Klantanalyses maken met Power BI

Dit is een artikel uit een serie over het gebruik van dynamische dashboards in Microsoft Power BI. Inzicht krijgen in je data en op basis daarvan bijsturen, dat is in het kort de kracht van Power BI. De data kan overal vandaan komen: CRM, ERP, HRM, finance, big data, Excel, internet, bedenk het maar. In deze serie laten we je de mogelijkheden zien aan de hand van Bits & Bikes B.V., een fictieve groothandel in fietsen en fietsaccessoires. Onderaan dit artikel kun je zelf aan de slag met het dashboard.

Klantanalyses maken met Power BI

Het leuke van Power BI is dat je zelf je eigen inzichten kunt creëren. Je moet het niet doen met een aantal voorgedefinieerde grafieken, in de hoop dat daar tussen zit wat je nodig hebt. Nee, je maakt je eigen berekeningen en creëert daarmee je eigen inzichten. Dat is een groot verschil ten opzichte van standaard dashboardtools.

Berekening dit jaar

In het vorige artikel hebben we de meting ‘Omzet dit jaar’ gemaakt, die de netto-omzet berekend na aftrek van korting. De DAX-expressie is:

Omzet dit jaar = SUMX(Verkoop; Verkoop[VerkoopprijsBruto] - Verkoop[Korting])

Nu willen we graag weten hoe zich dat verhoudt ten opzicht van de omzet van vorig jaar.

Berekening vorig jaar

In DAX zijn er veel functies beschikbaar die je kunnen helpen met het plaatsen van data in de tijd. We willen eenzelfde berekening maken als bij ‘Omzet dit jaar’, maar dan de waarden gebruiken van dezelfde periode in het vorige jaar. Dat kan DAX voor je doen.

Omzet vorig jaar = CALCULATE([Omzet dit jaar];SAMEPERIODLASTYEAR(Kalender[Datum]))

We maken een nieuwe DAX-expressie die een berekening maakt als in ‘Omzet dit jaar’, maar die dan met behulp van de functie SAMEPERIODLASTYEAR de omzetwaarden gebruikt uit dezelfde periode een jaar eerder. De datums uit de tabel Kalender zorgen ervoor dat alle datums meedoen. Zo eenvoudig kan het zijn!

Berekening mutatie

De mutatie tussen dit jaar en vorig jaar kunnen we nu simpelweg berekenen door beide waarden van elkaar af te trekken. Hiervoor maken we een nieuwe meting aan met de naam ‘Omzet mutatie tov vorig jaar’.

Omzet mutatie tov vorig jaar = [Omzet dit jaar] - [Omzet vorig jaar]

Berekening procentuele mutatie

Natuurlijk is het dan ook nog handig om te weten wat de procentuele mutatie ten opzichte van het vorige jaar was, omdat dat pas echt wat zegt over de mutatie. Ook daarvoor maken we een nieuwe meting aan, met de naam ‘Omzet mutatie % tov vorig jaar’.

Omzet mutatie % tov vorig jaar = DIVIDE([Omzet mutatie tov vorig jaar];[Omzet vorig jaar];0)

De functie DIVIDE zorgt ervoor dat we geen delen-door-nul-fout krijgen wanneer de omzet van vorig jaar 0 was.

Visualiseren

In het datamodel hebben we aan de feitentabel Verkoop een dimensietabel Klanten gekoppeld. Daardoor kunnen we nu in beeld brengen wat de omzet dit jaar en vorig jaar was per klant, zodat we de klanten met de grootste omzetstijging eruit kunnen halen.

blank blank

Meer weten?

In het volgende artikel laten we meer zien over hoe je trendontwikkelingen in de data zichtbaar kunt maken. Dat doen we aan de hand van een rapport met de verkoopanalyse van offertes.

Rapport Klantanalyse

Klik op het pijltje blank rechts onderin om het dashboard op volledig scherm te tonen.

Geef een reactie

Het e-mailadres wordt niet gepubliceerd. Vereiste velden zijn gemarkeerd met *