Vooruitzichten maken in LuckyTemplates met behulp van DAX

In deze blog gaan we bespreken hoe u geautomatiseerde prognoses kunt maken op basis van historische gegevens in LuckyTemplates . Dit is gebruikelijk in bedrijven om prognoses en budgetten te maken. Je kunt de volledige video van deze tutorial onderaan deze blog bekijken.

Heb je ooit automatische prognoses willen maken op basis van historische informatie ? In het verleden was dit relatief lastig om te doen met tools als Excel, maar binnen LuckyTemplates kun je dit eenvoudig doen .

Historisch gezien heeft u mogelijk informatie opgehaald en samengevat in een tabel en die als maatstaf gebruikt. Maar in de video laat ik je zien hoe je dynamisch benchmarks en prognoses kunt maken . Dit is een effectievere en efficiëntere manier om cijfers vooruit te projecteren en stelt u in staat om te vergelijken hoe u daadwerkelijk presteert ten opzichte van een voorgaande periode of een combinatie van voorgaande perioden.

Wat we gaan doen is kijken naar historische tijdsperioden en die gebruiken als waarden in onze vergelijking om een ​​voorwaartse voorspelling te projecteren.

Ik ga time intelligence-functies in LuckyTemplates gebruiken om te laten zien hoe je dit op een zeer dynamische manier kunt doen.

Door meerdere technieken in LuckyTemplates te combineren met behulp van DAX , kun je deze geweldige inzichten bereiken. In dit geval boren we alleen prognoses aan en proberen we toekomstige benchmarks te creëren, zodat we onze werkelijke resultaten kunnen vergelijken met iets dat echt logisch is.

Inhoudsopgave

• Hoe geautomatiseerde prognoses te maken op basis van historische gegevens
• Variabelen gebruiken om één meting te maken voor een driejarige prognose
• De visualisatie maken
• Conclusie

Hoe geautomatiseerde prognoses te maken op basis van historische gegevens

In veel gevallen wordt uw prognose afgeleid van uw historische resultaten. Dus ik ga je laten zien hoe je snel historische gegevens kunt pakken, consolideren en er vervolgens een prognose van kunt maken, die nog steeds is afgestemd op je hele gegevensmodel. 

Laten we aannemen dat we al wat verkoopinformatie hebben en dat we onze verkoopberekening hier hebben. 

We moeten dus een manier vinden om vooruit te projecteren naar 2018. We willen onze verkoopprognose in 2018 uitwerken. Als je naar dit filter aan de rechterkant kijkt, heb ik eigenlijk alleen voor 2018 gefilterd, dus we' We kijken hier alleen naar 2018. 

Nu maken we nog een maattabel door op Enter Data te klikken en krijgt u de mogelijkheid om een ​​maattabel te maken. Laten we deze tabel Verkoopprognose noemen . Als u er een gewoonte van kunt maken om deze maattabellen te maken, zou dit u enorm helpen bij het organiseren van uw model. 

Vervolgens creëren we een nieuwe meting met behulp van tijdinformatiefuncties om onze verkoopprognoses te maken op basis van de cijfers van 2017. Dus gaan we naar New Measure, en laten we dit de Sales LY noemen en gaan BEREKENEN door Total Sales . We zouden hetzelfde kunnen doen voor elk van onze statistieken, maar in dit voorbeeld gaan we werken aan Sales.

En we hebben een DATEADD nodig , wat een van de beste time intelligence-functies is, alleen al vanwege de flexibiliteit die je ermee hebt. Vervolgens springen we hier een jaar terug ( -1 ) en plaatsen we ons interval ( YEAR ) hier. Druk vervolgens op Enter.

Als we dit pakken en naar de tafel slepen, zullen we zien dat we nu alle gegevens van 2017 naar voren projecteren . Dus we hebben onze eerste kolom met informatie van de drie die we vandaag gaan berekenen.

In dit voorbeeldscenario moeten we ook twee jaar terugspringen omdat we een driejarige prognose willen uitwerken. Dus om het tweede jaar te doen, kopiëren we gewoon het patroon en maken we een paar aanpassingen.

We veranderen de naam van de maatregel en de parameter erin, en we projecteren nu onze verkopen van twee jaar geleden. We zullen ook precies hetzelfde doen voor de 3 jaar geleden.

En nu hebben we drie jaar aan informatie die we nu in onze prognose kunnen verwerken.

Variabelen gebruiken om één meting te maken voor een driejarige prognose

Er is een andere manier om dit op een efficiënte manier te doen door een LuckyTemplates-prognose te maken. We gebruiken variabelen om één meting te maken in plaats van drie, en krijgen exact hetzelfde resultaat dat we zoeken.

Dus gaan we nog een keer naar New Measure en laten we het hiervoor de Sales Forecast noemen . We gaan VAR (variabelen) en vervolgens Sales LY op de volgende regel. We doen hetzelfde op de volgende paar rijen voor 2 en 3 jaar geleden .

Waarna we naar beneden kunnen springen en TERUG kunnen gaan, en hier kunnen we de logica invoeren. We gebruiken DIVIDE met onze drie jaar aan gegevens, dus we sommen Sales LY, Sales 2 years ago en Sales 3 years ago op . Dan delen we het door 3 . We zullen ook ons ​​alternatieve resultaat plaatsen, dat is 0 .

We stoppen alle drie de metingen die we eerder hebben gemaakt in variabelen, we krijgen hetzelfde resultaat. Ik raad dit ten zeerste aan, omdat het efficiënter is. We hebben nu onze verkoopprognose en we hebben een gemiddelde van al deze drie.

Bovendien willen we toch wat stijging van onze omzet zien? Dus laten we een voorspelling doen om een ​​groeipercentage van vijf procent te laten zien . Om dit te doen, voegen we eenvoudig een FACTOR toe aan onze formule en vermenigvuldigen we de laatste rij met de factor .

De visualisatie maken

Zodra alle benodigde formules zijn gemaakt, zetten we dit om in visualisaties en zien we duidelijk onze LuckyTemplates-prognose. En we hebben nu een virtuele verkoopprognose die laat zien hoeveel we elke dag moeten verdienen om onze prognose te halen.

We kunnen dit ook binnen een cumulatief totaalpatroon plaatsen . Dus we gaan een nieuwe meting maken en noemen deze Cumulatieve prognose . Op de volgende regel zetten we CALCULATE Sales Forecast in . Ga vervolgens ALLES GESELECTEERD FILTEREN op datums . 

Zodra we dat hebben, zetten we het hier neer en maken er een cumulatief totaal van, en nu kregen we een cumulatieve voorspelling die we cumulatief konden meten ten opzichte van onze werkelijke resultaten zodra we in 2018 kwamen. 

Het coolste is dat het aansluit op het datamodel . Uw prognoses kunnen dus worden gefilterd op alles in het gegevensmodel, omdat ze zijn afgeleid van historische informatie die op een tabel in het gegevensmodel staat.

Hiermee kunnen we hier eenvoudig gaan filteren op productnaam . We pakken onze verkoopprognose voor de productnaam en nu hebben we mijn producten voorspeld. 

Dit stelt ons ook in staat om een ​​bepaald product te selecteren, bijvoorbeeld Product 47. En terwijl we de filters hier veranderen, kunnen we zien hoeveel we per dag moeten verkopen voor dit product, en/of het cumulatieve resultaat duidelijk zien. 

Analysetechnieken in LuckyTemplates met DAX
voorspellen Prognoselogica in uw LuckyTemplates-modellen verkennen Met DAX
Dynamische cumulatieve totalen maken met DAX in LuckyTemplates

Conclusie

In deze zelfstudie hebben we veel behandeld, zoals tijdinformatie en cumulatieve totaalpatronen om een ​​LuckyTemplates-prognose te maken.

Ik heb deze vraag een aantal keer gezien in commentaren en forums, en ik wilde gewoon laten zien hoe relatief eenvoudig het is om een ​​prognose te maken op basis van historische informatie in LuckyTemplates.

Ik hoop dat je merkt dat je hiervan kunt profiteren en dit in je eigen omgevingen kunt implementeren. Zoek een manier om enkele van de technieken te gebruiken die we in deze zelfstudie hebben behandeld. Duik in de onderstaande video en probeer de technieken die ik heb laten zien te gebruiken in je eigen ontwikkelingswerk.

Al het beste!