Wat is zelf in Python: voorbeelden uit de echte wereld
Wat is zelf in Python: voorbeelden uit de echte wereld
In deze blog laat ik de rangschikking van DAX-maatregelen zien om iets heel praktisch te analyseren en geweldige inzichten te krijgen in LuckyTemplates. Het is om de totale verkoop van mijn top 3 verkopers in elke regio te berekenen . Je kunt de volledige video van deze tutorial onderaan deze blog bekijken.
Een heel interessant inzicht, toch? Het lijkt misschien relatief intuïtief, maar het daadwerkelijk implementeren in LuckyTemplates is niet zo eenvoudig.
U moet begrijpen hoe u een DAX-formule schrijft die dit specifieke inzicht bereikt op basis van de context waarin we deze plaatsen.
De context zal de specifieke regio zijn, en dan gaan we voor elk van die regio's alle verkopers analyseren, kijken of ze in de top 3 staan, en dan de verkopen tellen die ze daadwerkelijk bijdragen.
Wanneer zou u dit soort informatie moeten bekijken?
Vanuit het oogpunt van risicobeperking is het de moeite waard om uit te zoeken of al uw inkomsten geclusterd zijn rond een klein aantal mensen.
Als die specifieke mensen hun verkoopregio's zouden verlaten, zou uw bedrijf in die specifieke regio plotseling aanzienlijk krimpen. Ik duik veel dieper in hoe je dit daadwerkelijk gaat implementeren tijdens de tutorial.
Ik laat je ook zien hoe je dit op een aansprekende manier kunt visualiseren . Gecombineerd met de DAX-maatregelen , zult u zien dat LuckyTemplates deze hoogwaardige inzichten effectief en dynamisch kan extraheren.
Als je deze formule begrijpt en kunt implementeren, gaan er analytisch veel dingen voor je open in LuckyTemplates. Duik in de tutorial en probeer zoveel mogelijk te leren.
Inhoudsopgave
Loop door de dataset
Deze voorbeeldgegevensset is erg generiek. We hebben hier onze kleine en grote regio's, waarbij de grotere regio's natuurlijk meer verkopers hebben die veel meer verspreid zijn dan de kleinere regio's.
Wat cool is, is dat we dynamisch in deze informatie kunnen duiken. Met de nieuwe tabelfuncties en de gegevensbalken die zijn gemaakt, kunnen we deze visualisatie bekijken en dieper boren, waardoor we meer significante inzichten kunnen verkrijgen.
Hier kunnen we zien dat Florida een van onze grootste verkopers is. We zouden dit kunnen rangschikken, of sorteren op totale verkoop om duidelijk onze topverkopen tot onze laagste verkopen te zien.
Door de gegevensbalken kunnen we zien waar onze grootste risico's zijn, waarbij we Rhode Island als een van hen laten zien.
We kunnen een staat selecteren en het geeft ons de informatie over hoeveel we daadwerkelijk hebben verdiend in elk van deze kwartalen. En door die selectie konden we ook alle verkopers in die regio zien.
Dus als er een uitschieter is, kunnen we het specifieke kwartaal en het nummer met de gegevens selecteren.
We kozen bijvoorbeeld voor kwartaal 3 in 2016, we konden zien dat we meer dan $ 10.000 verkopen en 70% ging naar onze top 3 verkopers, zoals ik in de top 3 plaatste.
We kunnen ook inzoomen op onze verkopers en zien hoeveel ze verkopen en waarom dit 70% is. Hoe ver je in deze informatie zou kunnen duiken om het inzicht eruit te halen, is gewoon ongelooflijk.
U kunt eventuele uitschieters zo snel identificeren en zien waarom het een uitbijter is. We kunnen naar elk tijdsbestek in elke staat klikken en elke verkoop per verkoper bekijken.
De DAX-formule uitwerken
Ik zal u laten zien hoe u de formules kunt maken die u nodig hebt om deze visualisatie te maken.
Dit zijn geen gemakkelijke formules. Er zijn een paar stappen die u moet doorlopen om het daadwerkelijk te laten werken, en de grootste is eigenlijk berekenen hoeveel van onze verkopen worden toegeschreven aan onze top 3 verkopers.
Nu hebben we al onze Total Sales , die ik in veel van mijn andere tutorials demonstreer.
Dus gaan we naar New Measure en creëren onze Top Sales People Sales- formule.
We gebruiken SUMX en gaan dan naar een andere regel, waar we een virtuele tabel plaatsen met behulp van de TOPN- functie. We plaatsen er hier 3 omdat we op zoek zijn naar onze top 3 verkopers.
Op de volgende rij gaan we SAMENVATTEN Verkopers , wat een andere virtuele tafel is. Dus we maken hier een virtuele tafel binnen een virtuele tafel.
Vervolgens gaan we naar Salespeople , dan SalesAmount op de volgende rij, en we gebruiken onze Total Sales- maatstaf. Vervolgens filteren we de TOPN op SalesAmount.
We verwijzen nu eigenlijk naar een meting in de kolom "SalesAmount". We kunnen een kolom met informatie maken en ernaar verwijzen in een andere tabelfunctie om een filter te maken.
Het lijkt ingewikkeld, maar het is echt verbazingwekkend wat je kunt bereiken als je dit soort dingen gaat doen.
Ten slotte gaan we de uitdrukking in de SUMX plaatsen , wat onze totale verkoop is.
Dit is een herbruikbare formule, dus u kunt deze op verschillende manieren implementeren.
Nu willen we ook het verkooppercentage weten dat naar onze top 3-verkopers gaat met betrekking tot alle verkopen.
Dus nogmaals, we gaan naar New Measure, en we noemen dit % van verkopen aan topverkopers . We gaan gewoon VERDELEN omdat we de maatregelen al hebben. We hoeven niet veel anders te doen dan wat we al hebben.
Dus delen we onze beste verkopers door de totale verkoop en voegen ons alternatieve resultaat toe, dat 0 is .
Nu onze formules klaar zijn, kunnen we nu onze visualisatie doen.
De visualisatie maken
Ik zal je laten zien hoe je deze visualisatie kunt maken met behulp van de gegevensbalken.
Voor onze eerste tafel pakken we ons kwartaal en jaar uit onze datums en gaan naar onze locatie en vinden onze staat . We zetten Kwartaal & Jaar in de kolommen en onze Staat in de rijen. Vervolgens zetten we onze Totale Verkoop in de waarden.
Om de gegevensbalken te maken, klikken we hier op dit waardegedeelte, een vervolgkeuzepijl, en gaan we naar Voorwaardelijke opmaak en klikken we op Gegevensbalken.
We kiezen hier gewoon de themakleur die we voor onze gegevensbalken willen en klikken op OK.
Met de databalken kunnen we per kwartaal zien hoeveel verkopen we daadwerkelijk per staat hebben gedaan. We sorteren het vervolgens op Verkoop , zodat we duidelijk de hoogste tot onze laagste verkoop per staat kunnen zien.
We willen ook weten wat het percentage van de verkopen is dat naar onze top 3 verkopers gaat met betrekking tot alle verkopen . Om dit te doen, kopiëren en plakken we deze tabel hier beneden en slepen we de maat die we hebben gemaakt, % van verkopen aan topverkopers, naar de waarden.
Als we deze tabel hieronder vergelijken met de tabel bovenaan, is het niet echt inzichtelijk, tenzij er wat voorwaardelijke opmaak op de gegevensbalken wordt geplaatst, toch? Laten we dus ook de gegevensbalken in deze tabel gebruiken en deze vervolgens sorteren om ons duidelijke rangschikkingsbeelden te geven.
Met de databalken is de informatie nu duidelijk duidelijk. We konden zulke goede visualisaties als deze niet bereiken totdat de gegevensbalken bestonden.
Dat zou kunnen, maar we moeten individuele gestapelde staafdiagrammen maken. Maar het zou zo vervelend zijn. Met databalken zou het zo gemakkelijk en snel zijn om deze inzichten te krijgen.
Ten slotte pakken we onze Verkopersnaam en zetten onze Totale Verkoop ertegenaan om een andere tabel aan de zijkant te creëren. Vervolgens rangschikken of sorteren we het en plaatsen we het filter.
Inzichten rangschikken met TOPN in LuckyTemplates
Dynamische lijsten met dimensies maken met DAX in LuckyTemplates
Rankinglogica implementeren voor unieke inzichten met LuckyTemplates – Geavanceerde DAX
Conclusie
Door gebruik te maken van de nieuwe tabelfunctie hebben we tal van mogelijkheden om de informatie te doorgronden en unieke inzichten in LuckyTemplates te krijgen, zoals prestatieattributie van verkopers.
In dit voorbeeld laat ik zien hoe effectief de functies zijn, samen met enkele efficiënte ranking DAX-metingen, bij het bereiken van verbluffende visualisaties en verkoopinzichten.
We zouden de formule, Top Sales People Sales, eigenlijk een beetje kunnen veranderen en hergebruiken. Als je de formule echt bekijkt, is het slechts een patroon.
Stel dat u bijvoorbeeld de top 1-klant wilt zien, dan kunnen we dat doen door simpelweg het nummer hier te wijzigen. Hierdoor worden de resultaten in de tabel automatisch gewijzigd.
Als je DAX-formules onder de knie wilt krijgen, bekijk dan de cursus
Hier behandel ik veel van de essentiële concepten rond DAX die u heel goed moet leren om dit soort analytisch werk eenvoudig te implementeren in uw eigen gegevens.
Eventuele gedachten of opmerkingen, laat het me weten in de commentaarsectie hieronder.
Proost!
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