RANKX Dalam LuckyTemplates – Membangunkan Pemecah Tie Tersuai

Saya akan menunjukkan kepada anda cara membuat pemecah seri tersuai apabila menggunakan RANKX dalam LuckyTemplates .

Mendapat seri dalam bahagian kritikal keputusan ialah senario biasa. Terdapat beberapa pemecah seri yang boleh anda gunakan tetapi penting untuk memilih yang paling sesuai untuk setiap situasi. Anda boleh menonton video penuh tutorial ini di bahagian bawah blog ini.

Isi kandungan

• Peranan RANKX Dalam LuckyTemplates
• Langkau Berbanding Padat
• Memilih Pemecah Seri Tersuai
• Mencipta Pemecah Tie Tersuai
• Menggunakan Fungsi RAND Untuk Memutuskan Ikatan
• Kesimpulan

Peranan RANKX Dalam LuckyTemplates

Saya mempunyai tabiat membandingkan fungsi DAX dengan pekerjaan dalam kehidupan sebenar. Ini membantu saya mengaitkan setiap fungsi dengan fungsinya dalam LuckyTemplates.

RANKX menilai dan menyusun elemen mengikut set kriteria tertentu. Di dunia nyata, ia boleh dibandingkan dengan seorang hakim dalam pertunjukan anjing yang meminta peserta berbaris dengan sewajarnya.

Dalam senario yang saya akan gunakan hari ini, saya akan menggunakan RANKX sebagai hakim untuk pertandingan jualan hipotesis. Data melibatkan nombor daripada pasukan jualan dan hadiah diberikan kepada orang yang mempunyai Jumlah Jualan tertinggi untuk bulan tersebut .

Untuk memastikan perkara yang menarik, mari kita berpura-pura bahawa hadiah pertama ialah Cadillac El Dorado manakala hadiah kedua ialah set pisau stik. Itu adalah jurang yang besar dalam nilai, yang bermaksud hanya ada satu pemenang.

Melihat jadual saya, saya mempunyai senarai setiap Jurujual dalam pasukan Jualan.

Saya akan menambah data untuk Jumlah Jualan setiap orang .

Ini ialah ukuran RANKX yang saya gunakan pada jadual ini.

Ia hanyalah konfigurasi RANKX asas yang menggunakan supaya saya tidak termasuk Jumlah apabila saya mengisih pangkat.

daripada Jurujual disenaraikan berdasarkan Jumlah Jualan . Ini disusun dalam susunan DESC . Di sini, saya menggunakan Langkau sekiranya berlaku seri.

Sesetengah mungkin menggunakan Dense dan bukannya Langkau , tetapi dalam kes ini, kedua-duanya tidak membantu.

Langkau Berbanding Padat

Untuk menunjukkan cara Langkau mempengaruhi ukuran, saya akan menyeret dan menjatuhkan Kedudukan ke dalam jadual.

Kemudian, saya akan mengisih data mengikut Rank .

Jadual menunjukkan seri untuk tempat nombor 1. Tetapi ia bukanlah bulan yang hebat untuk pasukan Jualan, jadi pengurus tidak mampu untuk memberikan 2 Cadillac El Dorados. Ini bermakna saya perlu menghasilkan pemecah seri untuk memutuskan siapa yang mendapat kereta dan siapa yang mendapat pisau stik.

Jasper dan Max berada di atas, terikat pada nombor 1. Kerana saya menggunakan Langkau, anda akan melihat bahawa kedudukan melonjak kepada 3 selepas dua 1 di atas . Ini tidak berkesan untuk saya kerana ia masih meninggalkan saya dengan 2 pemenang.

Apakah yang berlaku jika saya menggunakan Dense dan bukannya Langkau ?

Jika saya menggunakan Dense , tali leher itu sendiri tidak terjejas. Tetapi bukannya nombor 3 selepas seri, ia menunjukkan nombor 2 .

Jelas sekali, Dense juga tidak berfungsi dalam kes ini. Ini bermakna saya perlu menggunakan pemecah seri tersuai.

Memilih Pemecah Seri Tersuai

Pemecah seri tersuai yang baik ditakrifkan oleh dua ciri utama.

Pertama, ia perlu membezakan secara bermakna unsur-unsur terikat. Ia mesti menjadi faktor yang memisahkan dua atau lebih elemen yang terikat.

Kedua, ia tidak boleh mengubah darjat atau susunan unsur-unsur yang tidak terikat.

Memikirkan kedua-dua aspek ini, adalah mudah untuk menghasilkan beberapa pemecah seri.

Jumlah Jualan ialah faktor kedudukan utama kami.

Jadi saya perlu memikirkan faktor lain yang boleh digunakan untuk memecahkan seri yang disebabkan oleh data yang sama pada 2 baris teratas.

Bilangan jualan boleh menjadi satu. Siapa yang paling berdesup? Siapakah yang mendapat bilangan pelanggan terbanyak?

Anda juga boleh melihat jualan maksimum dengan menyemak siapa yang memperoleh akaun terbesar.

Saya juga boleh melihat purata jualan.

Dalam kes ini, saya memutuskan untuk menggunakan Jualan Median . Ia tidak dipengaruhi oleh outlier yang datang dari peringkat tinggi atau rendah. Ini bermakna ia boleh memberikan ukuran kecenderungan memusat yang lebih baik.

Mencipta Pemecah Tie Tersuai

Terdapat sejumlah besar DAX dalam mencipta pemecah seri, tetapi konsepnya mudah.

Saya mempunyai Ranking2 sebagai pembolehubah. Saya juga menggunakan HASONEVALUE atas sebab yang sama saya menggunakannya dalam corak RANKX utama sebelum ini. Satu-satunya perbezaan di sini ialah saya menggunakan Jualan Median kali ini dan bukannya Jumlah Jualan .

Seterusnya, saya mengambil hasil pembolehubah itu dan membahagikannya dengan 100.

Kerana saya mempunyai nombor bulat dalam Jumlah Jualan saya, saya boleh bermain dengan tempat perpuluhan 1 dan 2 untuk memecahkan seri. Membahagikannya dengan seratus mengambil nombor melebihi titik perpuluhan supaya ia membezakan nombor terikat di atas tanpa menjejaskan keputusan yang lain.

Ini menjadikan kami kedudukan teratas menunjukkan 0.01, 0.02 dan seterusnya. Jadi saya akan mengubahnya supaya kedudukan teratas mendapat markah tertinggi pada pemecah seri.

Jadi dalam HASONEVALUE , saya akan tolak RankScale daripada 1 .

Apabila saya menggunakannya pada jadual, anda akan melihat bahawa saya kini mempunyai dua titik perpuluhan di bawah Pemecah Tie RANKX saya .

Saya juga akan menyeret Jualan Median saya ke dalam jadual untuk menunjukkan kepada anda kesan pemecah seri kami dengan lebih jelas.

Melihat kepada nombor ini, ia sebenarnya menunjukkan bahawa Max mahupun Jasper tidak mendapat markah tertinggi. Ia sebenarnya Martin Perry.

Tetapi ingat bahawa ini hanyalah pemecah seri , dan Jumlah Jualan masih kekal sebagai faktor kedudukan utama . Ini bermakna saya hanya perlu membandingkan nombor untuk baris yang terikat .

Jadi saya hanya akan menambah Jumlah Jualan saya dan Pemecah Tie RANKX untuk mendapatkan angka bagi lajur Pecah Jumlah Jualan .

Saya akan menjalankan RANKX pada Jumlah Jualan baharu dengan pemecah seri digunakan dan mengisih data.

Kini, ia menunjukkan larian penuh dari 1 hingga n tanpa unsur terikat.

Menggunakan Fungsi RAND Untuk Memutuskan Ikatan

Mungkin terdapat kes di mana nombor yang dijana secara rawak boleh berfungsi sebagai pemecah seri.

Satu contoh ialah jika anda mahukan kumpulan fokus yang merangkumi pilihan rawak daripada 20 jurujual teratas. Jika terdapat pertalian dalam kumpulan, adalah munasabah untuk hanya menggunakan nombor rawak sebagai pemecah seri.

Tetapi masalah dengan Power Query dan DAX secara amnya ialah fungsi rawak berkelakuan berbeza . Anda tidak akan mendapat hasil yang anda jangkakan terutamanya jika anda menggunakan dalam fungsi lelaran.

RAND mengembalikan nombor rawak antara 0 dan 1 . Oleh itu, jika anda memutuskan bahawa senario yang anda sedang usahakan memerlukan nombor yang dijana secara rawak untuk memutuskan hubungan, ia sebaiknya dilakukan dalam bahagian ukuran ini.

Daripada hanya Jumlah Jualan , ini sepatutnya menunjukkan Jumlah Jualan campur RAND . Tetapi sekali lagi, dalam senario tertentu ini, ia tidak akan memberikan saya hasil kedudukan terakhir yang saya perlukan.

Pertimbangan RANKX – Konsep Formula LuckyTemplates Dan DAX
Pemahaman Lebih Dalam Mengenai RANKX Lanjutan
Mencipta Jadual Kedudukan Dinamik Menggunakan RANKX Dalam LuckyTemplates

Kesimpulan

Seperti yang anda lihat dalam contoh ini, memutuskan seri apabila anda menggunakan RANKX dalam LuckyTemplates agak mudah. Caranya ialah mencari tahu pemecah seri tersuai yang memberikan hasil yang paling logik.

Saya akan melakukan lebih banyak tutorial mengenai pemecah seri yang lain pada masa hadapan, terutamanya mengenai penggunaan RAND dalam senario pensampelan. Saya percaya bahawa ia bernilai melihat lebih mendalam.

Sementara itu, saya berharap bahawa menggunakan pendekatan ini berfungsi untuk anda jika anda sedang mengusahakan senario yang sama pada masa ini atau jika anda menghadapi sesuatu seperti ini pada masa hadapan.

Semua yang terbaik

***** Kuasa Belajar BI? *****