Power BI

Alokacja klientów: Oparta na bieżących vs. selekcji

Dowiedz się, jak wykonać obliczenia odległości w celu porównania aktualnej alokacji klientów z nowo obliczoną alokacją opartą na wyborze.


W tym blogu porównam istniejącą alokację klientów w magazynach lub hubach z nowo obliczoną alokacją opartą na wybranej odległości . Ten rodzaj analizy pozwala firmom dogłębnie zrozumieć rentowność klientów.

Istnieją tutaj dwa podobne zestawy danych, które są wyborem danych klienta i bieżącymi danymi klienta . Użyłem tych zestawów danych, aby wyświetlić w jednym raporcie zarówno aktualną alokację klientów, jak i nowo obliczoną alokację.

Alokacja klientów: Oparta na bieżących vs. selekcji

Oprócz tego dostępna jest tabela lokalizacji magazynów terminowych , którymi mogą być magazyny lub fabryki. Ta tabela została dołączona do obu tabel klientów ( sekcja Dane klienta i Aktualne dane klienta ), aby umożliwić jednoczesne wyświetlanie danych.

Alokacja klientów: Oparta na bieżących vs. selekcji

Spis treści

Scenariusz i konfiguracja raportu porównawczego

Wyobraź sobie, że dysponujesz infrastrukturą dostawczą, obejmującą magazyny spedycyjne, schowki na paczki lub huby do klientów.

Historycznie rzecz biorąc, alokacja rozwijała się w istniejących lokalizacjach magazynów terminowych. Pozyskano nowy biznes i nadszedł czas, aby zastanowić się, czy obecna konfiguracja jest nadal uzasadniona.

Zapoznajmy się z raportem, który wygenerowałem dla tego scenariusza .

Alokacja klientów: Oparta na bieżących vs. selekcji

Po pierwsze, ta mapa pokazuje aktualną alokację klientów z magazynem.

Alokacja klientów: Oparta na bieżących vs. selekcji

Następnie ta tabela pokazuje odległość, przychody i wymagania.

Alokacja klientów: Oparta na bieżących vs. selekcji

Karty te przedstawiają sumy i rozkład procentowy dla wybranej lokalizacji zapasów terminowych.

Alokacja klientów: Oparta na bieżących vs. selekcji

W prawym górnym rogu znajduje się karta wielozadaniowa, która nie jest filtrowana. W związku z tym pokazuje ogólny przychód i zapotrzebowanie w zbiorze danych w celach informacyjnych.

Alokacja klientów: Oparta na bieżących vs. selekcji

Dostępny jest również krajalnik do wybierania przyszłej lokalizacji zapasów. Z pewnością może to być magazyn, fabryka lub cokolwiek, co chcesz przeanalizować. 

Alokacja klientów: Oparta na bieżących vs. selekcji

W rezultacie krajalnica FSL kontroluje tutaj obie mapy.

Alokacja klientów: Oparta na bieżących vs. selekcji

Dolna mapa wyświetla wyniki wywołane przez fragmentator Wybierz odległość .

Alokacja klientów: Oparta na bieżących vs. selekcji

Te środkowe karty wyświetlają przychody i żądania w oparciu o wybraną odległość. Jest to przydatne podczas analizowania różnicy między bieżącą alokacją klientów a nowo obliczoną alokacją opartą na wyborze. 

Alokacja klientów: Oparta na bieżących vs. selekcji

Miary DAX do porównania alokacji klientów

To jest obliczenie odległości , którego użyłem w tym scenariuszu. Zwróć uwagę, że zmienne w formule zależą od sposobu skonfigurowania danych. Będziesz musiał dostosować je zgodnie z własnymi danymi, aby uzyskać właściwy wynik.

Alokacja klientów: Oparta na bieżących vs. selekcji

Miary rozmiaru i koloru służące do wyświetlania różnych kolorów są różne zarówno w przypadku alokacji bieżącej, jak i alokacji opartej na wyborze.

Alokacja klientów: Oparta na bieżących vs. selekcji

To jest bieżąca miara koloru punktu mapy dla bieżącego przydziału klientów.

Alokacja klientów: Oparta na bieżących vs. selekcji

Z drugiej strony jest to miara wyboru koloru punktu mapy dla alokacji klientów opartej na wyborze.

Alokacja klientów: Oparta na bieżących vs. selekcji

Jak widać, moje miary znajdują się w trzech osobnych tabelach. Zwykle chowam je w folderach po ukończeniu modelu. Ale podczas budowania o wiele bardziej praktyczne jest trzymanie ich pod ręką.

Alokacja klientów: Oparta na bieżących vs. selekcji

Wniosek

Rzeczywiście, ten przykładowy raport zapewnia potężną analizę, ponieważ możesz dokonywać wyborów w celu redystrybucji wszystkich klientów w istniejących lokalizacjach. Ucząc się obliczania środka ciężkości i analizy Huff Gravity , możesz łatwo obsługiwać różne projekty analizy lokalizacji.

Mam nadzieję, że ten blog przyczyni się do Twojej krzywej uczenia się i zwiększy świadomość tego, jak ważne jest wykorzystywanie komponentów geograficznych w Twoich danych.

Pamiętaj, że nie chodzi o zbudowanie najlepiej wyglądającego raportu, a o przykład. Na przykład dodanie inteligentnych narracji lub wykresów może ulepszyć model prezentacji na wysokim poziomie. To jednak dopiero etap analizy. 

Sprawdź poniższe łącza, aby uzyskać więcej przykładów i powiązanych treści.

Dziękuję.

Paweł


Segmentacja klientów usługi LuckyTemplates: przedstawianie ruchu grupy w czasie
Techniki segmentacji klientów przy użyciu modelu danych — usługa LuckyTemplates i DAX
Analiza nowych klientów przy użyciu zaawansowanego języka DAX








More in Power BI