Gegevensdimensies bouwen in LuckyTemplates

In de blogpost van vandaag wil ik bespreken hoe je extra datadimensies kunt bouwen in LuckyTemplates.

Deze dimensies kunnen u helpen uw gegevens op verschillende manieren te filteren. Bovendien kunnen deze dimensies je later helpen om intuïtieve visualisaties te bedenken.

Dit is ook de reden waarom u uw datamodel zo goed mogelijk moet inrichten. Zoals ik in de vorige tutorials heb vermeld, moet u de opzoektabellen en de feitentabellen scheiden. Op deze manier kunt u indien nodig aanvullende gegevensdimensies instellen.

Inhoudsopgave

• Aanvullende gegevensdimensies toevoegen
• Omgaan met andere gegevensdimensies
• Conclusie

Aanvullende gegevensdimensies toevoegen

Nu wil ik je de scenario's laten zien waarin je andere dimensies moet toevoegen.

Ten eerste heb ik deze kolom Productnaam in de tabel Producten . De hier vermelde producten zijn gefilterd op hun productnaam.

Er zullen echter momenten zijn waarop u de producten wilt groeperen op basis van omzet of marge. Daarom moet u een nieuwe kolom toevoegen en deze in een tabel plaatsen. Hier moet u aanvullende dimensies maken die u kunt gebruiken om tussentijdse berekeningen uit te voeren.

Als u de tabel beter bekijkt, ziet u dat de enige productgerelateerde kolom de Productbeschrijvingsindex is .

Daarom moet u handmatig de aanvullende gegevens samenstellen die u nodig hebt om de totale opbrengst te berekenen. Om dat te doen, klikt u op het lint Modellering en vervolgens op Nieuwe kolom .

Daarna zou je het Product Sales moeten noemen . Deze kolom toont de totale opbrengst voor elk product onder de kolom Productnaam .

Nu je de totale omzet hebt, moet je nog een dimensie toevoegen voor de productgroepen. 

Klik nogmaals op Nieuwe kolom en noem deze Clientgroepen . gebruiken . Deze functie helpt u automatisch te bepalen of de productverkopen groter zijn dan 10 miljoen of niet. 

Als de omzet groter is dan 10 miljoen, kunt u ze classificeren als goede klanten . Als de omzet kleiner is dan of gelijk is aan 10 miljoen, kunt u ze classificeren als Ok Clients .

Voeg ten slotte BLANK toe in het laatste deel om de formule te sluiten.

Aangezien u de kolom Klantgroepen hebt gemaakt , kunt u nu een relatie met de tabel Verkoop maken .

U kunt nu elke berekening filteren met behulp van de aanvullende dimensies in de tabel Producten . Zonder deze moet u uw berekening uitvoeren met behulp van de duizenden rijen in de tabel Verkoop . 

Extra kolommen zijn belangrijk omdat ze u helpen efficiëntere berekeningen uit te voeren. Ze kunnen ook de prestaties van LuckyTemplates versnellen in vergelijking met het uitvoeren van een berekening in een enorme tabel.

Omgaan met andere gegevensdimensies

Een andere manier om met uw dimensies om te gaan, is door irrelevante kolommen in de rapportweergave te verbergen.

U kunt elke kolom verbergen door met de rechtermuisknop te klikken en vervolgens Verbergen in rapportweergave te selecteren .

In dit voorbeeld moet u de tabel Productverkoop verbergen omdat u alleen de verschillende klantgroepen in uw rapport hoeft weer te geven. U moet ook de kolom Index verbergen, omdat deze niet relevant is in het rapport voor klantgroepen.

In de rapportweergave hoeft u alleen de Good Clients- en Ok Clients- gegevens weer te geven. Dit betekent dat u de kolom Clientgroepen als filter en slicer moet gebruiken .

In de slicer Cliëntengroepen kunt u het rapport dynamisch maken door Good Clients of Ok Clients te selecteren .

Aangezien de andere kolommen verborgen zijn, kunt u deze niet zien in de rapportweergave.

De verborgen index- en productenkolom waren alleen nuttig bij het maken van de relatie voor de andere gegevensdimensies, maar het is niet relevant om ze in de visualisatie weer te geven.

U kunt deze techniek toepassen op andere vergelijkbare scenario's die u tegenkomt bij het maken van visualisaties.

SWITCH True Logic gebruiken in LuckyTemplates
Dynamische lijsten met dimensies maken met DAX in LuckyTemplates
LuckyTemplates-gegevensmodel voor geavanceerde scenario-analyse met DAX

Conclusie

Ik heb een aantal datamodelleringstechnieken besproken die belangrijk zijn. Ik hoop dat je deze technieken onder de knie krijgt en ze elke keer dat je in het datamodelgebied werkt, toepast.

Zoals ik al eerder heb gezegd, moet u uw gegevensmodel op de best mogelijke manier bouwen, zodat u geen problemen zult ondervinden bij het uitvoeren van uw berekeningen.

Proost!