销售需求丨借贷记账法

2024-02-04 02:58
文章标签 销售 需求 借贷 记账法

本文主要是介绍销售需求丨借贷记账法,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

本期呢,白茶决定分享一下一位星球小伙伴的提问。

(示例文件会放到知识星球中,小伙伴们可以搜索“PowerBI丨需求圈”,文章结尾处会有二维码。)

这个是本期的示例文件,将其导入到PowerBI中:

问题是什么?问题是当项目名称作为切片器的时候,选择其中的任意一项,比如说选择“现金”,那么呈现出来的结果需要是包含PS001的两项,就是“现金”与“银行”。

白茶在最开始思考的时候,脑子都蒙了,这是啥算法,是不是原始数据有问题啊,为什么是这个样子的?

后来小伙伴说了,这是典型的借贷记账法。因为一进一出,看起来非常的不方便,需要能对其中的项目进行筛选。原谅白茶,没学过财务算法,第一时间没反应过来。

那么问题弄清楚了, 咱们来思考一下如何处理。

筛选项目,选择其中一项,让同属于一张订单的其他项目也显示,涉及到的知识点有点多:

第一,一定要有一个可以随意筛选的维度,这样可以保证能让可视化插件不完全受切片器的影响。

第二,当选择其中一个项目的时候,需要筛选整个表,让整个表迭代选择相关的订单,取同一订单的其他项目。

第三,取值,利用维度对相关数据进行取值计算。

思路清楚了,开始编写代码。

首先是维度,提取一个维度可随意筛选。

编写代码:

维度表 = 
VALUES ( '示例'[项目名称] )

利用VALUES函数的特性,去掉重复值,保留唯一值。这个表不需要与事实表建立联系。

结果如下:

编写如下代码:

借贷记账法 = 
VAR HQ =CALCULATETABLE (VALUES ( '示例'[订单编号] ),'示例'[项目名称] = ALLSELECTED ( '维度表'[项目名称] ))
RETURNCALCULATE ( SUM ( '示例'[金额] ), HQ )

结果如下:

动态展示一下:

基本上达到小伙伴的需求,解释一下代码含义:

**VALUES(‘示例’[订单编号])**在这里是为了去除重复值,提取一个不重复订单日期的表。

利用CALCULATETABLE表函数,对VALUES进行条件的限定,什么条件呢?

**[项目名称]**符合被ALLSELECTED函数筛选的项目。

通过CALCULATE对[金额]进行汇总以及上下文转换,提取原本行上下文中的[金额]值,转化为符合ALLSELECTED筛选条件的值,进行分类汇总。

最后,输出结果。
小伙伴们,GET了么?
(白茶:Biu~❤)

这里是白茶,一个PowerBI的初学者。

下面这个知识星球是针对有实际需求的小伙伴,有需要的请加入下面的知识星球。
(这个星球里面有白茶之前所有的案例文件。)

ID:Storysming

这篇关于销售需求丨借贷记账法的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/676188

相关文章

十四、我们应当怎样做需求分析:子用例与扩展用例

用例模型作为UML中4+1视图中非常重要的一员,非常集中地体现了面向对象的分析与设计思想。用例模型将现实世界中连续的一个一个业务流程,按照场景划分到了一个一个的用例中。由于场景的出现,使得用例中的业务流程存在着高度的内聚性,从而成为了日后各种对象的雏形。同时,在用例分析中,又将那些存在于各个用例中的,相同或相近的业务操作提取出来,形成一个一个的子用例或扩展用例,又体现了面向对象设计中的复用性。现在

十三、我们应当怎样做需求分析:查询报表分析

在我以往的用例分析中,使用这样格式的用例模式,对于大多数业务操作流程来说是得心应手的,但对于有些功能来说总感觉不对劲。感觉不对劲的,就是那些查询、汇总与报表功能。对于这部分功能,需要我们描述的不是什么操作流程,而更重要的是那些数据项、数据来源、报表格式、数据链接,以及使用者、使用频率的说明。而这些,在以往的用例说明格式中统统都没有,怎么办呢?俗话说“东西是死的人是活的”,把我们的用例格式改改吧。

九、我们应当怎样做需求分析:功能角色分析与用例图

在我们进行一系列需求调研工作的同时,我们的需求分析工作也开始启动了。需求调研与需求分析工作应当是相辅相伴共同进行的。每次参加完需求调研回到公司,我们就应当对需求调研的成果进行一次需求分析。当下一次开始进行需求调研时,我们应当首先将上次需求分析的结果与客户进行确认,同时对需求分析中提出的疑问交给客户予以解答。这就是一个需求捕获->需求整理->需求验证->再需求捕获的过程。  但是,当我们经

八、我们应当怎样做需求调研:需求捕获(下)

前面我们讨论了,需求分析工作是一个迭代的过程:需求捕获->需求整理->需求验证->再需求捕获······需求捕获是这个迭代过程的开始,也是整个需求分析工作中最重要的部分。没有捕获哪来后面的整理与验证工作?但是,非常遗憾,按照我以往的经验,需求捕获是我们最薄弱的环节。前面我提到的许许多多项目开发的问题都可以归结为需求分析的问题,而许许多多需求分析的问题又都可以归结为需求捕获不完整的问题。需求捕获是整

七、我们应当怎样做需求调研:需求捕获(上)

前面我们讨论了,需求分析工作是一个迭代的过程:需求捕获->需求整理->需求验证->再需求捕获······需求捕获是这个迭代过程的开始,也是整个需求分析工作中最重要的部分。没有捕获哪来后面的整理与验证工作?但是,非常遗憾,按照我以往的经验,需求捕获是我们最薄弱的环节。前面我提到的许许多多项目开发的问题都可以归结为需求分析的问题,而许许多多需求分析的问题又都可以归结为需求捕获不完整的问题。需求捕获是整

六、我们应当怎样做需求调研:迭代

前面我一直在反复强调这样一个观点,需求分析不是一蹴而就的,是一个反复迭代的过程。它将从第一次需求分析开始,一直持续到整个项目生命周期。为什么这样说呢?让我们一起来分析分析。  在第一次的需求分析阶段,我们在一段时期内需要与客户进行反复地讨论,这个过程往往是这样一个反复循环的过程:需求捕获->需求整理->需求验证->再需求捕获••••••  需求捕获,就是我们与客户在一起开研讨会

五、我们应当怎样做需求调研:需求研讨

前面我们探讨了业务研讨会应当怎样组织,下面我们再具体讨论一下我们应当怎样与客户讨论业务需求。如果说组织业务研讨会是项目经理的功底,那么讨论业务需求就是需求分析人员的功底。  以往我们常常认为,需求分析是一件最简单的事情。客户说他们需要做一个什么软件,有些什么功能,我们照着做就可以了,所谓的需求分析员就是需求的记录员。我要说,这是一个极大的错误,许多失败的软件项目,或者说软件项目中的需求问

知名AIGC人工智能专家培训讲师唐兴通谈AI大模型数字化转型数字新媒体营销与数字化销售

在过去的二十年里,中国企业在数字营销领域经历了一场惊心动魄的变革。从最初的懵懂无知到如今的游刃有余,这一路走来,既有模仿学习的艰辛,也有创新突破的喜悦。然而,站在人工智能时代的门槛上,我们不禁要问:下一个十年,中国企业将如何在数字营销的浪潮中乘风破浪? 一、从跟风到精通:中国数字营销的进化史 回顾过去,中国企业在数字营销领域的发展可谓是一部"跟风学习"的编年史。从最初的搜索引擎营销(SEM),

真实案例分享:零售企业如何避免销售数据的无效分析?

在零售业务的数据分析中,无效分析不仅浪费时间和资源,还可能导致错误的决策。为了避免这种情况,企业必须采取策略来确保他们的数据分析工作能够产生实际的商业价值。本文将通过行业内真实的案例,探讨零售企业如何通过精心设计的数据策略和分析方法,借助商业智能BI工具,避免销售数据的无效分析,确保每一次分析都能为业务增长提供有力的支持。 文章中提到的BI数据分析工具分享给大家—— https://s.fan

【销售预测 ARIMA模型】ARIMA模型预测每天的销售额

输入数据txt格式: 2017-05-01 100 2017-05-02 200 ……. python 实现arima: # encoding: utf-8"""function:时间序列预测ARIMA模型预测每天的销售额author:donglidate:2018-05-25"""# 导入库import numpy as np # numpy库from statsmode