Wat is zelf in Python: voorbeelden uit de echte wereld
Wat is zelf in Python: voorbeelden uit de echte wereld
In deze zelfstudie ga ik enkele geavanceerde analysetechnieken doornemen binnen LuckyTemplates en de DAX-formuletaal die ik secundaire tabellogica noem. Je kunt de volledige video van deze tutorial onderaan deze blog bekijken.
Wanneer u LuckyTemplates voor uw analyses gebruikt, wilt u soms interessante inzichten vinden of ontdekken, maar met de huidige gegevens waarmee u werkt, kunt u dergelijke inzichten mogelijk niet extraheren.
Daarom is het soms cruciaal om secundaire tabellen te maken om dergelijke informatie in uw kerngegevensmodel te brengen.
Ik laat van begin tot eind zien hoe je analytisch moet nadenken over het gebruik van deze tabellen, maar ook hoe je ze op een heel praktische manier kunt implementeren.
We leren beter door te doen, en daarom zal ik u een praktisch voorbeeld geven van hoe u dit zelf kunt doen. Ik zal laten zien hoe u verschillende informatie of inzichten in uw data-analyse kunt brengen die dingen echt op een veel effectievere manier laten zien.
Dus hier berekenen we de totale verkoop van onze verkopers in de afgelopen 60 dagen. En op basis daarvan zullen we ze dynamisch classificeren als goede, middenklasse of slechte verkopers.
Als we door de tijd gaan, kunnen we terugkijken in de afgelopen 60 dagen en zien welke verkopers in een periode van 60 dagen echt goed verkopen.
Inhoudsopgave
Vertakking voor secundaire tabellogica
Voordat we ingaan op het maken van de secundaire tabellogica, gaan we de berekeningen doornemen die nodig zijn om dit te bereiken.
Dit voorbeeld hier is statisch in termen van de ingebouwde demogegevensset, dus ik moest een formule maken die de laatste datum van mijn verkooptabel ophaalt.
Ik bedoel het specifiek op die manier voor deze demonstratie, maar je kunt het op een andere manier in je eigen datasets hebben die het elke dag zou updaten. Hier is de formule die ik heb gemaakt om de laatste datum te krijgen .
Hieruit kunnen we deze formule vervolgens invoeren in onze berekening, Transacties laatste 60 dagen . In deze berekening gaan we COUNTROWS BEREKENEN van de tabel Verkoop . Vervolgens openen we het dynamische venster van 60 dagen met behulp van FILTER ALLE datums die door de tabel Datums itereert , wat ons vervolgens de resultaten geeft waarnaar we op zoek zijn.
Dit gaat ons de totale verkopen laten zien die een verkoper in de afgelopen 60 dagen op voortschrijdende basis heeft gemaakt, terwijl we door de tijd gaan. Terwijl we dit filteren, kunnen we onze slechtste en beste verkopers zien.
We kunnen dit uiterlijk ook visueel aantrekkelijker maken door enkele gegevensbalken te gebruiken . We gaan Voorwaardelijke opmaak,
verander het dan een beetje met wat kleuren.
Nu kunnen we onze beste verkopers duidelijk zien op basis van de afgelopen 60 dagen in deze dataset.
Hier komt de secundaire tabellogica om de hoek kijken. We groeperen deze verkopers op basis van het aantal producten dat ze verkopen.
Dit inzicht zal ons helpen onze mensen goed te managen en betere beslissingen te nemen in termen van het toekennen van beloningen of misschien zelfs het ontslaan van degenen die helemaal niet presteren.
De secundaire tabel maken
Een secundaire tabellogica is hier nodig omdat dit een dynamische berekening is. We kunnen dit niet in de opzoektabel zetten. We moeten de getallen in de logica in een secundaire tabel kunnen herhalen om deze mensen vervolgens te groeperen.
Dus om nog een tabel te maken, gaan we naar Enter Data en typen we de titel en de kolommen in.
We creëren onze Min en onze Max en voeren vervolgens de waarden in die we willen hebben. Vervolgens klikken we op Laden.
Zodra dat is geladen, hebben we het in ons model. Merk op dat een secundaire tabel geen relatie heeft met ons gegevensmodel. Het zit alleen hier buiten en we verbinden het nergens mee omdat dat niet nodig is.
Dit is de tabel die we moeten doorlopen. Dit betekent dat we voor elke verkoper en het resultaat dat we hebben gekregen van onze transactie in de afgelopen 60 dagen, zullen bepalen tot welke groep ze behoren op basis van onze Min en Max hier.
Dus nu moeten we een formule schrijven waarmee we kunnen uitzoeken wat dat is.
Secundaire tabellogica gebruiken om inzichten te extraheren
Om deze inzichten te extraheren, moeten we eerst een nieuwe meting maken. We gaan hier een tekstwaarde retourneren omdat we deze mensen in een groep gaan plaatsen.
Laten we deze formule Salespeople Performance Group noemen . We gebruiken de functie CALCULATE to SELECTEDVALUE , wat onze secundaire tabellogica is , waar het één tekstwaarde zal vinden en retourneren (top, OK, arm). We plaatsen een alternatief resultaat ( BLANK ) voor het geval dat.
Vervolgens plaatsen we op de volgende regel onze secundaire tabellogica. En we gebruiken de FILTER- functie, omdat deze door AL onze verkoperslogica heen herhaalt .
Met deze logica zullen we ontdekken in welke groep een bepaalde verkoper zich bevindt, en die groep zal dynamisch zijn omdat deze maatregel dynamisch is. En dus als we dit in onze tabel brengen, dan zullen we nu de resultaten zien.
We pakten een bepaalde figuur uit een andere tabel, die ik een secundaire tabel noem, en brachten deze vervolgens via metingen in ons model.
Clusters in uw gegevens evalueren met DAX-techniek in LuckyTemplates
DAX gebruiken om gegevens in LuckyTemplates te segmenteren en groeperen
Klanten dynamisch groeperen op basis van hun rangschikking met RANKX in LuckyTemplates
Conclusie
Dit is de kracht van geavanceerde analyses in LuckyTemplates. Door secundaire tabellogica te gebruiken, hebben we die tussenliggende berekeningen niet nodig. De formule doet al het harde werk voor ons.
Dit zijn alle tips die je nodig hebt om dit unieke concept in LuckyTemplates onder de knie te krijgen. Deze technieken zijn eigenlijk vrij uniek voor en voor enkele van de best practice-ontwikkelingen die we aan het voltooien zijn.
Pas nadat je deze blog hebt gelezen en de onderstaande video hebt bekeken, begrijp je precies wat ik bedoel. Dus ga je gang en bekijk de video. Ik kan beloven dat er veel te leren valt.
Uw geest zal zich exponentieel uitbreiden in termen van de analyse en informatie die u in uw rapporten kunt krijgen.
Succes!
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