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.
Jeśli jesteś sprzedawcą internetowym lub prowadzisz sprzedaż z dużą częstotliwością, zrozumienie bazy klientów, na przykład, czy są to nowi czy istniejący klienci, jest naprawdę wysokiej jakości wglądem , który możesz uzyskać za pomocą zaawansowanej analizy w usłudze LuckyTemplates. Możesz obejrzeć pełny film tego samouczka na dole tego bloga.
Będziesz chciał zagłębić się w tego typu analizę, ponieważ musisz ocenić, czy większość Twojej sprzedaży jest przypisywana ludziom, którzy są zupełnie nowi w Twojej firmie, czy też dodajesz stałą wartość klientom, którzy wracają po więcej .
Implementacja tego w LuckyTemplates nie jest taka łatwa. Formuła języka DAX prawdopodobnie zajmie trochę czasu, zanim się zorientujesz, ale jest ona tak potężna z analitycznego punktu widzenia. Spostrzeżenia, które możesz uzyskać i skutecznie wdrożyć, gdy wiesz, co robisz, są dość niewiarygodne.
W tym wpisie na blogu omówię obie formuły – tę, w której należy obliczyć, czy klient jest nowy, a następnie, jak można z tego wywnioskować, ile osób jest już klientami lub kupiło wcześniej w poprzednim czasie rama.
Spis treści
Obliczanie sprzedaży od nowych klientów
W tym poście chcę pokazać, jak można obliczyć sprzedaż, która pochodzi od nowych klientów. Istnieje mnóstwo scenariuszy, w których można wykorzystać tę technikę, zwłaszcza jeśli prowadzisz sprzedaż detaliczną i sprzedajesz wiele rzeczy online. Możesz chcieć przeanalizować swoją sprzedaż i dowiedzieć się, ile z niej pochodzi od nowych klientów. Chcesz również dynamicznie wybrać dowolny przedział czasowy, a następnie przeanalizować, ile z naszej całkowitej sprzedaży faktycznie sprzedaliśmy nowym klientom.
Ta technika może mieć również zastosowanie do produktów. Załóżmy, że wysłałeś nowy produkt i chcesz sprawdzić, ilu dotychczasowych klientów kupiło ten produkt w porównaniu do zupełnie nowych klientów.
Omówię, jak możemy to stworzyć, korzystając z zaawansowanej analizy w usłudze LuckyTemplates, ale najpierw przyjrzyjmy się naszej końcowej wizualizacji. Na górze mamy Total Sales by Date, a obok niego fragment roku, który zapewnia dynamiczny widok sprzedaży pochodzącej od nowych klientów. Środkowy wykres przedstawia nowych klientów codziennie, podczas gdy dolny wykres pokazuje miesiąc i rok.
Tworzenie tabeli dat
Pokażę ci technikę tworzenia tego przy użyciu języka DAX na podstawie modelu danych. Zamierzam skonfigurować tabelę z kolumną Daty i całkowita sprzedaż, w której możemy zobaczyć naszą całkowitą sprzedaż dla każdego dnia. Drugim krokiem jest wprowadzenie fragmentatora lat, abyśmy mogli przeskakiwać między latami.
Sprzedaż dla nowych klientów
Teraz musimy napisać formułę DAX, która mówi, jaka część całkowitej sprzedaży pochodzi od nowych klientów. Zamierzam utworzyć nową miarę i nazwać ją Sprzedaż dla nowych klientów. Nie martw się, jeśli ta formuła nie będzie od razu miała sensu — sugeruję najpierw ją wypróbować, a zrozumienie przyjdzie z czasem. Ta formuła jest trochę skomplikowana, więc użyję zmiennych, co ułatwi jej zrozumienie.
Zamierzam utworzyć ZMIENNĄ o nazwie Klienci, a następnie umieścić tabelę moich identyfikatorów klientów wewnątrz tej zmiennej.
Następnie przechodzę do nowego wiersza i wpisuję RETURN , co jest składnią tego, czego potrzebujesz podczas używania zmiennych. Zaczniemy rozszerzać naszą logikę, więc użyjemy funkcji OBLICZ do obliczenia całkowitej sprzedaży. Nadal obliczamy łączną sprzedaż, ale tym razem używamy innego kontekstu . Jest to dość złożona logika, ale jeśli potrafisz to zrozumieć, jesteś w dobrej formie, aby zrozumieć, co właściwie robi DAX dla tych obliczeń.
Przeskakujemy do innej linii i używamy funkcji FILTER . W ramach tego filtra zamierzam umieścić Klienci jako moją zmienną, która powie, że dla każdego klienta muszę przeprowadzić ocenę i ocenić, czy ten klient dokonał już zakupu.
Kiedy skończę pisać formułę, przeciągnę miarę do tabeli, aby zobaczyć, co faktycznie oblicza. To zajmie trochę czasu, ponieważ odbywa się tutaj wiele obliczeń wewnętrznych lub obliczeń w pamięci. Teraz, jeśli zmienimy to trochę i sformatujemy tabelę na dolary, to tak to wygląda.
Możesz teraz zobaczyć, że mamy całkowitą sprzedaż i sprzedaż dla nowych klientów. Możesz również zobaczyć, że gdy kliknę dowolny przedział czasowy we fragmentatorze Rok, zmieni się wraz z nim kolumna Sprzedaż dla nowych klientów.
Pierwszą rzeczą, którą tutaj opracowałem, była zmienna klientów, która jest po prostu tabelą identyfikatorów klientów.
Opracowanie logiki
Aby wymyślić drugą część formuły, musimy rozpoznać początkowy kontekst. Dla każdego konkretnego wiersza wchodzi zmienna Customers i znajduje każdego klienta, który dokonał zakupu w określonym dniu. Następnie dla każdego z tych klientów przejrzy tabelę Daty, aby dowiedzieć się, czy ten klient istniał i czy kupował wcześniej.
Jeśli kupili, to będzie równe 0 i zasadniczo się zniesie. Ale jeśli nie kupili, ta logika zwróci PRAWDA, a klient pozostanie w kontekście.
Każdy klient, który kupił coś tego dnia, jest oceniany pod kątem tego, czy dokonał zakupu poprzedniego dnia w bieżącym kontekście. To właśnie robi tutaj ta logika.
Sprzedaż dla obecnych klientów
Więc to jest formuła, której używamy, aby zwrócić sprzedaż nowym klientom. Możesz nawet pójść dalej i pomyśleć o tym, jak możesz wypracować sprzedaż swoich obecnych klientów. Tutaj możesz łatwo rozgałęziać się, ponieważ w zasadzie wszystko, co musisz zrobić, to odjąć sprzedaż nowych klientów od całkowitej sprzedaży.
Następnie przeciągniemy sprzedaż starego klienta do naszej tabeli.
Wizualizacja danych
Ostatnim krokiem jest przekształcenie tej tabeli w wizualizację, która da Ci rozkład w czasie nowych i starych klientów.
Możesz zachować tę dynamikę, dzięki czemu możesz faktycznie wykorzystać model danych i zobaczyć z dowolnego roku, kto jest nowym klientem, a kto wrócił i kupił od Ciebie więcej. Szybko zobaczysz, jak możesz to zastosować na wiele różnych sposobów.
Wniosek
Ta technika jest bardzo praktyczna i możesz przeskoczyć do dowolnego przedziału czasowego i przeanalizować, w oparciu o działania promocyjne, które możesz prowadzić, ile osób dokonuje zakupu, ile z tych sprzedaży pochodzi od obecnych klientów w porównaniu z nowymi, a także jakie były długoterminowe implikacje Twoich promocji na ogólną sprzedaż.
Jak więc widać, są to rzeczy naprawdę wysokiej jakości. To naprawdę niesamowite wykorzystanie zaawansowanej analityki w usłudze LuckyTemplates. Spróbuj się tego dobrze nauczyć, a znajdziesz się w dobrej pozycji do tworzenia naprawdę atrakcyjnych raportów w usłudze LuckyTemplates.
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.