LuckyTemplates에서 DAX 기술을 사용하여 데이터의 클러스터를 평가하는 방법

이 자습서에서는 데이터에 클러스터를 표시하면 많은 정보가 포함된 분산형 차트만 있는 경우보다 훨씬 뛰어난 통찰력을 추출할 수 있는 방법을 보여 드리겠습니다 . 이 블로그 하단에서 이 튜토리얼의 전체 비디오를 볼 수 있습니다.

데이터 모델과 함께 활용해야 하는 몇 가지 고급 DAX 기술을 살펴보겠습니다 . 이를 잘 사용하면 분석 기회가 실질적으로 열리고 효과적인 방법으로 통찰력을 보여줄 수 있습니다.

이 특정 예에서는 성능을 기반으로 고객의 특정 클러스터링이 표시되는 이유가 있는지 확인하려고 합니다 .

보조 테이블에 일부 논리(DAX 수식 내)를 오버레이하여 고객이 좋은지, 괜찮은지, 좋지 않은지 또는 훌륭한지를 분류할 수 있습니다.

그런 다음 분산형 차트에서 이 새로운 차원을 사용하여 방금 구현한 논리를 기반으로 결과 클러스터링이 나타나는지 확인할 수 있습니다.

목차

• 데이터에서 클러스터를 시각화하는 방법
  • 데이터 모델 내부
  • 논리를 차원에 통합
  • 시각화 만들기
• 결론

데이터에서 클러스터를 시각화하는 방법

이 시각화에서는 데이터 세트의 모든 단일 고객을 살펴보고 있습니다. 많은 고객이 있으며 총 매출에서 고객의 이익 마진을 기준으로 고객을 분석하고 있습니다. 오른쪽에는 실적이 우수한 고객 또는 마진이 높은 고객의 클러스터가 있습니다.

이를 달성하려면 이러한 정보 클러스터를 시각화하고 이러한 고객이 속한 수익 그룹을 기반으로 논리를 구축할 수 있는 논리를 만들어야 합니다.

여기서 핵심은 이러한 수익 그룹이 데이터 모델에 실제로 존재하지 않기 때문에 이 논리를 구축한 다음 오버레이해야 한다는 것입니다.

이 예는 우리가 이것을 할 수 있는 많은 방법 중 하나일 뿐입니다. 우리는 이익 성장, 마진 성장 및 모든 유형의 논리가 필요한 다양한 것들을 살펴보고 여기에 가져올 수 있습니다. 그런 다음 실제로 통찰력을 추출할 수 있는 패턴이나 정보 클러스터를 식별할 수 있습니다.

데이터 모델 내부

데이터 모델을 살펴보면 가장 먼저 주목해야 할 것은 여기에 지원 테이블을 만들었다는 것입니다. 지원 테이블은 일반적으로 매개 변수 테이블로 사용되는 경우가 있지만 이 경우에는 지원 테이블을 핵심 모델에 통합하는 논리를 사용합니다.

우리의 지원 테이블 내에서 우리는 이러한 고객이 앉아있는 수익성을 기반으로 어떤 고객 그룹을 분석하고 있습니다.

예를 들어 고객이 $25,000 이상의 수익을 창출했다면 최고의 고객이 되고 $20,000에서 $25,000 사이의 고객은 좋은 고객이 되는 식입니다.

논리를 차원에 통합

고객 테이블에서 지원 테이블을 활용한 다음 몇 가지 논리를 구축했습니다.

여러분 중 일부는 이 계산된 열 내에서 이 모든 논리를 개발하는 것이 더 낫다고 생각할 수도 있습니다. 예, 물론이죠. 하지만 때때로 저는 그것이 실용적이지 않다고 생각합니다. 특히 지원 테이블에 작업해야 하는 10개의 서로 다른 논리 조각이 있는 경우 .

예, 정말 복잡한 계산 열을 개발할 수 있지만 지원 테이블에 넣은 다음 이를 통합하는 이와 같은 간단한 논리를 작성하는 것이 훨씬 더 쉬울 것이라고 생각합니다.

여기 이 논리에서 각 고객이 속한 그룹을 계산합니다 . 그룹은 VALUES 함수 에 의해 반환될 것이며 FILTER 함수는 논리를 반복하기 위해 반복을 생성합니다.

그런 다음 여기 있는 각 고객에 대한 총 이익은 무엇입니까 ? 우리 그룹의 MIN 과 MAX 사이에 있습니까 ? 그렇다면 해당 그룹을 반환하십시오. 이것이 우리가 이 이익 그룹을 만드는 방법입니다 .

시각화 만들기

이제 이 차원이 있으므로 시각화 내에서 이를 사용하여 이러한 클러스터를 식별할 수 있습니다. 따라서 산점도를 만든 다음 이익 마진을 Y축으로, 매출을 X축으로 가져옵니다 .

그러나 Customer Name 을 드래그하면 일부 정보를 생성했지만 실제로 값이 표시되지 않는 것을 볼 수 있습니다. 정보 클러스터를 만들면 훨씬 더 잘 보일 것입니다.

 이를 위해 포인트를 채우고 몇 가지 데이터 색상을 변경하여 일부가 두드러지도록 합니다. 이러한 간단한 조정을 통해 시각적 개체 내에서 훨씬 더 많은 정보를 쉽게 식별하고 추출할 수 있습니다 .

지원 테이블은 다양한 방식으로 통합할 수 있기 때문에 LuckyTemplates를 사용할 때 살펴보고 이해해야 하는 정말 중요한 개념입니다.

데이터를 분석해야 할 수 있는 다양한 시나리오가 있기 때문에 다양한 메트릭을 기반으로 클러스터를 식별할 수 있는 방법이 많이 있습니다.

DAX를 사용하여 LuckyTemplates에서 데이터 분할 및 그룹화
LuckyTemplates 및 DAX를 사용하여 내부 논리로 데이터에서 패턴 찾기
동적 분할: 고급 DAX를 사용하여 고객을 그룹으로 분할하는 방법

결론

이 기술에는 약간의 의미가 있지만 논리를 사용하여 데이터의 클러스터를 표시하는 것은 정말 강력하며 다른 시나리오나 자체 데이터에서 이를 복제할 수 있는 방법이 매우 많습니다.

이러한 유형의 기술을 중심으로 분석 기회가 기하급수적으로 증가함에 따라 이것이 내가 만든 이 자습서에서 추출하기를 바라는 것입니다.

이것은 고급 기술이므로 즉시 이해가 되지 않더라도 너무 걱정하지 말고 반드시 시도해 보십시오. 이전에는 없었던 정말 흥미로운 통찰을 발견하게 될 것입니다.

건배!