다.

가장 높은 마진으로 가장 많이 구매하는 고객에게 집중하고 싶을 것입니다. 그리고 이러한 유형의 분석을 통해 최상의 결과를 최적화할 것이라고 생각하는 곳에 리소스를 배치할 수 있습니다.

이 자습서에서 우리는 한 가지 작업을 수행한 다음 다른 많은 작업으로 분기했습니다. LuckyTemplates에서 DAX를 사용하여 많은 계산과 기술을 수행하고 정말 좋은 인사이트를 찾을 수 있습니다.

이러한 유형의 분석 작업은 매우 강력합니다. 이와 같은 더 많은 예제를 검토하려면 Online 에서 모듈을 확인하십시오 . 이 모듈에는 LuckyTemplates에서 DAX의 모범 사례를 사용하여 실제 비즈니스 문제를 해결하는 내용이 포함되어 있습니다.

모두 제일 좋다,