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 chcesz mieć rzeczywisty przykładowy scenariusz prognozowania przy użyciu usługi LuckyTemplates, jesteś na właściwej stronie. W tym samouczku znajdziesz technikę prognozowania, którą z pewnością możesz wdrożyć we własnym środowisku pracy. Możesz obejrzeć pełny film tego samouczka na dole tego bloga.
W tym przykładzie porównuję moje rzeczywiste wyniki z moimi prognozami i patrzę na nie łącznie. Skumulowane sumy dają mi znacznie lepszy przegląd i zapewniają, że będę wiedział, kiedy pojawi się trend. Jeśli użyjesz techniki prognozowania, którą omawiam w tym samouczku, będziesz w stanie osiągnąć to samo.
Najpierw jednak musisz stworzyć rzeczywistą prognozę. Być może masz to w osobnym źródle danych lub arkuszu kalkulacyjnym albo musisz je utworzyć, ponieważ jeszcze go nie masz. Istnieje wiele sposobów na jego stworzenie — czasem jest to proste, a czasem, moim zdaniem, bardziej złożone, niż powinno być.
Po skonfigurowaniu tej konfiguracji opracowanie prostej logiki i użycie formuł w języku DAX może naprawdę zapewnić wgląd w dane.
Samo przeglądanie rzeczywistych wyników jest w porządku, ale w wielu przypadkach potrzebny jest test porównawczy, aby naprawdę pokazać względną wydajność.
Jeśli nie masz dogłębnego zrozumienia liczb, najlepszym sposobem na pokazanie tego konsumentom jest użycie testu porównawczego lub prognozy (jak w tym przypadku).
Co więcej, używając innych filtrów w swoim modelu danych, możesz skonfigurować raporty, aby skutecznie zagłębiać się w określone obszary zestawów danych i sprawdzać, jak wypadły wyniki w porównaniu z unikalnym testem porównawczym. Czasami jest kilka niuansów do zrozumienia, ale to kolejny samouczek.
Spis treści
Tworzenie prognozy
Mamy tutaj prosty model danych ze sprzedażą całkowitą, która jest tylko informacją historyczną, więc musimy utworzyć prognozę. Można to zrobić na wiele sposobów, ale pokażę ci, jak stworzyć prosty.
W tej demonstracji zamierzam przedstawić, co osiągnęliśmy w latach 2015-2016. Używam z Total Sales , a następnie przechodzę do i wstawiam Dates .
To da nam sprzedaż w zeszłym roku. W naszej tabeli widzimy, że pierwsze wprowadzone dane miały miejsce 1 czerwca 2014 r.
Teraz znajduje to odzwierciedlenie w naszym 2015 roku (całkowita sprzedaż w zeszłym roku).
Musimy jednak pójść o krok dalej. Chcemy prognozować rok 2016, więc nasze dane będą zaczynać się od stycznia 2016 r., a następnie obejmować cały rok. Aby to zrobić, zmieniamy kontekst obliczeń (za pomocą CALCULATE ), ale odfiltrowujemy informacje, które nie pochodzą z 2016 r. (za pomocą instrukcji ). I tak filtrujemy tabelę Daty , w której rok jest równy 2016.
To dosłownie pozbędzie się lub wyczyści każdą datę, która nie jest rokiem 2016 dla tej prognozy. Przeciągnijmy to do naszej tabeli i zobaczymy, że nasze dane zaczynają się od stycznia 2016 r.
Mamy już prognozę na 2016 rok.
Kiedy pokazujemy to na wykresie, możemy zobaczyć naszą łączną sprzedaż w ciągu dnia i naszą prognozę sprzedaży, która jest tylko projekcją z poprzedniego roku.
Opracowanie prognozy skumulowanej
Teraz zamienimy je na sumy skumulowane i spojrzymy na nie łącznie, co pozwoli nam uzyskać lepszy wgląd. Pierwszą rzeczą, którą musimy zrobić, to obliczyć Skumulowaną sprzedaż .
Następnie możemy ponownie wykorzystać to do opracowania naszej skumulowanej prognozy na rok 2016 . Wszystko, co musimy zrobić, to podpisać łączną sprzedaż z prognozą 2016 .
Teraz mamy skumulowaną sumę prognozy na 2016 r. , która jest tylko przewidywanymi wynikami na 2015 r. Przekształciliśmy je w sumę skumulowaną, którą możemy porównać z naszą Skumulowaną sprzedażą w tym roku .
Możemy przekształcić to w wizualizację i móc analizować te informacje o tym, jak idziemy łącznie. Jest tu mały problem polegający na tym, że skumulowana suma jest przewidywana przez całą drogę, mimo że nie ma żadnych informacji i prawdopodobnie tego nie chcemy.
Możemy to bardzo łatwo naprawić, dodając w naszej formule. Więc jeśli tego dnia dosłownie nie ma sprzedaży, zwróci to . Spowoduje to usunięcie wszystkich informacji, które są przekazywane od określonej daty.
Naciskamy Enter i zobaczymy na naszym wykresie, że linia znika, ponieważ nakładamy naszą bieżącą sprzedaż na naszą prognozę sprzedaży.
Prognoza kontra sprzedaż
Stąd możemy obliczyć naszą sprzedaż w stosunku do naszej prognozy poprzez rozgałęzienie miar .
Moglibyśmy przekształcić to w samą wizualizację, ale w tej chwili tak naprawdę nie daje nam to żadnego wglądu, ponieważ nie mamy danych od września do grudnia i przyjmujemy je jako zero.
Możemy to naprawić ponownie, wprowadzając logikę ISBLANK .
Dzięki temu możemy teraz zobaczyć, jak idzie nam czas w porównaniu z naszą skumulowaną prognozą.
Ponadto, ponieważ jest to połączone w modelu danych, możemy na przykład wprowadzić nasze Produkty. Zamieniamy go w krajalnicę i sprawdzamy, jak idzie nam każdy z naszych produktów.
Możemy dynamicznie wybierać wszystkie nasze produkty i sprawdzać, jak się śledzą.
Techniki analizy prognozowania w usłudze LuckyTemplates z językiem DAX
Tworzenie prognoz przyszłych w usłudze LuckyTemplates przy użyciu języka DAX
Tworzenie nowej tabeli w usłudze LuckyTemplates: Jak automatycznie wdrażać budżety i prognozy przy użyciu języka DAX
Wniosek
Jest to unikalna technika prognozowania, którą zademonstrowałem w tym samouczku. Najpierw stworzyliśmy prognozę, która była dość prosta, a następnie wykorzystaliśmy skumulowaną sumę, aby lepiej ją zwizualizować. Następnie porównaliśmy to i byliśmy w stanie prześledzić czas i zobaczyć, jak idzie cała sprzedaż.
W tym wszystkim chodzi o aplikacje biznesowe. omawiam wiele podobnych aplikacji związanych z prognozowaniem . Warto to sprawdzić, jeśli chcesz dowiedzieć się więcej o technice prognozowania, budżetowaniu, technikach segmentacji i grupowania oraz analizie scenariuszy, by wymienić tylko kilka.
Mam nadzieję, że znajdziesz sposób na włączenie tej techniki prognozowania do swojej pracy.
Wszystkiego najlepszego!
***** Nauka 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.