Como avaliar clusters em seus dados usando a técnica DAX no LuckyTemplates

Neste tutorial, mostrarei como a exibição de clusters em seus dados permite que você extraia percepções muito superiores do que se tivesse apenas um gráfico de dispersão com muitas informações plantadas nele. Você pode assistir ao vídeo completo deste tutorial na parte inferior deste blog.

Vou passar por algumas técnicas DAX avançadas que você precisa utilizar em combinação com o modelo de dados. Se você usá-los bem, as oportunidades analíticas se abrem substancialmente para você e você pode realmente mostrar insights de maneira eficaz.

Neste exemplo específico, estou tentando ver se há algum motivo para vermos um determinado agrupamento de nossos clientes com base em seu desempenho .

Ao sobrepor alguma lógica (dentro de uma fórmula DAX) em uma tabela secundária, posso classificar se um cliente é bom, bom, ruim ou ótimo.

Então, usando essa nova dimensão em meu gráfico de dispersão, posso ver se algum agrupamento de resultados aparece com base na lógica que acabei de implementar.

Índice

• Como visualizar clusters em seus dados
  • Dentro do modelo de dados
  • Integrando a Lógica na Dimensão
  • Criando a visualização
• Conclusão

Como visualizar clusters em seus dados

Nesta visualização, estamos analisando cada cliente em nosso conjunto de dados. Existem muitos clientes e estamos analisando os clientes com base em suas margens de lucro em suas vendas totais. Do lado direito, temos um cluster de clientes de alto desempenho ou clientes de margem mais alta.

Para conseguir isso, precisamos criar uma lógica que nos permita visualizar esses grupos de informações e construir essa lógica com base em qual grupo de lucro esses clientes pertencem.

O principal aqui é que esses grupos de lucro não existem realmente no modelo de dados, então precisamos construir essa lógica e, em seguida, sobrepô-la.

Este exemplo é apenas uma das muitas maneiras que podemos fazer isso. Poderíamos olhar para o crescimento do lucro, crescimento da margem e uma variedade de coisas em que precisamos de qualquer tipo de lógica e trazê-lo aqui. Podemos então identificar qualquer padrão ou agrupamento de informações que possam realmente extrair algum insight para nós.

Dentro do modelo de dados

Observando o modelo de dados, a primeira coisa a observar é que criamos uma tabela de suporte aqui. Uma tabela de suporte geralmente é usada às vezes como uma tabela de parâmetros, mas, neste caso, usaremos uma lógica que integra a tabela de suporte ao nosso modelo principal.

Dentro de nossa tabela de suporte, estamos analisando em qual grupo de clientes com base na lucratividade esses clientes estão inseridos.

Por exemplo, se o cliente gerou mais de $ 25.000 em lucros, ele será um cliente importante, enquanto aqueles entre $ 20.000 e $ 25.000 serão um bom cliente, e assim por diante.

Integrando a Lógica na Dimensão

Na tabela do cliente, utilizamos a tabela de suporte e, em seguida, construímos alguma lógica.

Alguns de vocês podem pensar que é melhor desenvolver toda essa lógica dentro dessa coluna calculada - sim, com certeza - mas às vezes acho que não é prático, especialmente quando a tabela de suporte tem, digamos, 10 peças lógicas diferentes nas quais você precisa trabalhar .

Sim, você poderia apenas desenvolver uma coluna calculada realmente complicada, mas acho que seria muito mais fácil colocá-los dentro de uma tabela de suporte e, em seguida, escrever uma lógica simples como esta, que os integraria.

Nesta lógica aqui, CALCULAMOS em que grupo cada cliente se encontra. O grupo será retornado pela função VALUES e, em seguida, a função FILTER é o que cria iteração para iterar através da lógica.

Então, para cada cliente aqui, qual é o Lucro Total ; fica entre o MIN e o MAX de qualquer um dos nossos grupos. Em caso afirmativo, retorne esse grupo. E é assim que criamos esses Grupos Lucrativos .

Criando a visualização

Agora que temos essa dimensão, podemos usá-la em nossas visualizações para identificar esses clusters. Portanto, criaremos um gráfico de dispersão e, em seguida, traremos nossas margens de lucro para o eixo Y e as vendas para o eixo X.

Mas, se arrastarmos o Customer Name , veremos aqui que criamos algumas informações, mas realmente não mostram nenhum valor. Seria muito melhor se criássemos clusters de informações.

 Então, para fazer isso, apenas preenchemos os pontos e alteramos algumas cores de dados para garantir que alguns se destaquem. Fazendo esses ajustes simples, podemos facilmente identificar e extrair muito mais informações dentro de nossos visuais .

A tabela de suporte é um conceito realmente importante para contornar e entender ao usar o LuckyTemplates porque podemos integrá-la de várias maneiras.

Existem várias maneiras de identificar clusters com base em uma variedade de métricas, pois há tantos cenários diferentes que nossos dados podem exigir que analisemos.

Use DAX para segmentar e agrupar dados no LuckyTemplates
Encontre padrões em seus dados com lógica interna usando LuckyTemplates e DAX
Segmentação dinâmica: como segmentar clientes em grupos usando DAX avançado

Conclusão

Há um pouco dessa técnica, mas mostrar clusters em seus dados usando a lógica é realmente poderoso, e há muitas maneiras de replicar isso em outros cenários ou em seus próprios dados.

Em última análise, é isso que quero que você extraia deste tutorial que criei, pois as oportunidades analíticas crescem exponencialmente em torno desse tipo de técnica.

Esta é uma técnica avançada, então não fique muito preocupado se não fizer sentido imediatamente, mas definitivamente experimente. Você descobrirá rapidamente que descobriu alguns insights realmente interessantes que não tinha antes.

Saúde!