Расчет недельных продаж с помощью DAX в LuckyTemplates
В этом руководстве показано, как в конечном итоге можно рассчитать разницу между еженедельными результатами продаж с помощью DAX в LuckyTemplates.
Анализ гравитационной модели Хаффа в LuckyTemplates
В этом руководстве мы узнаем, как выполнить анализ гравитационной модели Хаффа в LuckyTemplates. Мы можем использовать этот анализ для оценки потенциальных продаж или привлекательности определенного местоположения магазина. Обычно мы делаем это в программном обеспечении географической информационной системы. Однако мы также можем сделать это в LuckyTemplates и сделать его динамическим.
Гравитационный анализ Хаффа предполагает, что площадь в квадратных метрах магазина супермаркета, разделенная на квадрат расстояния до потенциальных покупателей, даст фактор привлекательности, который выделяет другие магазины. Это также покажет вероятность в процентах посещения клиентов.
Предположение исходит из того, что чем больше квадратных метров будет у магазина, тем больше будет ассортимент и наличие других элементов обслуживания. Таким образом, магазин может привлечь покупателей к поездкам на более дальние расстояния.
В этом примере использовалось расстояние вождения (центроид почтового индекса до магазина).
Мы также можем использовать прямолинейное расстояние. Однако в данном случае границы разделяет река. Таким образом, прямолинейное расстояние не является надежным.
В идеале мы используем меньшие площади, такие как районы. Это только для демонстрации. Мы можем добавить дополнительные параметры, влияющие на вероятность, такие как место для парковки, общественный транспорт, а также использовать методологию для других анализов.
Мы также можем добавить коэффициент затухания расстояния , чтобы ослабить эффект расстояния. Люди готовы ехать дальше за мебелью, чем за продуктами на каждый день.
Оглавление
- Данные анализа гравитационной модели Хаффа
- Импорт данных в редакторе Power Query
- Анализ гравитационной модели Хаффа на основе привлекательности
- Вероятность в анализе гравитационной модели Хаффа
- Вероятностный анализ
- Динамический анализ гравитации Хаффа
- Заключение
Данные анализа гравитационной модели Хаффа
Во-первых, давайте посмотрим на данные.
В этой таблице Excel есть шесть супермаркетов.
Он также имеет километры , которые содержат расстояние в виде прямой линии.
Затем есть вкладка «Время в пути» , которая отображает время в пути в минутах.
А это расстояние. Мы собираемся использовать это, учитывая тот факт, что между границами есть река.
Это полигон Тиссена , созданный в программе ГИС. Здесь мы можем создать так называемый объект Тиссена-Вороного , чтобы показать вам расстояние от точки до каждого из других соседних объектов.
Импорт данных в редакторе Power Query
Сначала я импортировал данные в редактор Power Query .
Как видите, я взял пять супермаркетов.
Здесь также есть два набора данных с именами Postcodes Areas PQ и Postcodes Areas DAX .
Я продублировал это, чтобы показать вам, как это сделать в редакторе Power Query с полностью динамическими мерами.
Для демонстрации Power Query ( Postcodes Areas PQ ) я округлил широту и долготу. Я всегда советую, если вы возьмете четыре цифры после запятой, ваша точность будет около 11 метров, что, безусловно, достаточно.
Я также вычислил квадрат каждого расстояния. Это связано с тем, что, как я упоминал ранее, мы собираемся использовать площадь в квадратных метрах и делить ее на квадрат расстояния.
Затем я объединил ее с другой таблицей ( таблицей населения ), чтобы получить население. Это сделано для того, чтобы получить больше информации о населении в районах с почтовыми индексами.
Для данных показателей ( Postcodes Areas DAX ) я также сделал то же самое, например, округлил широту и долготу и снова объединил их с таблицей Population .
Теперь это панель инструментов LuckyTemplates анализа модели гравитации Хаффа.
Это таблицы показателей, которые я разделил.
Анализ гравитационной модели Хаффа на основе привлекательности
Первый расчет, который я создал, это Привлекательность .
Привлекательность – это площадь магазина в квадратных метрах, деленная на квадрат расстояния . Этот магазин имеет площадь 1502 квадратных метра.
Это столбец Squared Distance . В этом примере я взял . Я мог бы взять МАКСИМАЛЬНОЕ среднее значение, но это не имеет большого значения, учитывая контекст.
Я сделал этот расчет для всех пяти супермаркетов.
Затем я суммировал их в показателе TotalAT , чтобы рассчитать итог.
Вероятность в анализе гравитационной модели Хаффа
Следующей мерой является Вероятность .
Вероятность — это просто вероятность того, что событие произойдет. Чтобы рассчитать это, необходимо определить одно событие с одним исходом. Затем определите общее количество результатов, которые могут произойти. Наконец, разделите количество событий на количество возможных исходов.
Поэтому в этом расчете я разделил привлекательность на общую привлекательность .
В сумме эти цифры будут составлять сто процентов.
Существует также мера населения из объединенного набора данных, которая суммирует население на основе областей почтовых индексов.
Затем мера максимальной вероятности .
Эта карта показывает это.
Наконец, у меня есть показатель вероятности выбранного магазина . Я использовал эту меру, чтобы определить вероятность любого выбранного магазина в моей выборке.
Давайте теперь обсудим, как это работает.
Вероятностный анализ
При составлении карты я использовал границы как почтовые индексы. Я взял четырехзначный почтовый индекс.
Вот таблица с вероятностью выбранного магазина .
На этой маленькой карте показано фактическое расположение пяти супермаркетов.
Я могу сделать выбор на основе почтовых индексов магазинов из слайсера.
Эта маленькая карта ( 5 Stores Rotterdam ) не фильтрует карту Choropleth (ESRI) слева. Это просто предназначено для того, чтобы дать нам подсказку, где мы находимся на карте Choropleth. Более того, это помогает нам впоследствии увидеть влияние на основную карту.
Как видите, чем темнее цвет, тем выше вероятность % для выбранного магазина.
Например, я выберу это место или супермаркет.
Если я проверю эту область на карте, она отобразит вероятность этого магазина с учетом квадрата расстояния. Обратите внимание, что это зависит от расстояния вождения.
Максимальная вероятность для этого выбора представлена на этой карте в 95%.
В этой части отображаются включенные почтовые индексы и вероятность снижения. Чем меньше процент, тем больше вероятность того, что их конкретный почтовый индекс будет ближе к другому супермаркету.
Например, если я нажму на этот, он покажет, что вероятность равна 0% .
Очевидно, люди в этом районе живут на крыше супермаркета с почтовым индексом 3011 . Так зачем им идти к другому?
Эта часть показывает фактическую поверхность магазина для справки.
С другой стороны, это отображает общую численность населения в пределах выборки.
Динамический анализ гравитации Хаффа
Теперь, когда я разобрался с основами гравитационного анализа Хаффа, я сделаю еще один шаг и обсужу, как я могу сделать это динамичным.
В данном случае я создал пять слайсеров с начальными квадратными метрами и вариантами увеличения площади магазина .
Остальные шаги очень похожи на предыдущий шаг. Теперь у меня гораздо больше мер, потому что нам нужно рассчитать что-то динамическое. Я разделил шаги, чтобы сделать их более проницательными.
Динамический анализ силы тяжести Хаффа на основе площади магазина
Давайте посмотрим на привлекательность квадратных метров. Я выберу показатель привлекательности супермаркета 3011 .
Квадратные метры будут ссылаться на выбранное значение в слайсере 3011 .
Переменная distsq представляет квадрат расстояния из набора данных DAX Postcodes Areas .
В этом расчете значение квадратных метров будет разделено на значение квадрата расстояния.
Опять же, я сделал это для всех пяти супермаркетов.
Динамический анализ гравитации Хаффа на основе расстояния
Я также рассчитал расстояние для этого анализа. По сути, это просто сумма столбца расстояния магазина в наборе данных DAX Postcodes Areas .
Выбранный магазин используется в расчете расстояния между ПК и выбранным магазином с использованием функции Dax.
Кроме того, у меня есть еще одна вероятностная мера для динамического гравитационного анализа Хаффа.
Он динамический, потому что если мы что-то изменим в одном из слайсеров, это впоследствии повлияет на результат расчета.
Я проделал все эти шаги и расчеты для динамического гравитационного анализа. Это потому, что меня интересует процент населения, количество почтовых индексов и включенное расстояние на основе моего выбора из настроенного слайсера.
Как видите, разница в населении довольно большая. Они основаны на расстоянии до супермаркета и населении в пределах почтовых индексов.
В качестве примера я изменю квадратные метры супермаркета 3011 .
После изменения это влияние станет очевидным в данных. Это потому, что для людей более привлекательно приходить в центр и идти в это место, учитывая расстояние до него.
Визуализация данных LuckyTemplates — динамические карты во всплывающих подсказках
LuckyTemplates Shape Map Visualization для пространственного анализа
Геопространственный анализ — новый курс на LuckyTemplates
Заключение
Анализ модели гравитации Хаффа показывает корреляцию между количеством посетителей и расстоянием от места расположения магазина. Следовательно, привлекательность и удаленность могут влиять на вероятность посещения потребителем определенного магазина.
Эта модель может помочь вам определить прогнозы продаж для офисов. Включение этого анализа в вашу бизнес-модель может предоставить большой объем информации о потенциальных сайтах.
Опять же, это еще один наглядный пример того, чего мы можем достичь с помощью анализа и LuckyTemplates, превратив статические данные в динамическое представление.
Перейдите по ссылкам ниже для получения дополнительных примеров и соответствующего контента.
Ваше здоровье!
Павел
Что такое self в Python: примеры из реального мира
Что такое self в Python: примеры из реального мира
Как сохранить и загрузить файл RDS в R
Вы узнаете, как сохранять и загружать объекты из файла .rds в R. В этом блоге также рассказывается, как импортировать объекты из R в LuckyTemplates.
Новый взгляд на первые N рабочих дней — решение для языка кодирования DAX
В этом руководстве по языку программирования DAX вы узнаете, как использовать функцию GENERATE и как динамически изменять название меры.
Продемонстрируйте идеи с помощью метода многопоточных динамических визуализаций в LuckyTemplates
В этом учебном пособии рассказывается, как использовать технику многопоточных динамических визуализаций для создания аналитических сведений из динамических визуализаций данных в ваших отчетах.
Введение в фильтрацию контекста в LuckyTemplates
В этой статье я пройдусь по контексту фильтра. Контекст фильтра — одна из основных тем, с которой должен ознакомиться любой пользователь LuckyTemplates.
Лучшие советы по использованию приложений в онлайн-службе LuckyTemplates
Я хочу показать, как онлайн-служба LuckyTemplates Apps может помочь в управлении различными отчетами и аналитическими данными, созданными из различных источников.
Анализ изменений маржи прибыли с течением времени — аналитика с LuckyTemplates и DAX
Узнайте, как рассчитать изменения вашей прибыли, используя такие методы, как разветвление показателей и объединение формул DAX в LuckyTemplates.
Идеи материализации кэшей данных в DAX Studio
В этом руководстве будут обсуждаться идеи материализации кэшей данных и то, как они влияют на производительность DAX при предоставлении результатов.
Бизнес-отчетность с использованием LuckyTemplates
Если вы все еще используете Excel до сих пор, то сейчас самое подходящее время, чтобы начать использовать LuckyTemplates для своих бизнес-отчетов.