Сегментация данных на основе процентных групп — Advanced DAX в LuckyTemplates

В этом руководстве я собираюсь рассмотреть довольно продвинутую технику сегментации данных , которая связана с динамической группировкой данных внутри LuckyTemplates . Вы можете посмотреть полное видео этого урока в нижней части этого блога.

В этом уроке мы специально рассмотрим именно эту конкретную визуализацию на этой панели, которую я использовал во время Learning Summit, посвященной информации о клиентах.

В этом случае мы группируем или сегментируем клиентов на основе процента продаж. Мы используем дополнительную таблицу или вспомогательную таблицу и объединяем ее с формулами DAX для создания этой группы.

Оглавление

• Сегментация клиентов на основе процента продаж
• Использование вторичной или вспомогательной таблицы
• Работа с переменными
• Логика для сегментации данных
• Как повторно использовать формулу сегментации данных
• Заключение

Сегментация клиентов на основе процента продаж

Одна группа находится в верхних 20%, другая группа находится в диапазоне от 25% до 80%, а третья группа находится в нижних 25%. Я использовал эти проценты и прогнал их через формулу DAX , чтобы затем создать эти группы Top, Mid и Bottom .

Сегментация в этом случае основана на продажах, поэтому это диаграмма, показывающая продажи и маржу для любого конкретного периода времени, но сегментация произошла по продажам.

На этой точечной диаграмме мы видим 20% лучших клиентов; они представлены темно-синими пятнами. Средние клиенты с точки зрения продаж занимают от 25% до 80%; они представлены бледно-голубыми пятнами в средней части диаграммы. Нижние 25% клиентов по объему продаж отмечены голубыми точками в нижней части диаграммы. 

Это довольно продвинутый метод сегментации данных, когда мы включаем в расчеты некоторую продвинутую логику для создания этих групп, которых просто не существует . Другими словами, в наших необработанных данных нет ничего, что могло бы выделить 20 лучших клиентов, 25% худших и т. д.

Поэтому нам нужно создать эту логику, используя вспомогательную таблицу или вторичную таблицу , как я их называю. Эта таблица не имеет физического отношения ни к одной из наших таблиц в модели данных, но она является ключом к этому типу анализа.

Использование вторичной или вспомогательной таблицы

Итак, давайте посмотрим на таблицу. Вы, вероятно, можете создать эти группы разными способами, но я настроил это так для этой демонстрации.

В этой вспомогательной или вторичной таблице у нас есть группы Top, Mid и Bottom. У нас есть столбец «Низкий» и столбец «Высокий», чтобы определить, к какому сегменту принадлежит каждый клиент.

Эта вторичная таблица процентов может быть повторно использована во многих различных показателях. Мы могли бы использовать данные о продажах и легко интегрировать маржу, прибыль, затраты или любой другой расчет, который мы можем сделать. Это даже не должно быть связано с продажами или доходами. 

Мы также можем повторно использовать часть логики, потому что проценты могут быть на чем угодно. Здесь важно создать правильную логику внутри формулы. 

Итак, давайте углубимся в формулу, которую я назвал (в этом году), и рассмотрим, как я реализовал эту логику.

Работа с переменными

Давайте сначала пройдемся по первой части расчета, где мы работаем с переменными ( VAR ).

Первая переменная — это определение RankingDimension , над которым мы будем работать. В данном случае это клиенты. С помощью функции VALUES мы перебираем каждого клиента, совершившего продажу в любой конкретный период времени . 

Следующая переменная — TotalCustomers , которая вычисляет, сколько клиентов фактически совершили продажу . Мы не хотим считать всех клиентов, а только тех, кто совершил какие-то продажи. В этой логике мы используем функции CALCULATE , COUNTROWS , FILTER и ALL .

Третья переменная — это CustomerRank , где мы ранжируем наших клиентов на основе совершенных ими продаж. И это формула для ранга клиента TY .

Эта конкретная формула просто выполняет простое ранжирование, в котором используется функция RANKX .

Логика для сегментации данных

Теперь давайте погрузимся в остальную часть расчета. Это логика, которая позволяет нам проводить этот анализ сегментации данных.

Функция CALCULATE выполняет итерацию по каждому клиенту и оценивает эту вспомогательную таблицу ( группы клиентов ), которую мы создали с помощью функций COUNTROWS и FILTER . 

Затем он оценивает, больше ли CustomerRank , чем TotalCustomers , а затем умножает его на столбец Customer Groups Low . Таким образом, он спрашивает нас, выше ли CustomerRank, чем нижний.

А затем в следующей строке указывается, меньше ли CustomerRank, чем TotalCustomers, или равен ему; затем он умножается на более высокую ячейку таблицы групп клиентов.

Если он будет равен true, этот клиент будет сохранен, и мы получим общий объем продаж.

Как повторно использовать формулу сегментации данных

Эта формула немного сложна, но она действительно интересна. Мы также повторно используем этот расчет.

Например, если мы хотим посмотреть на наших клиентов по другому показателю, такому как маржа прибыли, все, что нам нужно сделать, это заменить общий объем продаж здесь на маржу прибыли и изменить рейтинг на основе маржи прибыли .

Затем мы можем использовать точно такую ​​же вспомогательную таблицу для выполнения этой логики. 

Использование DAX для сегментации и группировки данных в LuckyTemplates
Пример сегментации с использованием Advanced DAX в LuckyTemplates
Динамическое группирование клиентов по их рейтингу с RANKX в LuckyTemplates

Заключение

Это более продвинутый метод сегментации данных, который я продемонстрировал в этом руководстве. Мы используем мощь DAX и модели данных с нашей вспомогательной таблицей.

Удивительно, что мы можем сделать со всей формулой. Мы можем изменить временные рамки, и они всегда будут делить клиентов на те конкретные проценты, которые мы установили. 

Я надеюсь, что вы нашли для себя большую ценность в этом уроке и примените его в своей работе.

Всего наилучшего!

***** Изучаете LuckyTemplates? *****