Сегментирование параметров на основе рейтинга — расширенный аналитический метод для LuckyTemplates

В этом примере мы продвинемся в LuckyTemplates, используя DAX. Мы собираемся сосредоточиться на сегментации параметров на основе их рейтинга в этой конкретной таблице. Вы можете посмотреть полное видео этого урока в нижней части этого блога.

Это удивительная концепция того, как вы можете использовать вычисляемые столбцы в LuckyTemplates. Это может дать дополнительную информацию, которую невозможно было бы получить с помощью традиционных инструментов, таких как Excel.

Эффективное использование этих методов, а затем реализация великолепных визуализаций вокруг них, в которые я также углублюсь, может действительно убедительно продемонстрировать ваши данные.

Оглавление

• Визуализация сегментированных данных
• Сегментация и ранжирование ваших данных
• Заключение

Визуализация сегментированных данных

Я всегда говорил об удивительной аналитической мощи LuckyTemplates, но вы не увидите такого уровня анализа, если будете использовать формулы DAX одну за другой. Его истинная сила проявляется, когда вы используете комбинацию различных формул и техник, сложенных вместе.

Это то, что я собираюсь показать вам с помощью визуализации ниже.

Опять же, данные, показанные здесь, не могут быть проанализированы так глубоко, если вы не наложите несколько формул друг на друга . Я называю этот метод мерой ветвления . Чтобы добавить к этому, я также наложил некоторую логику вычисляемых столбцов, чтобы еще больше разбить результаты. Это лучший способ получить действительно хорошее представление о таком деле.

Например, на этой точечной диаграмме в нижней правой части отчета вы увидите, что разные цвета представляют разные группы данных. В этом случае точки представляют города, причем каждый цвет показывает вам лучшие, худшие и те, чьи рейтинги в порядке.

Вы также увидите, что наша ось Y показывает изменение маржи поквартально . С другой стороны, ось x показывает изменение продаж поквартально .

Это тип понимания, который мы получаем, когда мы сегментируем наши данные по ветвлению меры. Он показывает, было ли большое увеличение продаж результатом большого увеличения маржи, и наоборот. Он показывает вам корреляцию между этими точками данных.

Конечно, это всего лишь демонстрационный набор данных, поэтому огромного кластера вы не увидите. Но как только вы примените этот метод к своим собственным данным, вы сможете получить еще более точные сведения.

Объединив все эти формулы и приемы, вы также заметите разницу в общем виде и ощущении визуализации. Я покажу вам, что я имею в виду, удаляя легенду для City Group.

Обратите внимание, что я создал легенду группы городов, используя логику вычисляемых столбцов . Поэтому, когда я удаляю эту легенду, способ отображения данных меняется. Это не дает столько понимания, сколько нам нужно.

Все, что мы видим сейчас, это общие точки данных. Он не показывает нам, где находятся наши худшие или лучшие клиенты. Это само по себе лишает многих знаний, которые мы должны получить.

Теперь мы видим, что эти дополнительные слои логики фактически позволяют нам видеть вещи в гораздо лучшем свете .

Теперь позвольте мне вернуть City Group в качестве легенды.

Как видите, визуализация значительно улучшается.

Сегментация и ранжирование ваших данных

На этот раз я хочу показать вам, как я сегментировал эти группы клиентов, чтобы создать легенду.

Внутри вычисляемого столбца я использовал , чтобы получить рейтинг каждого города на основе заданных измерений. В этом случае мы ранжируем их на основе продаж.

В формулу я включил регионы в нашей таблице и их общий объем продаж .

RANKX здесь чрезвычайно полезен, потому что он дает нам возможность организовать все эти данные и получить некоторое представление о них.

Мы можем проверить не только, какие города преуспевают, но и какие из них неэффективны, поэтому они находятся далеко внизу столбца.

Эта функция также является основой следующей логики, которую я собираюсь использовать.

Поэтому помимо RANKX я также использовал для создания дополнительного измерения.

Благодаря этому дополнительному слою я теперь могу видеть, какие у меня самые эффективные города, а какие худшие. Таким образом, если City Sales Rank ниже или равен 10, они помечаются как часть «Лучших».

Это действительно отличный метод, который вы можете использовать для создания дополнительных способов сегментации ваших данных. Обратите внимание, что это полезно не только в точечной диаграмме. Это также может быть применено к различным типам визуализации.

Например, вы также можете использовать его в кольцевой диаграмме, как показано ниже.

Вы также увидите, что кольцевая диаграмма и точечная диаграмма перемещаются рядом друг с другом. Поэтому, если я нажму на часть, которая представляет наихудшие числа на кольцевой диаграмме, точечная диаграмма также скорректируется.

Это позволяет нам сосредоточиться на подмножествах данных или других измерениях.

Методы сегментации клиентов с использованием модели данных — LuckyTemplates и DAX
Использование DAX для сегментации и группировки данных в LuckyTemplates
Сегментация данных на основе процентных групп — Advanced DAX в LuckyTemplates

Заключение

Попробуйте погрузиться в эти методы и внедрить некоторые из них в свои собственные модели. Я уверен, что вы увидите хорошие результаты, и вы будете довольны результатами с точки зрения того, что вы получите в своих отчетах и ​​на панели инструментов.

Надеюсь, вы видите, как сочетание этих различных методов может помочь вам достичь действительно продвинутого уровня анализа. Делая это в LuckyTemplates, вы можете получить действительно подробные отчеты и высококачественные визуализации, как в нашем примере.

Всего наилучшего.