Dodawaj, usuwaj i zmieniaj nazwy kolumn w R za pomocą Dplyr
W tym samouczku omówimy pakiet dplyr, który umożliwia sortowanie, filtrowanie, dodawanie i zmianę nazw kolumn w języku R.
Prezentacja usługi LuckyTemplates skupi się na kompleksowym raporcie dotyczącym operacji produkcyjnych , który skutecznie przedstawia ogólną wydajność firmy ukierunkowanej na produkty. Możesz obejrzeć pełny film tego samouczka na dole tego bloga.
W szczególności będziemy używać modelu biznesowego, który produkuje części do skrzydeł samolotów. Przyjrzymy się całości danych przetwarzania produkcji dla tej organizacji.
Spis treści
Podsumowanie operacji
Pierwszy raport zawiera podsumowanie kluczowych miar i wskaźników biznesowych .
Możemy spojrzeć na miesięczne spożycie w porównaniu z naszą miesięczną fakturą.
Porównujemy je z wynikami z zeszłego roku oraz wymaganiami budżetowymi firmy.
Ten raport zawiera również wykres, który pokazuje liczbę wyprodukowanych jednostek i wydanych etykiet fabrycznych:
Technika zastosowana w tej części raportu pozwala nam zebrać nasze pomiary w filtrze. Ułatwia to nawigację między różnymi danymi na jednym wykresie.
Podsumowanie banku zamówienia
W następnym raporcie mamy podsumowanie naszego obecnego banku zamówień.
Używamy podobnej techniki, która pozwala nam przeglądać dane w naszym banku zamówień według daty zamówienia, terminu realizacji i daty wysyłki .
Ułatwia to sprawdzenie, kiedy określone zamówienia zostały wykonane lub zakończone.
Analiza, którą możemy uzyskać z tego raportu, pozwala nam zrozumieć nasz czas realizacji, niezależnie od tego, czy zamówienia są terminowe, czy opóźnione.
Możemy również zobaczyć stan naszych zakładów produkcyjnych w różnych magazynach.
Dzięki temu możemy zobaczyć bieżący bank zamówień dla każdego obszaru.
Mamy również dane banku zamówień podsumowane według działu, typu produktu i statusu wstrzymania:
Zamów szczegółowy raport banku
Ten trzeci raport dotyczący operacji produkcyjnych zawiera szczegółowe informacje na temat banku zamówień firmy.
Istnieją filtry, które pozwalają nam spojrzeć na bardzo konkretne części danych.
Podsumowanie ładowni
Następny raport dotyczy zatorów lub opóźnień w naszych operacjach produkcyjnych.
Możemy łatwo zidentyfikować przyczyny opóźnień z perspektywy magazynu i grupy.
Co więcej, możemy również spojrzeć na dane dla każdej osoby, zamówienia lub klienta. Możemy zobaczyć między innymi podsumowanie całkowitej sprzedaży i sprzedanych jednostek.
W ten sposób możemy zarządzać oczekiwaniami naszych klientów i identyfikować, którzy z nich są dotknięci zatorami w konkretnym zakładzie produkcyjnym lub procesie.
Zaległe szczegóły
W tym raporcie możemy zobaczyć segmentowane lub pogrupowane zamówienia, które są przeterminowane.
Ułatwia to nawigację i sprawdzenie, które z nich są najbardziej narażone na uzyskanie wysokiej oceny niezadowolenia od klienta.
Możemy przejść do produktów, które są przeterminowane o 50 dni, wybierając je na wykresie.
To da nam podsumowanie produktów należących do tej grupy. Możemy również przeanalizować, dlaczego są przeterminowane.
Możemy również spojrzeć na te dane na poziomie indywidualnego klienta.
Na przykład wybierzmy na tym wykresie produkt, który jest spóźniony o prawie 200 dni.
Dzięki temu możemy następnie stwierdzić, że przyczyną opóźnienia jest niewłaściwy materiał i problem klienta.
Klikając obraz na wykresie lub raporcie, możemy dynamicznie przejść do potrzebnych nam informacji.
Przegląd roczny
Ostatni raport zawiera przegląd naszych rocznych danych.
Jest to podobne do pierwszego raportu; jednak zamiast tego pokazuje nasze roczne wyniki.
Wniosek
Raporty przedstawione w tej zapewniają doskonały przegląd ogólnej wydajności firmy produkcyjnej.
Informacje, które uzyskujemy z każdego wykresu i tabeli, pozwalają nam szybko zidentyfikować obszary, które działają dobrze, i te, które wymagają poprawy.
Wszystkiego najlepszego,
W tym samouczku omówimy pakiet dplyr, który umożliwia sortowanie, filtrowanie, dodawanie i zmianę nazw kolumn w języku R.
Odkryj różnorodne funkcje zbierania, które można wykorzystać w Power Automate. Zdobądź praktyczne informacje o funkcjach tablicowych i ich zastosowaniu.
Z tego samouczka dowiesz się, jak ocenić wydajność kodów DAX przy użyciu opcji Uruchom test porównawczy w DAX Studio.
Czym jest self w Pythonie: przykłady z życia wzięte
Dowiesz się, jak zapisywać i ładować obiekty z pliku .rds w R. Ten blog będzie również omawiał sposób importowania obiektów z R do LuckyTemplates.
Z tego samouczka języka kodowania DAX dowiesz się, jak używać funkcji GENERUJ i jak dynamicznie zmieniać tytuł miary.
W tym samouczku omówiono sposób korzystania z techniki wielowątkowych wizualizacji dynamicznych w celu tworzenia szczegółowych informacji na podstawie dynamicznych wizualizacji danych w raportach.
W tym artykule omówię kontekst filtra. Kontekst filtrowania to jeden z głównych tematów, z którym każdy użytkownik usługi LuckyTemplates powinien zapoznać się na początku.
Chcę pokazać, jak usługa online LuckyTemplates Apps może pomóc w zarządzaniu różnymi raportami i spostrzeżeniami generowanymi z różnych źródeł.
Dowiedz się, jak obliczyć zmiany marży zysku przy użyciu technik, takich jak rozgałęzianie miar i łączenie formuł języka DAX w usłudze LuckyTemplates.