Identificeer en presenteer gegevensuitschieters in LuckyTemplates met behulp van DAX

We gaan LuckyTemplates-ontwikkeling naar een hoger niveau tillen en belangrijke nieuwe trends in onze data ontdekken. Eerst moeten we in onze data-uitschieters duiken via geavanceerde logica in LuckyTemplates met behulp van DAX. Je kunt de volledige video van deze tutorial onderaan deze blog bekijken.

Ik zal je helpen het verschil te begrijpen tussen onbewerkte en gefilterde contexten. We gaan dus uitschieters in onze gegevens effectief analyseren en presenteren in LuckyTemplates.

Uitbijters lijken sterk op anomalieën in onze data. Het zijn de resultaten die buiten het algemene patroon van een verdeling liggen. Daarom zullen we door onze analyse deze specifieke resultaten waarschijnlijk in onze gegevens willen segmenteren.

Maar ik classificeer ze iets anders dan anomalieën, omdat we misschien triggerpoints willen plaatsen rond wat we als een uitbijter beschouwen.

Dus, hoe detecteren we ze? Hoe laten we ze echt goed zien in LuckyTemplates? En hoe kunnen we dat dynamisch doen? 

Inhoudsopgave

• Uitschieters dynamisch onder de aandacht brengen via LuckyTemplates
• Gegevensuitschieters identificeren
• Uitbijters van gegevens demonstreren met behulp van DAX
• Conclusie

Uitschieters dynamisch onder de aandacht brengen via LuckyTemplates

In deze blogpost wil ik je iets heel geavanceerds laten zien waar ik graag over praat. Dit is slechts één voorbeeld van de geweldige mogelijkheden van LuckyTemplates. 

Om onze gegevensuitschieters via LuckyTemplates te laten zien, moeten we een aantal DAX-formules en visualisatietechnieken combineren. Dit is hoe we kunnen laten zien wat een abnormaal resultaat is en waarom deze uitbijter kan optreden.

Daarnaast willen we ook dieper ingaan op deze uitbijterresultaten om te begrijpen waarom ze zo zijn.

Dit is waar we onze LuckyTemplates-ontwikkeling naar een hoger niveau kunnen tillen. We kunnen er echt doorheen kijken en begrijpen wat de drijvende kracht is achter de resultaten die we zien.

Gegevensuitschieters identificeren

In dit voorbeeld hier gebruiken we dit dashboard om ons te concentreren op het kijken naar de uitschieters van de klantprestaties via LuckyTemplates. 

Zoals we rechtsboven in het dashboard kunnen zien, kunnen we door verschillende tijdframes klikken. Het belangrijkste is dat het ons automatisch de gegevens voor dat specifieke jaar of kwartaal laat zien.

Als we bijvoorbeeld de uitschieters in het eerste kwartaal van 2017 willen analyseren, kunnen we klikken op 2017 en vervolgens op Q1 .

Dit is vooral hoe we onze gegevens in LuckyTemplates kunnen manipuleren om inzichten te verkrijgen, zoals we dat in Excel nooit kunnen doen. Maar dat kunnen we, binnen LuckyTemplates. Voor mij is dit echt krachtig en dit is waar de echte waarde uit onze analyse komt.

Wat ik in dit specifieke verkoopgeval bijvoorbeeld als een uitbijter classificeerde, was een klant met een omzet van meer dan $ 10.000 en een winstmarge van meer dan 30% in een bepaald kwartaal.

Als we rondkijken en dieper ingaan op een bepaald inzicht, willen we misschien de uitsplitsing zien van de specifieke uitbijterklanten gedurende een bepaalde periode. Afgezien daarvan willen we misschien ook de trends voor niet-uitbijterklanten bekijken.

Dus laten we naar deze demo springen die ik heb opgezet.

We zullen hier zien, ik heb twee maatstaven die de uitschieter klantverkopen specificeren en de niet-uitbijter. De onderste regel in licht kastanjebruine kleur geeft de uitschieters aan, terwijl de bovenste regel in donker kastanjebruin de niet-uitschieters zijn.

Uitbijters van gegevens demonstreren met behulp van DAX

Laten we bovendien eens kijken naar de formule om deze gegevensuitschieters in LuckyTemplates uit te splitsen en te classificeren.

Zoals we inmiddels kunnen zien, hebben verschillende kwartalen verschillende gegevens. Onze uitbijter hier is dus dynamisch omdat deze in de loop van een willekeurig tijdsbestek verandert.

We moeten dus een dynamische berekening maken op basis van de algemene uitbijterstatistieken die we hebben.

Kortom, we hoeven alleen maar de totale verkoop te berekenen, wat het belangrijkste onderdeel is. 

Maar we willen het alleen berekenen voor de klanten die de uitschieters hebben overschreden die we eerder hebben ingesteld. We kunnen dus niet zomaar Totale verkoop in de formule plaatsen, omdat de gegevens die we hebben dagelijkse gegevens zijn.

Wat we hier kunnen doen, is ALLSELECTED (datums) toevoegen om elke context uit de datums te verwijderen, maar de driemaandelijkse context te behouden.

Verder kunnen we een selectie invoeren voor de locaties - voer gewoon ALL (Locaties) in,

of een selectie voor de producten, voer ALL(PRODUCTS) in.

Ter verduidelijking: we willen er zeker van zijn dat we geen extra filter hebben, want wat we evalueren is het kwartaalgetal met $ 10.000 en 30%.

Onthoud dat we willen dat de Totale Verkoop een kwartaalcijfer is, hetzelfde geldt voor de Winstmarges . Ons doel is om enige context van onze klanten te creëren op basis van de algemene nummervergelijking.

Laten we nu teruggaan naar ons dashboard. Wat we kunnen zien in de tabel voor UITSPLITSING VAN KLANTENPRESTATIES, zal altijd dezelfde subset van klanten zijn die we kunnen zien in de tabellen voor uitsplitsing van verkoop en marges.

Zo krachtig kunnen we binnen LuckyTemplates worden.

Afwijkingen van uw gegevens in LuckyTemplates onder de aandacht brengen
Uitschieters in LuckyTemplates detecteren en onder de aandacht brengen – gratis trainingsworkshop
LuckyTemplates-gegevenssets: leer hoe u abnormaal gedrag kunt detecteren met behulp van DAX

Conclusie

Kortom, onze uitbijterresultaten, of deze nu boven of onder de trend liggen, zijn dingen die we meer willen onderzoeken. Het voltooien van dit soort werk in LuckyTemplates vereist dus een redelijke hoeveelheid kennis over DAX-formules , daarom heb ik besloten om deze tutorial te maken.

We zijn dieper ingegaan op hoe we een heel rapport kunnen en alle verschillende DAX-varianten om dit mogelijk te maken.

Duik met veel plezier in deze tutorial - er valt nog zoveel meer te leren, maar we zijn er zeker van dat iedereen het leuk zal vinden om meer over dit onderwerp te ontdekken.

Proost,