Wat is zelf in Python: voorbeelden uit de echte wereld
Wat is zelf in Python: voorbeelden uit de echte wereld
In dit voorbeeld nemen we een uniek inzicht door dat u kunt ontdekken in LuckyTemplates. Wat we moeten doen, is een reeks verschillende formuletechnieken combineren om het beoogde resultaat te krijgen. Als u dit doet binnen uw eigen modellen met uw eigen klantsegmentatieanalyse, ontdekt u hoogwaardige inzichten die een enorme waarde zullen genereren voor het werk dat u doet. Je kunt de volledige video van deze tutorial onderaan deze blog bekijken.
Hier gaan we analyseren welke klantgroepen de grootste groei doormaken . Maar we hebben geen groepen in onze gegevens, dus we moeten ze maken.
Inhoudsopgave
Klanten segmenteren in groepen
We willen onze klanten groeperen in Top Clients , Ok Clients en Small Clients . We willen weten wie de meeste groei doormaakt en onze groei het meest beïnvloedt. We willen het ook procentueel en absoluut bekijken.
Ik heb een paar visualisaties samengesteld om dit inzicht in klantsegmentatie te demonstreren, en ik ga ook de logica doornemen die ik gebruikte om te bepalen welke groepen de meeste groei doormaakten.
Allereerst moeten we uitzoeken hoe we deze klanten kunnen segmenteren. Wat ik deed, is een tabel maken door op 'Gegevens invoeren' te klikken en al deze variabelen in de ondersteunende tabel in te voeren.
Ik wilde kijken wat mijn klantverkopen zijn en vaststellen tot welke groep deze klanten behoren , op basis van het bereik van de MIN- en MAX-cijfers.
Groei Groepering
De volgende stap is kijken naar de groeigroepering van vorig jaar. We willen weten tot welke groep onze klanten vorig jaar behoorden en wat de procentuele groei was voor die specifieke groep?
Zo kwam ik op bovenstaande formule. Ik heb voor elke afzonderlijke groep het % groei op jaarbasis berekend.
Om erachter te komen welke klanten in welke groep zitten, heb ik elke klant doorlopen en geëvalueerd of hun verkopen vorig jaar boven de MIN of onder de MAX lagen in een enkele rij in die tabel.
Als dat het geval is, levert het het groeipercentage op jaarbasis op voor die specifieke subset van klanten.
Dit kunnen we dan in een grafiek zetten. U kunt aan mijn voorbeeld zien dat onze kleine klanten domineerden met een aanzienlijke groei op jaarbasis.
Totale omzet van vorig jaar
Klantsegmentatie die in procenten wordt weergegeven, vertelt echter niet echt het hele verhaal, toch? Omdat als dit aantal uit een heel kleine basis komt, het niet echt uitmaakt voor onze totale inkomsten.
Dus wat ik heb gedaan, is kijken naar de totale verkoop voor elk van die verschillende groepen.
Om de tweede tabel te bedenken, moest ik een andere formule maken die me de totale verkoop van deze klanten in het afgelopen jaar vertelt op basis van de groep waarin ze zich bevinden.
Zoals u kunt zien, behaalden onze Small Clients iets meer omzet dan vorig jaar vanwege deze uitstekende groei. Aan de andere kant vormden onze Ok Clients een klein groeimandje met 9%, maar vormden nog steeds een groot deel van onze omzet.
De gegevens visualiseren
Ik heb ook alles in onze klantsegmentatie in een spreidingsdiagram gezet waar je de uitsplitsing van Small Clients , Ok Clients en Top Clients kunt zien . De y-as toont de groei per klant of de groeigroepering , terwijl de x-as de totale omzet weergeeft .
Op basis van de cijfers van vorig jaar zagen al onze Top Clients een groeidaling van 41%. Dit is een enge ontwikkeling en we willen absoluut zien waarom mijn Top Clients met 41% zijn gedaald.
Als ik op Top Clients klik, zie ik de reden waarom.
We kunnen verder duiken en kijken naar iedereen die onder de 0% zit. Ik kan de filtersectie gebruiken en minder dan 0% plaatsen.
We kunnen ook onze klantnamen toevoegen aan het spreidingsdiagram om een duidelijker beeld te krijgen.
Al deze klanten zaten vorig jaar in onze Top Client- groep en ineens zijn deze klanten echt van de klif gevallen. Waarom is dat? We kunnen kijken waar ze regionaal gevestigd zijn, wie hun verkoper is, enzovoort, enzovoort.
Conclusie
Om tot dit inzicht te komen, heb ik meerdere technieken kunnen combineren. Ik gebruikte time intelligence berekeningen . Ik heb de CALCULATE-functie gebruikt , evenals de dynamische segmentatietechniek . Ik gebruikte spreidingsdiagrammen en maakte vervolgens gebruik van de analysefunctie om lijnen in het spreidingsdiagram te zetten.
Ons doel is om deze groepen dynamisch te maken , zodat we ze kunnen segmenteren op basis van regio of tijdsperiode, en vervolgens elke klant kunnen evalueren en zien in welke groep ze terechtkomen.
Dit maakt dit unieke analytische werk zo krachtig in LuckyTemplates. We zijn in staat om deze gloednieuwe analyse te maken en ongeziene inzichten te presenteren die onze gegevens op een veel waardevollere manier zullen vertegenwoordigen dan voorheen mogelijk was.
Als je het leuk vindt om deze technieken te leren, bekijk dan meer cursusmodules op . Er zijn meer dan 20 unieke modules gericht op vele technieken en manieren waarop u LuckyTemplates effectief kunt gebruiken.
Proost,
Sam
***** LuckyTemplates leren? *****
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