Resumen: Este artículo fue publicado originalmente en CSDN por el equipo técnico de Grape City. Indique la fuente de la reimpresión: sitio web oficial de Grape City , Grape City proporciona a los desarrolladores herramientas, soluciones y servicios de desarrollo profesional para empoderar a los desarrolladores.
No dejes que el “no puedo” sea una barrera para la transformación digital
A medida que se acelera el ritmo de la digitalización, cada vez más empresas comienzan a centrarse en la presentación y generación de informes de datos. La integración, limpieza y procesamiento secundario de datos originales son cada vez más comunes. Para realizar las funciones anteriores, las empresas tienen que gastar una gran cantidad de mano de obra y recursos materiales para procesar los datos originales. Sin embargo, debido a los rápidos cambios en los escenarios comerciales, la lógica de procesamiento de datos codificada en el código original se desvía seriamente de las necesidades reales. En vista de esto, es urgente contar con una herramienta que pueda realizar el procesamiento de datos por sí misma y luego mostrar los resultados del procesamiento en múltiples dimensiones. Así que hoy, me gustaría recomendar una herramienta de software para todos: el software de inteligencia empresarial Wyn.
Como software de BI, el software de inteligencia de negocios de Wyn es compatible con una variedad de excelentes capacidades de visualización visual y capacidades de análisis de BI de autoservicio, que básicamente pueden satisfacer las necesidades de visualización de datos de la mayoría de las empresas. Las capacidades de integración flexibles permiten a los usuarios una sustitución verdaderamente libre. Y con el desarrollo del producto, también se introducen a su vez expresiones más potentes y flexibles, para que pueda enfrentarse a más y más escenarios de usuarios. los datos que el líder quiere ver con un solo clic y cree fácilmente una pantalla grande con la que el líder esté satisfecho.
Potentes capacidades de análisis de datos: análisis de expresión (con demostración)
Antes de introducir expresiones, presentemos brevemente la interfaz de la aplicación del software y algunos métodos básicos de uso. (Esta vez, la atención se centra en el método de análisis directo en el nivel del diseñador del tablero del software de inteligencia empresarial Wyn. Todos los métodos se pueden agregar directamente en el tablero)
Las expresiones analíticas admiten dos tipos: columnas calculadas y medidas.
Columna calculada : se refiere a agregar una nueva columna sobre la base de la tabla original. La columna recién agregada es equivalente a un nuevo campo utilizado. Por lo general, se usa para el análisis del cálculo del proceso y la creación de un nuevo análisis de dimensión, y también se puede usar para el cálculo directo.
Valor medido : el valor medido debe realizar ciertas operaciones de agregación. Calculará la expresión que establezca en función de su clasificación limitada, por lo que se calcula y analiza más sobre la base del análisis dimensional, y los resultados generados solo pueden ser se utiliza en campos numéricos porque los datos que contiene son en sí mismos el resultado de cálculos.
Introducción a los conceptos básicos de la interfaz de expresión:
Hay algunos puntos a los que hay que prestar especial atención:
1) Al escribir expresiones, generalmente puede dividir las expresiones difíciles en varias expresiones. Por ejemplo (a+b)*c, primero podemos usar el resultado del cálculo a+b como una nueva columna calculada, y luego esta columna calculada se reutilizará como un nuevo campo para multiplicar c, de modo que el campo compartido pueda ser extraído, mejorar la reutilización.
2) El uso razonable de funciones de filtrado como Filtrar y Calcular puede acelerar hasta cierto punto el cálculo de expresiones. Cuando ya no se necesitan ciertos valores, se reduce el uso excesivo de if, y estos datos se filtran directamente para mejorar la velocidad de las expresiones.
Puede usar "//" para escribir comentarios y, al mismo tiempo, agregar sus propios comentarios en algunas expresiones para facilitar la lectura futura y la toma de control de otras personas.
3) En el proceso de uso, las comillas simples '' se usan para escribir "nombre de tabla", los corchetes [] se usan para escribir "nombre de campo" y "" las comillas dobles representan "cadena". Por ejemplo: 'Detalles de ventas'[Importe del pedido] representa el campo Importe del pedido de la tabla Detalles de ventas. Cuando no hay nombres de campos duplicados en varias tablas, puede usar directamente [] para hacer referencia al campo sin el nombre de la tabla. (Nota: todos son caracteres en inglés)
Para obtener más información, consulte la introducción del documento de ayuda ( https://www.grapecity.com.cn/solutions/wyn/help/docs/wax ), por lo que no entraré en detalles aquí. Introducción a la expresión de inicio directo:
- YoY-QoQ
Creo que en muchos escenarios de análisis, el año a año y el mes a año nunca estarán ausentes, ya sea en el análisis mensual, el análisis trimestral o el análisis anual. Todos prestarán atención a los cambios relativos a la dimensión temporal anterior o al mismo período. Este es también el método básico de comparación de datos que los líderes quieren ver.
Análisis año tras año :
Año tras año en realidad está calculando el total del año actual y el total del año anterior, y luego calcula la tasa de crecimiento para el mismo período.
Así que el primer paso es calcular el total del año pasado:
var basetable = SelectColumns(
'同比测试',
"年度", '同比测试'[下年度],
"订单金额",'同比测试'[订单金额])
return Calculate(
SumX(basetable,[订单金额]), Values([年度]))
En la expresión anterior, primero se crea una tabla temporal y se agregan dos nuevos campos, año y cantidad, a la tabla temporal. Entre ellos, el año es el año siguiente al año en curso, es decir, el año +1. Y este año es lo que usamos como condición de filtro en la siguiente expresión.
La segunda expresión primero usa la tabla recién creada para sumar la cantidad y luego filtra el campo "año" (valores [año]). Porque cuando se toma el valor real, se filtrará según la asociación, y se obtendrá el valor interanual correspondiente, y entonces el cálculo interanual será suficiente. Para obtener más información, consulte la siguiente ilustración.
Divide('Prueba año tras año' [total año actual] - 'prueba año tras año' [total año pasado], 'prueba año tras año' [total año pasado])
El último paso es calcular la relación año a año, esta expresión es muy simple, usa el total de este año menos el total del año pasado, y luego resta el año, que es la tasa de crecimiento.
Análisis de anillos:
Con una base anual, la relación de la cadena es en realidad la misma. Año a año se toma del año pasado, y cadena a trimestre se toma del último trimestre o del último mes. Tomando como ejemplo el mismo trimestre, la expresión es la siguiente:
var basetable = SelectColumns(
'同比测试',
"年度", '同比测试'[环比年度],
"季度", '同比测试'[环比季度],
"订单金额",'同比测试'[订单金额])
return Calculate(
SumX(basetable,[订单金额]), Values([年度]))
El principio sigue siendo el mismo, primero cree una tabla temporal y use los cálculos de año a año y de trimestre a trimestre de la tabla temporal. Aquí puede consultar la comprensión del año anterior año tras año. Cuando el objeto de cálculo son los primeros tres trimestres, no es necesario realizar ningún procesamiento, y es natural agregar uno. Pero cuando está en el cuarto trimestre, no hay un quinto trimestre en este momento, por lo que debe coincidir con el año, primero agregue uno al año y luego regrese al primer trimestre del trimestre, es decir, regrese al primer trimestre del segundo año . Una vez hecho esto, calcule y filtre de acuerdo con el método anterior, y pase el año para realizar el filtrado.
Una vez que los datos están listos, es el enlace de presentación. Simplemente arrastre y suelte los datos creados por el sistema en la página y podrá ver el efecto:
En este punto, se completa un análisis año tras año.
- análisis de intervalo
En el escenario de análisis comercial, a menudo verá una pantalla completa de datos de ventas y las cifras de ventas de diferentes regiones se organizan de manera aleatoria sin ninguna distinción. En este momento, es necesario realizar un análisis de intervalo en los datos finales. Por ejemplo, quiero saber qué regiones tienen ventas de 100w-200w y qué regiones tienen ventas de 200w-300w.
Para este escenario, ¿cómo debería implementarse? Ordenemos las ideas juntos:
En primer lugar, está claro si se debe encontrar la suma de la cantidad según las diferentes regiones, y luego estas regiones deben dividirse según los diferentes niveles de ventas. De esta manera, los datos se pueden dividir en múltiples intervalos para su análisis. El método de implementación específico es el siguiente:
var sales = SUMX('订单明细','订单明细'[购买数量]\*'订单明细'[订单单价])
var sales1 =
calculate(sales,Values('销售大区'[大区]))
var categories=
SWITCH(
TRUE,
sales1 \< 8000000, "小于800万",
sales1 \>= 8000000 && sales1 \< 12000000, "大于800万小于1200万",
sales1 \>= 12000000 , "大于1200万"
)
return categories
El primer paso anterior es encontrar la suma de la cantidad.Después de averiguarlo, debemos hacer un filtro según la región. Este filtrado se realizará solo durante el enlace de datos, y luego la cantidad calculada se dividirá de acuerdo con el rango deseado, de modo que se puedan obtener nuevos campos (columnas calculadas) y los datos se puedan dividir al mismo tiempo. El siguiente es el enlace de visualización de datos:
- Análisis del modelo RFM
Además de las aplicaciones comunes descritas anteriormente, el modelo RFM también es un indicador de medición muy importante en términos de indicadores de ventas. Se puede utilizar para analizar el valor del cliente, lo que permite a los analistas saber con mayor claridad qué clientes son más importantes.
- R (Recency), el último intervalo de consumo
- F (Frecuencia), frecuencia de consumo
- M (Monetario), cantidad de consumo
En términos generales, cuanto más corto sea el intervalo del último consumo, mayor será la frecuencia de consumo y la cantidad de consumo, mayor será el valor para el cliente. Con base en este principio, es necesario calcular el promedio correspondiente R, F y M respectivamente, y luego comparar si el cliente es mayor o menor que el promedio. Los que son mayores que el promedio son naturalmente de mayor valor.
Comience con una idea, primero calcule el promedio R, F, M
R_Avg
CALCULATE(
AVERAGEX(
SUMMARIZECOLUMNS(
'Customer'[Name],
"rdayValues",
datediff(
'Sales'[Rday],
'Sales'[Rmax],
day
)
),
[rdayValues]
),
REMOVEFILTERS('Customer'[Name])
)
La diferencia de datos anterior calcula la cantidad de días entre la fecha del último consumo del cliente y la fecha de la última transacción del negocio, y luego calcula el valor promedio. Debido a que es el valor promedio, el filtro también debe eliminarse, de lo contrario, se clasificará automáticamente al vincular la clasificación.
F_Avg
CALCULATE(
AVERAGEX(
SUMMARIZECOLUMNS(
'Customer'[Name],
"fCount",
calculate(
DISTINCTCOUNTX('Sales','Sales'[Order Number])
)
),
[fCount]
),
REMOVEFILTERS('Customer'[Name])
)
Aquí se solicita el recuento único de consumo del cliente, es decir, DISTINCTCOUNTX, y luego se calculan todos los promedios y se elimina el filtrado, igual que antes.
M_Avg
CALCULATE(
AVERAGEX(
SUMMARIZECOLUMNS(
'Customer'[Name],
"mValues",
calculate(
'Sales'[M]
)
),
[mValues]
),
REMOVEFILTERS('Customer'[Name])
)
El último es el valor promedio de la cantidad de consumo.[M] en la expresión se ha agregado, y luego sigue siendo el filtro promedio y de eliminación.
Los anteriores son valores promedio calculados, es decir, campos de comparación calculados, que se utilizan para medir el consumo del cliente y luego calcular el valor propio de cada cliente. Podemos ver en las expresiones anteriores que cada extremo usa un removeFilters. Esta función es para quitar el filtro. El efecto es que el cálculo real de Wyn se basará en la clasificación que vincula, es decir, el valor será diferente debido a la clasificación vinculante, por lo que el cálculo del valor real de cada cliente es muy simple, elimine todo lo anterior. expresiones AVEGAGEX , eliminar removeFilters. Es decir, eliminando el promedio y eliminando el filtro. Son los datos propios de cada cliente:
R：DATEDIFF( 'Sales'[Rday], 'Sales'[Rmax], Day )
F：DISTINCTCOUNTX('Sales','Sales'[Order Number])
M：SUMX( 'Sales', 'Sales'[Quantity]\*'Sales'[Net Price] )
Luego use el valor propio de cada cliente para hacer un juicio con el valor promedio para averiguar si el cliente es más valioso. De esta forma, se pueden distinguir todos los datos:
R↑F↑M↑: clientes de valor importante
R↑F↑M↓: clientes de valor general
R↑F↓M↑: importantes clientes de desarrollo
R↑F↓M↓: clientes de desarrollo general
R↓F↑M↑: Importante para mantener clientes
R↓F↑M↓: generalmente mantener a los clientes
R↓F↓M↑: Importante para fidelizar clientes
R↓F↓M↓: generalmente retener clientes
Luego, para encontrar su valor, las tres dimensiones son en realidad las mismas:
R：IF( 'Sales'[R]\<='Sales'[Ravg], "R_UP", "R_DOWN" )
F:：IF( 'Sales'[F]\<='Sales'[Favg], "F_UP", "F_DOWN" )
M：IF( 'Sales'[M]\<='Sales'[Mavg], "M_UP", "M_DOWN" )
Hasta ahora, se ha formado un modelo de datos para el análisis del valor del cliente. Echemos un vistazo a los resultados finales de la pantalla:
Después de presentar tanto, creo que todos también han visto la interfaz poderosa y genial del software de inteligencia empresarial Wyn. Aquí hay solo una breve introducción a varios métodos, que en realidad contienen docenas de expresiones diferentes, que pueden analizar datos de múltiples niveles, como tiempo, texto y números. Y además de las expresiones mencionadas en el artículo, el software de inteligencia comercial de Wyn también brinda capacidades de clasificación, filtrado, clasificación y formato de campos que se pueden configurar directamente en el gráfico. Permita que los usuarios creen fácilmente un BI Kanban completo.
Además del cálculo de expresiones en el nivel de diseño de BI, el software de inteligencia comercial de Wyn también puede realizar funciones completas como el cálculo de expresiones, el cálculo de grupos y el control de autoridad en el nivel de adquisición de datos. Como software de arquitectura B/S, los clientes solo necesitan poder acceder al servidor para hacer su propio diseño y visualización de pantallas grandes.
Además, el software de inteligencia comercial de Wyn proporciona cientos de interfaces diferentes, lo que permite a los usuarios integrarse en sistemas o productos existentes sin sentirlo. La persona que llama puede verlo por separado, llamar a la interfaz por separado para obtener datos de la plataforma, etc. Y viene con control de autoridad completo para garantizar que la información no se filtre. Al mismo tiempo, también es posible integrar el inicio de sesión único y utilizar el personal existente de la empresa en el sistema para organizar y administrar los datos. Es un software genial, no lo pruebes pronto.
Enlace de extensión:
Project Combat: Sistema de adquisición de cotizaciones en línea (React +SpreadJS+Echarts)