Wat is zelf in Python: voorbeelden uit de echte wereld
Wat is zelf in Python: voorbeelden uit de echte wereld
Wat ik in deze tutorial wil behandelen, zijn enkele geweldige voorbeelden van winstvoorspelling in de toekomst met behulp van LuckyTemplates. Om dit te bereiken in LuckyTemplates heb je een aantal verschillende modellerings- en formuletechnieken nodig, maar je moet ze wel correct en gelijktijdig kunnen gebruiken. Je kunt de volledige video van deze tutorial onderaan deze blog bekijken.
Als het gaat om de uitvoer die u binnen LuckyTemplates kunt maken, kunt u voorspellen wat er in de toekomst zou kunnen gebeuren door enkele variabelen in uw berekende logica te 'schokken' .
In deze zelfstudie probeer ik variabelen aan te passen, zoals hoeveel klanten er zijn en de kosten van goederen die aan die klanten worden verkocht. Bovendien probeer ik te voorspellen wat de uiteindelijke uitkomsten zouden zijn als een van deze scenario's zou uitkomen.
Wat ik ook heb ingeschakeld op deze specifieke rapportpagina, is een gevoeligheidsanalyse . We kunnen niet alleen de eindresultaten zien, maar we kunnen ook de variaties van resultaten zien op basis van de gevoeligheidsinvoer die we in onze rapporten plaatsen.
Inhoudsopgave
Winstvoorspelling op basis van klantveranderingen
In mijn voorbeelddashboard voor het rapport Winstvoorspellingen is het eerste dat u kunt zien de tabel voor Wijzigingsscenario's voor klanten . Dit is het eerste dat ik heb gemaakt, omdat ik wil weten hoe het zou zijn als ik na wat marketinginspanningen met succes meer bezoekers naar mijn winkels zou kunnen trekken.
Deze tabel legt uit hoe het zou aflopen als ik bijvoorbeeld mijn klanten met 4 procent (4%) zou verhogen. Ik wil ook weten hoe dit de onderliggende trend van mijn winst in de toekomst zou beïnvloeden.
Kortom, ik hoef alleen maar eerst de klantprognose uit te werken op basis van het verwachte aantal klanten. Vervolgens kon ik de klanten gewoon verhogen of verlagen met behulp van de selectietool.
Daarna moet ik deze toename van het aantal klanten op de een of andere manier verwerken in de verkoopgegevens. Dus heb ik zojuist de verwachte toename van het aantal klanten vermenigvuldigd met de gemiddelde verkoop per klant die je kunt zien in Gem. Verkoop per klant . Van daaruit kan ik het integreren om uiteindelijk in de verschillende winstscenario's te verschijnen.
Bovendien zouden de resultaten daarvoor ons een deel van de vergelijking voor de verkoop opleveren. Zoals u weet, geven verkopen afgetrokken van kosten ons winst . Dit deel komt dus overeen met het verkoopgedeelte van de vergelijking.
Winstvoorspelling op basis van kostenveranderingen
Vervolgens ga ik kijken naar de wijzigingen in de kosten in de tabel Kostenwijzigingsscenario's .
Zo zijn de klanten met 7 procent (7%) gestegen en zijn de kosten per item dat we verkopen met 10 procent (10%) gedaald.
Nu kunt u automatisch de resultaten voor dat scenario zien in de tabel Winstvoorspellingen op basis van klant- en kostenscenario's over een willekeurig tijdsbestek.
Ik ga bijvoorbeeld kijken naar de resultaten voor het tweede en derde kwartaal van 2018. Je kunt zien dat de initiële winstprognose rond de $ 21 miljoen dollar ligt. En op basis van de veranderingsscenario's die ik heb geselecteerd, wordt voorspeld dat de winst zal stijgen tot $ 26 miljoen. Dit betekent dat er een verschil van ongeveer $ 5 miljoen is tussen de winst en een indrukwekkend verschil van 24 procent (24%) in het winstscenario.
In de onderstaande grafiek ziet u de dynamische toename van de winst van mei 2018 tot september 2018 . Je kunt ook zien hoe het elke maand verandert in deze tabel hier.
Winstgevendheid voorspellen voor verschillende regio's
Ik heb ook een tabel gemaakt voor Regional Groups Breakdown en je kunt zien dat deze gegevens bevat voor Zuid- en Noord-Florida.
Nu ga ik naar het rapport Quarterly Insights waar u hier een grafiek kunt zien voor de totale verkoop per regio .
Hier kunt u zien hoe onze verkoop verdeeld is over regio's. Nadat je de resultaten hebt gezien, kun je de redenen onderzoeken waarom er een groot verschil is tussen de verkopen van deze regio's . Het kan vanwege de managementgroep zijn of het kan gewoon om geografische redenen zijn. Daar werkt het verkoopteam.
Om terug te gaan naar het rapport Winstvoorspellingen , als u zich meer wilt concentreren op de gegevens voor Zuid-Florida, klikt u gewoon op Zuid-Florida in de tabel Regionale groepenverdeling . Zoals u kunt zien, zal er een voorspelde winststijging zijn van ongeveer $ 3 miljoen voor Zuid-Florida.
Ondertussen zal er voor Noord-Florida een verwachte winststijging van meer dan $ 2 miljoen zijn.
Gevoeligheidsanalyse maken
Een ander ding dat ik wil doornemen, is het maken van gevoeligheidsanalyses. In plaats van hier door elk afzonderlijk scenario te klikken, kunt u ook scenario-analysetabellen maken . Deze tabellen geven u de winstverschillen voor alle verschillende wijzigingen, evenals de winstpercentageverschillen.
Bekijk dit voorbeeld dat ik van tevoren heb opgesteld.
Zoals u kunt zien, is deze tutorial slechts een voorproefje van een meer diepgaande gebeurtenis rond scenarioanalyse. Als je meer wilt weten over alle individuele technieken die nodig zijn om dit werk te maken, bekijk dan zeker de cursus op .
Voorspel toekomstige winstgevendheid binnen LuckyTemplates DAX-functies
Hoe u winstgevendheid in de toekomst kunt voorspellen met behulp van LuckyTemplates
Prognoses maken voor productvraag met behulp van LuckyTemplates-analysetechnieken
Conclusie
Dit is echt uniek analytisch werk dat u nu kunt doen in LuckyTemplates. Het vereist alleen het gebruik van de juiste functies en technieken in uw modellen en formules om dit goed te laten werken.
Dit soort voorspellingswerk dat u binnen LuckyTemplates kunt voltooien, kan een aantal zeer indrukwekkende inzichten opleveren. Dus ik raad ten zeerste aan om hier in te duiken.
Veel plezier met het doornemen van deze gedetailleerde video.
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