Cara Menilai Kluster Dalam Data Anda Menggunakan Teknik DAX Dalam LuckyTemplates

Dalam tutorial ini, saya akan menunjukkan kepada anda cara mempamerkan kluster dalam data anda membolehkan anda mengekstrak cerapan yang jauh lebih baik berbanding jika anda baru sahaja mempunyai carta serakan dengan banyak maklumat yang ditanam di sana. Anda boleh menonton video penuh tutorial ini di bahagian bawah blog ini.

Saya akan melalui beberapa teknik DAX lanjutan yang perlu anda gunakan dalam kombinasi dengan model data. Jika anda menggunakannya dengan baik, peluang analisis terbuka dengan ketara untuk anda dan anda benar-benar boleh mempamerkan cerapan dengan cara yang berkesan.

Dalam contoh khusus ini, saya cuba melihat sama ada terdapat sebarang sebab mengapa kami melihat kumpulan tertentu pelanggan kami berdasarkan prestasi mereka .

Dengan menindan beberapa logik (dalam formula DAX) merentas jadual kedua, saya dapat mengklasifikasikan sama ada pelanggan itu baik, baik, miskin atau hebat.

Kemudian dengan menggunakan dimensi baharu ini dalam carta serakan saya, saya dapat melihat sama ada sebarang pengelompokan hasil muncul berdasarkan logik yang baru saya laksanakan.

Isi kandungan

• Cara Memvisualisasikan Kluster Dalam Data Anda
  • Di dalam Model Data
  • Mengintegrasikan Logik Ke Dalam Dimensi
  • Mencipta Visualisasi
• Kesimpulan

Cara Memvisualisasikan Kluster Dalam Data Anda

Dalam visualisasi ini, kami melihat setiap pelanggan dalam set data kami. Terdapat ramai pelanggan dan kami sedang menganalisis pelanggan berdasarkan margin keuntungan mereka dalam jumlah jualan mereka. Di sebelah kanan, kami mempunyai kelompok pelanggan berprestasi tinggi atau pelanggan margin lebih tinggi.

Untuk mencapai matlamat ini, kami perlu mencipta logik yang membolehkan kami memvisualisasikan kumpulan maklumat ini dan membina logik itu berdasarkan kumpulan keuntungan yang pelanggan ini duduki.

Perkara utama di sini ialah kumpulan keuntungan ini sebenarnya tidak wujud dalam model data, jadi kita perlu membina logik ini, dan kemudian menindihnya.

Contoh ini hanyalah salah satu daripada banyak cara yang boleh kita lakukan. Kita boleh melihat pertumbuhan keuntungan, pertumbuhan margin, dan pelbagai perkara di mana kita memerlukan sebarang jenis logik dan membawanya ke sini. Kami kemudiannya boleh mengenal pasti mana-mana corak atau kelompok maklumat yang benar-benar boleh mengeluarkan beberapa cerapan untuk kami.

Di dalam Model Data

Melihat model data, perkara pertama yang perlu diperhatikan ialah kami telah mencipta jadual sokongan di sini. Jadual sokongan biasanya digunakan kadangkala sebagai jadual parameter, tetapi dalam kes ini, kami akan menggunakan logik yang menyepadukan jadual sokongan ke dalam model teras kami.

Di dalam meja sokongan kami, kami sedang menganalisis kumpulan pelanggan yang mana berdasarkan keuntungan yang pelanggan ini duduki.

Jadi sebagai contoh, jika pelanggan telah menjana lebih $25,000 dalam keuntungan, maka mereka akan menjadi pelanggan teratas, manakala pelanggan antara $20,000 dan $25,000 akan menjadi pelanggan yang baik, dan seterusnya.

Mengintegrasikan Logik Ke Dalam Dimensi

Dalam jadual pelanggan, kami menggunakan jadual sokongan, dan kemudian membina beberapa logik.

Sesetengah daripada anda mungkin berfikir bahawa adalah lebih baik untuk membangunkan semua logik ini di dalam lajur yang dikira ini — ya, benar-benar — tetapi kadangkala saya mendapati ia tidak praktikal, terutamanya apabila jadual sokongan mempunyai, katakan 10 bahagian logik yang berbeza yang anda perlu usahakan .

Ya, anda hanya boleh membangunkan lajur terkira yang sangat rumit, tetapi saya fikir ia akan menjadi lebih mudah untuk meletakkannya di dalam jadual sokongan, dan kemudian menulis logik mudah seperti ini, yang akan mengintegrasikannya.

Dalam logik ini di sini, kami MENGIRA kumpulan yang mana setiap pelanggan duduk. Kumpulan itu akan dikembalikan oleh fungsi VALUES , dan kemudian fungsi FILTER ialah apa yang mencipta lelaran untuk lelaran melalui logik.

Kemudian, bagi setiap pelanggan di sini, berapakah Jumlah Keuntungan ; adakah ia berada di antara MIN dan MAX mana-mana kumpulan kami. Jika ya, maka kembalikan kumpulan itu. Dan begitulah cara kami mencipta Kumpulan Keuntungan ini .

Mencipta Visualisasi

Memandangkan kami mempunyai dimensi ini, kami boleh menggunakannya dalam visualisasi kami untuk mengenal pasti kelompok ini. Jadi kami akan membuat plot berselerak , kemudian membawa masuk Margin Keuntungan kami ke dalam paksi Y dan Jualan ke dalam paksi X .

Tetapi, jika kami menyeret Nama Pelanggan , kami akan melihat di sini bahawa kami telah mencipta beberapa maklumat, tetapi ia tidak benar-benar menunjukkan sebarang nilai. Ia akan mempamerkan lebih baik jika kita mencipta kelompok maklumat.

 Jadi untuk melakukan ini, kami hanya mengisi mata dan menukar beberapa warna data untuk memastikan beberapa menonjol. Dengan melakukan pelarasan mudah ini, kami boleh mengenal pasti dan mengekstrak lebih banyak maklumat dalam visual kami dengan mudah .

Jadual sokongan ialah konsep yang sangat penting untuk dilalui dan difahami apabila menggunakan LuckyTemplates kerana kami boleh menyepadukannya dalam banyak cara.

Terdapat banyak cara kami boleh mengenal pasti kelompok berdasarkan pelbagai metrik, kerana terdapat begitu banyak senario berbeza yang mungkin memerlukan kami menganalisis data kami.

Gunakan DAX Untuk Segmentasi & Kumpulan Data Dalam LuckyTemplates
Cari Corak Dalam Data Anda Dengan Logik Dalaman menggunakan LuckyTemplates & DAX
Segmentasi Dinamik: Cara Membahagikan Pelanggan Kepada Kumpulan Menggunakan DAX Lanjutan

Kesimpulan

Terdapat sedikit teknik ini, tetapi mempamerkan kluster dalam data anda menggunakan logik benar-benar berkuasa dan terdapat banyak cara yang anda boleh meniru ini dalam senario lain atau merentas data anda sendiri.

Itulah yang akhirnya saya mahu anda ekstrak daripada tutorial yang saya buat ini, kerana peluang analisis berkembang pesat di sekitar jenis teknik ini.

Ini adalah teknik lanjutan, jadi jangan terlalu risau jika ia tidak masuk akal serta-merta tetapi pasti mencubanya. Anda akan segera mendapati bahawa anda menemui beberapa cerapan yang sangat menarik yang tidak anda miliki sebelum ini.

Cheers!