Klanttoewijzing: huidig ​​versus selectiegebaseerd

In deze blog vergelijk ik de bestaande klantenallocatie in depots of hubs met een nieuw berekende allocatie op basis van een geselecteerde afstand . Dit soort analyse stelt bedrijven in staat om de winstgevendheid van klanten grondig te begrijpen.

Er zijn hier twee vergelijkbare datasets, namelijk de selectie van klantgegevens en de huidige klantgegevens . Deze datasets heb ik gebruikt om zowel de huidige klantenallocatie als de nieuw berekende allocatie gecombineerd in één rapport weer te geven.

Daarnaast is er een Forward Stock Locations- tabel die depots of fabrieken kunnen zijn. Deze tabel is toegevoegd aan beide klantentabellen ( sectie Klantgegevens en Actuele klantgegevens ) om gelijktijdige weergave van gegevens mogelijk te maken.

Inhoudsopgave

• De opstelling van het scenario en vergelijkingsrapport
• DAX-maatregelen voor vergelijking van klanttoewijzing
• Conclusie

De opstelling van het scenario en vergelijkingsrapport

Stel je voor dat je een leveringsinfrastructuur hebt van het doorsturen van voorraadlocaties, pakjesautomaten of hubs naar klanten.

Historisch gezien heeft zich een allocatie ontwikkeld over de bestaande voorwaartse voorraadlocaties. Er is nieuwe business verworven en het is tijd om te overwegen of de huidige opzet nog wel verantwoord is.

Laten we eens kijken naar het rapport dat ik voor dit scenario heb gegenereerd .

Deze kaart toont eerst de huidige klanttoewijzing bij het depot.

Vervolgens toont deze tabel de afstand, inkomsten en eisen.

Deze kaarten vertegenwoordigen de totalen en de procentuele verdeling voor de geselecteerde forward stock locatie.

In de rechterbovenhoek staat een kaart met meerdere rollen die niet is gefilterd. Daarom toont het de totale omzet en vraag in de dataset ter referentie.

Er is ook een slicer voor het selecteren van een voorwaartse voorraadlocatie. Dit kan zeker een depot zijn, een fabriek of wat je maar wilt analyseren. 

Als gevolg hiervan bestuurt de slicer van de FSL hier beide kaarten.

De onderste kaart geeft de resultaten weer die zijn geactiveerd door de snijmachine Afstand selecteren .

Deze middelste kaarten geven de inkomsten en eisen weer op basis van de geselecteerde afstand. Dit is handig bij het analyseren van het verschil tussen de huidige klantenallocatie en de nieuw berekende allocatie op basis van een selectie. 

DAX-maatregelen voor vergelijking van klanttoewijzing

Dit is de afstandsberekening die ik voor dit scenario heb gebruikt. Merk op dat de variabelen in de formule afhankelijk zijn van de manier waarop uw gegevens zijn ingesteld. U moet deze aanpassen aan uw eigen gegevens om het juiste resultaat te krijgen.

De maten voor grootte en kleur om wisselende kleuren weer te geven zijn verschillend voor zowel de huidige allocatie als de op selectie gebaseerde allocatie.

Dit is de huidige maat voor kaartpuntkleur voor de huidige klanttoewijzing.

Aan de andere kant is dit de kaartpuntkleur in selectiemaatstaf voor de op selectie gebaseerde klanttoewijzing.

Zoals je kunt zien, staan ​​mijn maten in drie aparte tabellen. Ik verberg deze meestal in mappen zodra ik mijn model heb voltooid. Maar bij het bouwen is het veel praktischer om ze bij de hand te houden.

Conclusie

Dit voorbeeldrapport biedt inderdaad een krachtige analyse, aangezien u selecties kunt maken om alle klanten over de bestaande locaties te herverdelen. Door de Center of Gravity- berekening en de Huff Gravity -analyse te leren, kunt u eenvoudig verschillende locatie-intelligentieprojecten aan.

Ik hoop dat deze blog bijdraagt ​​aan je leercurve en je bewust maakt van hoe belangrijk het is om de geografische componenten in je data te gebruiken.

Onthoud dat het hier niet gaat om het bouwen van het mooiste rapport, maar om een ​​voorbeeld. Het toevoegen van slimme verhalen of grafieken kan bijvoorbeeld het model voor presentatie op hoog niveau verbeteren. Dit is echter slechts de analysefase. 

Bekijk de onderstaande links voor meer voorbeelden en gerelateerde inhoud.

Bedankt.

Paulus

LuckyTemplates-klantsegmentatie: groepsbewegingen door de tijd laten zien
Klantsegmentatietechnieken met behulp van het datamodel – LuckyTemplates en DAX
Analyse van nieuwe klanten met behulp van geavanceerde DAX