LuckyTemplates-voorbeelddashboard met behulp van logistieke gegevens

In deze zelfstudie wordt een LuckyTemplates-voorbeelddashboard gepresenteerd dat transport-, verzend- en logistieke gegevens bevat.

Het voorbeeld dat in deze zelfstudie wordt gebruikt, zijn real-world logistieke gegevens van een . U ziet 4 verschillende analysesegmenten met afbeeldingen.

Inhoudsopgave

• Introductie van het LuckyTemplates Sample Logistics-dashboard
  • Filters gebruiken om een ​​verhaal te vertellen
  • Gegevens opsplitsen in segmenten
• Meer voorbeelden van logistieke dashboards in LuckyTemplates
• Conclusie

Introductie van het LuckyTemplates Sample Logistics-dashboard

Dit voorbeelddashboard toont een naadloze navigatie-ervaring.

Als u met uw muis over een afbeelding beweegt, verschijnt er een tekst op basis van de gegevens die deze bevat. In dit voorbeeld beweegt de muis over de afbeelding met een vrachtwagen en verschijnt het woord ROAD .

Als u op de afbeelding klikt, gaat u naar een andere pagina met inzichten over het verzenden en vervoeren van producten via de weg. De details over de daadwerkelijke verzending zoals gewicht, herkomst en bestemming worden ook verstrekt.

Filters gebruiken om een ​​verhaal te vertellen

Wanneer u een dataset beoordeelt, moet u het verhaal begrijpen dat u probeert te vertellen. Het verhaal verandert afhankelijk van de gekozen filters of dimensies .

Het filteren van gegevens hangt af van uw voorkeur of van wat u wilt markeren. U kunt gegevens splitsen op locatie of bedrijf. In dit voorbeeld worden de gegevens gefilterd afhankelijk van de transportoptie.

Als u een segment selecteert, ziet u navigatiepictogrammen aan de linkerkant van het dashboard. De pictogrammen tonen meer inzichten en analyses van het geselecteerde segment. In dit voorbeeld wordt het segment Zee gebruikt.

Als u op het laatste pictogram klikt, ziet u gegevens zoals Totale winst, Totale winst %, Totale inkomsten en Totale kosten. U ziet ook visuals die gegevens in de loop van de tijd weergeven.

Dit is de logistieke dataset die in het dashboard wordt gebruikt. Deze tabel bestaat uit 224 rijen en 121 kolommen.

Voor het gegevensmodel ziet u dat het het watervalformaat heeft , waarbij de LookUp-tabellen bovenaan staan ​​en de Fact-tabellen onderaan.

U zult ook merken dat de tabel Zending een één-op-één-relatie heeft met de tabel Financiën. Een andere manier om dit te doen is door een LookUp-tabel te maken met de gemeenschappelijke kolom van de feitentabellen, Shipment ID . Maak vervolgens een een-op-veel-relatie tussen de opzoektabel en de zendingstabel.

Bij alle logistieke informatie moet u een regelitem hebben met de zendings-ID om transactie-informatie van daadwerkelijke zendingen te verkrijgen. De belangrijkste gegevens van de dataset zijn dus de Shipment ID.

Gegevens opsplitsen in segmenten

Met datasets als deze moet u de informatiesegmenten opsplitsen die logisch zijn en opzoektabellen en filtertabellen hebben. Dingen die u gemakkelijk kunt identificeren, zouden een goede LookUp-tabel vormen. Een voorbeeld zijn locaties , omdat deze dataset codes bevat met de herkomst en bestemming van de zendingen.

Als je naar de tabel kijkt, zie je de codes en namen van de afzenders. U kunt ook een LookUp-tabel hebben met één unieke index voor afzenders en die index vervolgens terugkoppelen aan de codes van de afzenders. Dit vermindert de complexiteit in uw model en de bestandsgrootte van deze specifieke gegevens.

U moet ook zoeken naar kolommen met numerieke waarden, want daar gaat u uw metingen maken. U kunt eenvoudige metingen maken om winst, gewicht en volume te berekenen en deze vervolgens filteren op de LookUp-tabeldimensies.

Door LookUp-tabellen toe te voegen, zal uw gegevensmodel meer LookUp-tabellen hebben die naar hun respectieve indexen in de tabel Verzendingsfeiten stromen.

U kunt de feitentabellen ook combineren en vereenvoudigen door alle tekstdimensies te extraheren in relevante opzoektabellen zoals klanten, bestemmingen of soorten goederen. Ze worden dan kolommen met unieke waarden die aanvullende dimensies kunnen creëren die erop betrekking hebben. Dit stelt u ook in staat om de analyse die u uitvoert eenvoudig uit te breiden, zoals het gebruik van time intelligence-berekeningen , DAX-formulepatronen of rangschikkingstechnieken .

Zo bouw je een overtuigende analyse op binnen LuckyTemplates. Dit rapport laat ook de veelzijdigheid zien van wat u kunt doen met elk type dataset in LuckyTemplates.

Meer voorbeelden van logistieke dashboards in LuckyTemplates

U kunt enkele showcases voor logistieke gegevens bekijken in de LuckyTemplates Challenge op de LuckyTemplates-pagina. U kunt ook alle PBIX-bestanden downloaden als u wilt oefenen en meer dashboardtechnieken wilt leren.

Als u wilt zien hoe dit voorbeelddashboard eruitziet in een gepubliceerde webversie, gaat u naar op de LuckyTemplates-website en selecteert u Logistics Dashboard .

Als u het rapport opnieuw wilt gebruiken, kunt u het model gebruiken en vervangen door uw eigen dataset. Op die manier kunt u profiteren van alle logica die in het dashboard is ingebouwd. U kunt het ook verbeteren door het model en de berekeningen aan te passen en naar uw voorkeur in te delen.

Conclusie

Een goed datarapport geeft de beste informatie en inzichten. Het moet overtuigende visualisaties bevatten om gebruikers de beste navigatie-ervaring te bieden. Gebruik en maximaliseer alle beschikbare tools in LuckyTemplates om een ​​gegevensrapport te maken en uw vaardigheden op het gebied van gegevensontwikkeling te verbeteren.