Segmentação dinâmica com parâmetros dinâmicos – Técnica avançada de LuckyTemplates e DAX

Vou falar sobre segmentação dinâmica usando parâmetros dinâmicos porque já vi membros perguntarem sobre isso muitas vezes no fórum de suporte LuckyTemplates. Você pode assistir ao vídeo completo deste tutorial na parte inferior deste blog.

O que é desafiador sobre isso é descobrir quais áreas segmentar primeiro. Você também teria que encontrar uma maneira de alimentar parâmetros dinâmicos em sua fórmula. Vou simplificar tudo isso através do exemplo que vou mostrar aqui.

Índice

• Criando um parâmetro hipotético
• Aplicando Parâmetros Dinâmicos
• Visualizando os resultados
• Conclusão

Criando um parâmetro hipotético

A primeira coisa que eu preciso seria um parâmetro. Neste caso, criei um parâmetro Customer Rank .

Eu criei esse parâmetro entrando em Modelagem, depois clicando em Novo Parâmetro.

Um parâmetro hipotético criaria automaticamente uma tabela para mim. Ele também cria uma medida para a seleção que fiz.

Quando eu arrasto isso para o meu relatório, ele mostra qualquer seleção que eu fizer na segmentação de dados.

A principal coisa a lembrar aqui é que seus parâmetros devem dividir os resultados toda vez que você fizer uma segmentação personalizada .

Então, além do parâmetro Customer Rank, eu também tenho informações sobre as áreas onde as lojas estão.

O contexto do cálculo é um dos fatores-chave para acertar. Há também um contexto adicional aqui mostrando onde estão as lojas.

Agora, quero separar minha receita comparando meus principais clientes e meus clientes inferiores. Também quero que esses grupos superiores e inferiores sejam dinâmicos. É aqui que os parâmetros dinâmicos entram em cena.

Aplicando Parâmetros Dinâmicos

Portanto, os resultados precisam mudar dependendo de como eu quero ver os dados. Isso significa que, se eu alterar o slicer para Customer Rank , os dados na tabela também deverão ser alterados.

A primeira coisa que vou fazer é usar uma fórmula para colocar meus principais clientes na mesa.

Eu criei a coluna usando a função para a Receita Total e depois usando como uma função de classificação. O TOPN também retorna uma tabela virtual com base nos resultados do ranking.

Adicionei contexto aqui enquanto calculamos a receita total porque estou olhando apenas para os clientes mais bem classificados. Essa classificação é determinada pelo valor de classificação do cliente .

Ao usar o TOPN , vou trabalhar com todos os dados do cliente. No entanto, manteria apenas o contexto para os 4 principais, pois esse é o parâmetro que está sendo definido na tabela. É o valor que defini no slicer.

Eu posso mover meu slicer para 3, e os resultados também teriam que mudar e refletir apenas os dados dos 3 principais.

Eu também quero ver meus clientes inferiores, então vou adicioná-los à minha tabela.

Como coloquei meus clientes inferiores lá, também é importante observar que precisaria do número total de clientes por loja em um determinado período de tempo.

Para obter o Total Customers , usei a função .

Observe que tudo isso são apenas dados de amostra, portanto, os números que obtive a partir dessa fórmula podem parecer pequenos e irrealistas. Mas esse cálculo também funcionaria para frequências maiores, uma vez aplicado a cenários da vida real.

Aqui está a fórmula que usei para obter os clientes inferiores. Observe que é muito semelhante ao que usei para Top Customers , mas com alguns pequenos ajustes.

Eu usei as funções CALCULAR e TOPN aqui também. Mas, em vez de apenas colocar a classificação do cliente , usei a diferença entre o total de clientes e o valor da classificação do cliente . 

Então, em vez de apenas colocar e Customer Names , tive que adicionar lógica. Como estou obtendo os clientes inferiores em vez dos principais, usarei ASC em vez de DESC .

A fórmula anterior iterava em cada cliente para obter os melhores. Mas, como estou obtendo os clientes inferiores, isso significa que também contaria as instâncias em que não houve vendas .

Eu tenho que ter certeza de que aqueles contados como o cliente inferior também fizeram uma compra. É por isso que adicionei que o valor deve ser maior que 0 .

Por causa disso, meus dados agora mostram quantos clientes realmente fizeram uma compra. Nesta primeira linha, mostra que 11 clientes compraram algo naquela loja específica dentro do prazo determinado.

Pode ficar bem complicado nessa parte, principalmente porque o TOPN já está criando uma mesa virtual, mas também estou criando outra mesa virtual dentro dela. Essa tabela virtual examina um subconjunto muito menor de clientes e não os clientes como um todo.

Então estou fazendo outro ranking aqui no final da fórmula da Receita Total . E como mencionei anteriormente, estou usando ASC em vez de DESC .

Com essas fórmulas, agora tenho parâmetros dinâmicos adicionados à segmentação dinâmica.

Visualizando os resultados

A técnica que usei poderia ser usada para conjuntos de dados muito maiores. Isso significa que, para entender melhor os resultados, é útil ter algumas visualizações para mostrá-los.

Começarei com um gráfico simples que pode mostrar uma comparação entre os clientes mais altos e os mais baixos de cada loja.

Também posso alterar isso e usar um gráfico de barras empilhadas, caso os números sejam grandes o suficiente e sejam melhor exibidos dessa forma.

Com essas visualizações, posso ter uma visão melhor dos números. Isso, por exemplo, mostra quais lojas estão em maior risco. Posso ver quais lojas têm poucos clientes, resultando em baixa receita.

Segmentação dinâmica: como segmentar clientes em grupos usando
técnicas avançadas de segmentação de clientes DAX usando o modelo de dados –
exemplo de segmentação LuckyTemplates e DAX usando DAX avançado no LuckyTemplates

Conclusão

Os dados que usei aqui são de frequência muito baixa, mas imagine as possibilidades quando isso é aplicado a conjuntos de dados maiores. Essa técnica também pode segmentar outras informações e adicionar muitos parâmetros diferentes, além de apenas os principais e piores clientes ou locais de armazenamento.

Este exemplo mostra como trabalhar com medidas dentro de medidas também. Técnicas como essas fornecem informações incríveis sobre os dados, independentemente de onde sejam aplicadas.

Tudo de bom,