Wat is zelf in Python: voorbeelden uit de echte wereld
Wat is zelf in Python: voorbeelden uit de echte wereld
Hier gaan we kijken naar de krimp van de klantmarge. We gaan proberen erachter te komen welke marges van klanten krimpen en waarom ze krimpen . Is het vanwege hun aankoopfrequentie? Komt het door de producten die ze kopen? Of vanwege een andere reden? Je kunt de volledige video van deze tutorial onderaan deze blog bekijken.
We gaan dit analytisch probleem oplossen met LuckyTemplates met behulp van een aantal technieken.
Dit soort voorbeeld is perfect om door te nemen als u uw eigen analytische mogelijkheden bij het gebruik van LuckyTemplates wilt verbeteren.
Niet alleen je analytisch denkvermogen, maar ook de praktische toepassing van het gebruik van LuckyTemplates als tool om dit soort uitdagingen op te lossen.
Door middel van LuckyTemplates en door het implementeren van een aantal technieken, die ik laat zien, kun je dit inzicht eigenlijk best effectief uitwerken.
Dat niet alleen, je kunt het op een dynamische manier uitwerken. Stel dat we klanten hebben in verschillende regio's. Welnu, we willen misschien ook die regio's selecteren en vervolgens ontdekken welke van onze klanten de marges in een bepaalde regio in een bepaalde periode hebben gekrompen.
Dit is een echt analytisch inzicht van hoge kwaliteit, en dat is de sleutel. Daar willen we LuckyTemplates voor gaan gebruiken. Dat is wat ik wil dat je implementeert in je eigen modellen.
Inhoudsopgave
Demonstratie van de inzichten die u uit deze techniek kunt halen
In mijn voorbeeld hier, evalueer ik wat er tussen dit jaar en vorig jaar is gebeurd , of de klantmarges zijn gekrompen of uitgebreid, maar ik boor echt in degenen die zijn gekrompen.
Binnen dit dashboard kunnen we op elke staat klikken. We kunnen dit op veel verschillende manieren opzetten, bijvoorbeeld onze winkels als we in een specifieke winkel willen boren. In dit geval kijken we naar de staten waar we onze producten verkopen.
We concentreren ons alleen en kijken naar de marges die kleiner zijn dan nul. We gebruiken enige natuurlijke filtering binnen LuckyTemplates om dit inzicht te verkrijgen of dit inzicht uit de informatie te halen.
We kijken bijvoorbeeld specifiek naar New York, we zien alle verkopen die we in New York hebben gedaan. Als we hier naar alle klanten kijken, willen we misschien weten wiens marge het meest is gekrompen en waarom . In het klantencluster hier willen we weten welke producten ze hebben gekocht, wie een verkoper was, welke specifieke winkel ze hebben gekocht , enz.
Als we willen weten hoeveel de daadwerkelijke verkoop en winst was, kunnen we hier in ons spreidingsdiagram komen en al deze elementen afzonderlijk selecteren.
Beneden in deze tabel hebben we elke bestelling, elke aankoop en alle details voor die aankoop. We hebben de klant, de verkoper, de provincie, de naam van de staat, de naam van de stad of de naam van de winkel, de werkelijke winstmarge van de verkoop, de totale verkoop en de totale winst.
Dus we hebben daar echt heel specifieke informatie. Als je erover nadenkt, is dit een enorme dataset. En we duiken hier echt in de details, ontdekken wat er aan de hand is en waarom.
Is het omdat we deze producten in de uitverkoop hadden of omdat we ze afgeprijsd hebben? Zijn er veelvoorkomende producten? Zijn er verkopers die gewoon elke keer de prijs verlagen om iets te verkopen?
De formules uitwerken
Om deze analyse op te bouwen, gebruiken we natuurlijke filtering. We hoeven geen complexe DAX-formules te schrijven. Het eerste dat u moet doen, is enkele eenvoudige kernmetingen maken, zoals totale verkoop, winst, kosten, enz.
We gaan naar Nieuwe maatstaf en maken vervolgens onze maatstaf Winstmarges . Voor deze formule delen we de totale winst gewoon door onze totale omzet . Vervolgens zorgen we ervoor dat het is opgemaakt als een percentage.
Aangezien we overuren willen analyseren en 2017 en 2016 willen vergelijken, plaatsen we een filter op paginaniveau op 2017. Dus bijvoorbeeld, Winstmarges hier is voor alles wat we in 2017 hebben verkocht. We kunnen dan de winstmarges van 2017 en 2016 vergelijken sommige Time Intelligence-functies gebruiken .
Dus we gaan weer een nieuwe maatstaf en creëren winstmarges LY (voor vorig jaar). We gebruiken CALCULATE Winstmarges en vervolgens DEZELFDE PERIODE LAATSTE JAAR .
Met dat resultaat hier kunnen we nu de toename of afname van de klantenmarge tussen 2017 en 2016 berekenen.
Dus creëren we opnieuw een nieuwe maatstaf, de Margin Change , die gelijk is aan Winstmarges (dit jaar) min Winstmarges LY (vorig jaar).
Het dashboard maken en verdere verbeteringen aanbrengen
Zodra we al deze maatregelen hebben getroffen, kunnen we beginnen met het maken van ons dashboard. Deze analyse is perfect voor een spreidingsdiagram omdat we hier clusters van informatie kunnen vinden .
Om dit te doen, plaatsen we onze margeverandering op de X-as en onze winstmarges op onze Y-as. We brengen onze klantnaam in de details om dat cluster in onze grafiek te krijgen.
Vervolgens stellen we onze staat in, waar we kunnen filteren op de staten. Daarna zetten we onze tafel beneden neer. Vanwege het gegevensmodel dat we hier hebben, kunnen we elementen uit al onze opzoektabellen halen en ze vergelijken met alles in de tabel Verkoop of met elke formule die we hebben gebruikt voor de tabel Verkoop.
Dus we kunnen onze bestellings-ID pakken, terwijl we naar elke individuele bestelling kijken, en dan alle andere elementen invoeren, inclusief onze productnaam, de provincie, de staat, de winkel, de klant die het heeft gekocht, totale verkoop, Totale winst en juiste marges.
Een probleem hier is dat de margewijziging precies hetzelfde is als de winstmarge. Waarom? Omdat er het jaar ervoor eigenlijk geen verkoop was , en het is een nutteloos inzicht. Het zal een enorme margeverandering laten zien omdat de marge vorig jaar nul was.
Wat we moeten doen, is die kwijtraken door een maatstaf te creëren die uitrekent wat het totale aantal transacties vorig jaar was . Nu hebben we al Totale Transacties (meetwaarde) voor het huidige jaar, 2017, en dus maken we een formule met de naam Transactie LY (vorig jaar).
We doen precies dezelfde techniek die we net eerder gebruikten. We gebruiken CALCULATE Total Transactions en SAMEPERIODLASTYEAR . Vervolgens zetten we onze kolom Datums in .
We kunnen deze filters ook aan de rechterkant gebruiken. We kunnen de visual, Margin Change en Profit Margins by Customer Name selecteren, vervolgens de Transactions LY-meting pakken en deze in de filters op visueel niveau plaatsen.
Bovendien kunnen we een extra filter plaatsen, we hoeven geen complexe DAX-formules te schrijven voor al deze kleine dingen die we misschien willen filteren.
Door dit filter hier te plaatsen voor alleen die verkopen van vorig jaar die groter zijn dan nul, kunnen we heel snel al die foutieve cijfers verwijderen die eigenlijk niets betekenen.
Aangezien we nu kijken naar de gecontracteerde marges, willen we alles verwijderen dat wordt uitgebreid. Om dit te doen, gaan we terug naar de filtersectie en kijken we naar waarden die kleiner zijn dan 0 . We klikken op Filter toepassen en het diagram verandert automatisch snel.
Nu we de inzichten hebben die we zoeken, kunnen we spelen en de beelden verbeteren, zoals de achtergrond, de kleuren, enz.
Analyseer margeveranderingen in de loop van de tijd - Analytics met LuckyTemplates en DAX
Antwoord als marges in de loop van de tijd groter of kleiner worden met LuckyTemplates
Percentage winstmarges berekenen met DAX in LuckyTemplates
Conclusie
In deze zelfstudie heb ik een aantal technieken doorlopen, waaronder hoe we bepaalde DAX-logica doornemen en nog dieper ingaan op een bepaald inzicht door gebruik te maken van deze extra filters aan de rechterkant en het filter op visueel niveau.
Het belangrijkste hier is dat je met deze techniek deze informatie kunt vinden of erop kunt inzoomen zonder echt complexe formules te hoeven schrijven.
Duik in deze inhoud en probeer het te repliceren. Begrijp hoe u dit kunt doen en repliceer het vervolgens over uw eigen datasets.
Zo haal je het meeste uit dit materiaal en uit sommige van deze tutorials die ik doorneem.
Proost!
Wat is zelf in Python: voorbeelden uit de echte wereld
Je leert hoe je objecten uit een .rds-bestand in R opslaat en laadt. In deze blog wordt ook besproken hoe je objecten uit R naar LuckyTemplates importeert.
In deze tutorial over DAX-coderingstaal leert u hoe u de functie GENERATE gebruikt en hoe u de titel van een maat dynamisch wijzigt.
Deze zelfstudie behandelt hoe u de Multi Threaded Dynamic Visuals-techniek kunt gebruiken om inzichten te creëren op basis van dynamische gegevensvisualisaties in uw rapporten.
In dit artikel zal ik de filtercontext doornemen. Filtercontext is een van de belangrijkste onderwerpen waarover elke LuckyTemplates-gebruiker in eerste instantie zou moeten leren.
Ik wil laten zien hoe de online service LuckyTemplates Apps kan helpen bij het beheren van verschillende rapporten en inzichten die uit verschillende bronnen zijn gegenereerd.
Leer hoe u wijzigingen in uw winstmarge kunt berekenen met behulp van technieken zoals vertakking van metingen en het combineren van DAX-formules in LuckyTemplates.
Deze tutorial bespreekt de ideeën van materialisatie van datacaches en hoe deze de prestaties van DAX beïnvloeden bij het leveren van resultaten.
Als u tot nu toe nog steeds Excel gebruikt, is dit het beste moment om LuckyTemplates te gaan gebruiken voor uw zakelijke rapportagebehoeften.
Wat is LuckyTemplates Gateway? Alles wat u moet weten