Fungsi analitik (fungsi LOD) - Quick BI

Fungsi LOD adalah singkatan dari Level of Detail (LOD) Expression. Ekspresi LOD memungkinkan Anda mengontrol granularitas perhitungan untuk menyelesaikan ketidaksesuaian antara berbagai ekspresi. Topik ini menjelaskan cara menggunakan fungsi LOD.

Batasan

Tabel detail tidak mendukung fungsi LOD.

Latar Belakang

Analisis di Quick BI terutama menggunakan dimensi tetap. Sebagai contoh, untuk melihat jumlah pesanan berdasarkan wilayah dan provinsi, Anda dapat menempatkan dimensi wilayah dan provinsi pada baris tabel silang. Kemudian, tempatkan ukuran jumlah pesanan pada kolom dan atur metode agregasi ke jumlah.

Query SQL yang dihasilkan adalah sebagai berikut:

SELECT
  ADR_T_1_.`area` AS T_AAC_2_,
  ADR_T_1_.`province` AS T_A9E_3_,
  SUM(ADR_T_1_.`order_amt`) AS T_AAD_4_
FROM
  `qbi4test`.`company_sales_record` AS ADR_T_1_
GROUP BY
  ADR_T_1_.`area`,
  ADR_T_1_.`province`
ORDER BY
  T_AAC_2_ ASC,
  T_A9E_3_ ASC

Namun, bagaimana jika Anda ingin melihat data pada granularitas wilayah-provinsi dan hanya pada granularitas wilayah dalam tabel yang sama? Atau bagaimana jika Anda ingin melihat rasio atau selisih antara data provinsi dan data wilayah yang sesuai? Atau bagaimana jika Anda ingin menemukan jenis produk dengan jumlah penjualan tertinggi di setiap provinsi? Untuk menangani skenario ini, Anda perlu menggunakan fungsi LOD.

Skenario

Ekspresi Level of Detail (LOD) memungkinkan Anda mengelola beberapa tingkat detail data dalam satu visualisasi. Level of Detail mengacu pada granularitas di mana data diagregasi. Ekspresi LOD berguna untuk skenario di mana visualisasi perlu menampilkan data pada beberapa tingkat detail data secara bersamaan.

Anda dapat menggunakan ekspresi LOD untuk menambahkan dimensi dengan tingkat detail lebih tinggi atau lebih rendah dari tampilan saat ini tanpa mengubah visualisasi.

Sintaks

LOD, atau ekspresi Level of Detail, adalah fitur perhitungan yang kuat. Mereka memungkinkan Anda membuat perhitungan kompleks dan agregasi dalam analisis data Anda. Ekspresi LOD membantu Anda mengontrol granularitas perhitungan. Anda dapat menganalisis data pada tingkat tertentu (FIXED), tingkat lebih rinci (INCLUDE), atau tingkat kurang rinci (EXCLUDE). Sintaks dasarnya adalah sebagai berikut:

LOD_FIXED

Sintaks	LOD_FIXED{<Deklarasi Dimensi> : <Ekspresi Agregat>}
Parameter	Deklarasi Dimensi: Menentukan satu atau lebih dimensi yang terhubung dengan ekspresi agregat. Gunakan koma untuk memisahkan beberapa dimensi. Ekspresi Agregat: Perhitungan yang dilakukan untuk menentukan dimensi target.
Definisi	Menghitung nilai agregat tetap pada dimensi yang ditentukan, independen dari dimensi lainnya dalam grafik.
Output	Numerik
Contoh	LOD_FIXED{[Region]: BI_SUM([Jumlah Pesanan])} Artinya: Mengagregasi total Jumlah Pesanan pada granularitas Region, independen dari dimensi lainnya dalam query. Untuk lebih banyak contoh aplikasi, lihat Aplikasi fungsi FIXED.

LOD_INCLUDE

Sintaks	LOD_INCLUDE{<Deklarasi Dimensi> : <Ekspresi Agregat>}
Parameter	Deklarasi Dimensi: Menentukan satu atau lebih dimensi yang terhubung dengan ekspresi agregat. Gunakan koma untuk memisahkan beberapa dimensi. Ekspresi Agregat: Perhitungan yang dilakukan untuk menentukan dimensi target.
Definisi	Menyertakan dimensi tambahan dalam grafik untuk perhitungan agregat.
Output	Numerik
Contoh	LOD_INCLUDE{[Region]: BI_SUM([Jumlah Pesanan])} Artinya: Menambahkan Region ke dimensi query yang ada untuk agregasi dan menghitung total Jumlah Pesanan. Untuk lebih banyak contoh aplikasi, lihat Aplikasi fungsi INCLUDE.

LOD_EXCLUDE

Sintaks	LOD_EXCLUDE{<Deklarasi Dimensi> : <Ekspresi Agregat>}
Parameter	Deklarasi Dimensi: Menentukan satu atau lebih dimensi yang terhubung dengan ekspresi agregat. Gunakan koma untuk memisahkan beberapa dimensi. Ekspresi Agregat: Perhitungan yang dilakukan untuk menentukan dimensi target.
Definisi	Mengeluarkan dimensi spesifik dari grafik untuk perhitungan agregat.
Output	Numerik
Contoh	LOD_EXCLUDE{[Region]: BI_SUM([Jumlah Pesanan])} Artinya: Menghapus Region dari dimensi query yang ada, jika ada. Kemudian, mengagregasi total Jumlah Pesanan menggunakan dimensi yang tersisa. Untuk lebih banyak contoh aplikasi, lihat Aplikasi fungsi EXCLUDE.

Prosedur

Pada halaman edit dataset, klik Buat Bidang Terhitung untuk membuka kotak dialog konfigurasi.
Masukkan Nama Bidang (①). Di kotak Ekspresi Bidang, pilih fungsi LOD dan bidang yang diperlukan (②).
Setelah bidang dibuat, klik OK. Saat Anda menggunakan bidang baru untuk membuat grafik dasbor, total jumlah pesanan untuk wilayah yang sama tidak akan berubah dengan jenis produk.

Detail Ekspresi

Rumus Dasar

Struktur dan sintaks untuk ketiga jenis ekspresi LOD adalah sebagai berikut:

Struktur
- LOD_FIXED{<Deklarasi Dimensi> : <Ekspresi Agregat>}
- LOD_INCLUDE{<Deklarasi Dimensi> : <Ekspresi Agregat>}
- LOD_EXCLUDE{<Deklarasi Dimensi> : <Ekspresi Agregat>}

Contoh: LOD_FIXED{ [Order Date]:sum([Order amount])}

Detail Sintaks
- FIXED | INCLUDE | EXCLUDE: Kata kunci cakupan yang menentukan cakupan LOD.
- <Deklarasi Dimensi>: Menentukan satu atau lebih dimensi yang terkait dengan ekspresi agregat. Gunakan koma untuk memisahkan beberapa dimensi.
- <Ekspresi Agregat>: Perhitungan yang dilakukan pada tingkat detail yang ditentukan.

Kondisi Filter

Di Quick BI, selain rumus dasar, Anda juga dapat menulis kondisi filter. Ekspresinya adalah sebagai berikut, dengan deklarasi dimensi, ekspresi agregat, dan kondisi filter dipisahkan oleh titik dua:

LOD_FIXED{Dimensi1,Dimensi2...:Ekspresi Agregat:Kondisi Filter}
LOD_INCLUDE{Dimensi1,Dimensi2...:Ekspresi Agregat:Kondisi Filter}
LOD_EXCLUDE{Dimensi1,Dimensi2...:Ekspresi Agregat:Kondisi Filter}

Catatan

Kondisi filter bersifat opsional.
LOD_FIXED menghitung agregasi pada granularitas tetap, independen dari dimensi dalam tampilan. Secara default, perhitungan LOD_FIXED dilakukan pada seluruh dataset. Hanya kondisi filter dalam ekspresi yang diterapkan, sementara filter lainnya, seperti kontrol query, diabaikan.
Fungsi LOD_INCLUDE dan LOD_EXCLUDE dipengaruhi oleh konfigurasi grafik. Oleh karena itu, mereka juga dipengaruhi oleh kondisi filter eksternal.
Untuk informasi lebih lanjut, lihat Aturan Kondisi Filter.

Cara Kerjanya

Dalam praktiknya, data agregat yang dihasilkan oleh ekspresi LOD sering kali digabungkan dengan data mentah atau data pada tingkat agregasi lainnya untuk menciptakan tampilan data yang lebih kaya. Dalam SQL, ini biasanya memerlukan subquery dan operasi JOIN. Bagian ini menjelaskan cara kerja ekspresi LOD tingkat FIXED, INCLUDE, dan EXCLUDE.

Tingkat FIXED

Ingat skenario dari informasi latar belakang: Anda ingin melihat data pada granularitas wilayah-provinsi dan granularitas hanya wilayah dalam tabel yang sama.

Dalam kasus ini, Anda dapat membuat ekspresi FIXED:

LOD_FIXED{[area]:sum([order_amt])}

Dalam SQL, Anda dapat mencapai hasil ini dengan query berikut. Query ini membuat subquery untuk menghitung jumlah pesanan untuk setiap wilayah dan kemudian menggabungkan hasil subquery dengan query asli:

-- Struktur sederhana
-- lod_fixed{[area]:sum([order_amt])}
SELECT
    LOD_TM.`LOD_07AEF3F2F99A95` AS LOD_0,			-- area
    LOD_TM.`LOD_55512959145CF3` AS LOD_1,			-- province
    LOD_TM.`LOD_8BE7507A47AD81` AS LOD_2,			-- order_amt
    LOD_TP_0.`LOD_measure_result` AS LOD_3		-- lod_fixed{[area]:sum([order_amt])}
FROM
    (
        SELECT		-- Query utama: area, province, sum(order_amt)
            ADR_T_1_.`area` AS LOD_07AEF3F2F99A95,
            ADR_T_1_.`province` AS LOD_55512959145CF3,
            SUM(ADR_T_1_.`order_amt`) AS LOD_8BE7507A47AD81
        FROM
            `qbi4test`.`company_sales_record` AS ADR_T_1_
        GROUP BY
            ADR_T_1_.`area`,
            ADR_T_1_.`province`
        ORDER BY
            LOD_07AEF3F2F99A95 ASC,
            LOD_55512959145CF3 ASC
        LIMIT
            0, 20
    ) AS LOD_TM
    INNER JOIN (
        SELECT			-- Subquery LOD: area, sum(order_amt)
            ADR_T_1_.`area` AS LOD_07AEF3F2F99A95,
            sum(ADR_T_1_.`order_amt`) AS LOD_measure_result
        FROM
            `qbi4test`.`company_sales_record` AS ADR_T_1_
        GROUP BY
            ADR_T_1_.`area`
    ) AS LOD_TP_0 ON LOD_TM.`LOD_07AEF3F2F99A95` = LOD_TP_0.`LOD_07AEF3F2F99A95`


-- Struktur standar
-- lod_fixed{[area]:sum([order_amt])}
SELECT
    LOD_TM.`LOD_07AEF3F2F99A95` AS LOD_0,
    LOD_TM.`LOD_55512959145CF3` AS LOD_1,
    LOD_TM.`LOD_8BE7507A47AD81` AS LOD_2,
    LOD_TP_0.`LOD_9D09E63F2E93FA` AS LOD_3
FROM
    (
        SELECT
            SUM(ADR_T_1_.`order_amt`) AS LOD_8BE7507A47AD81,
            ADR_T_1_.`province` AS LOD_55512959145CF3,
            ADR_T_1_.`area` AS LOD_07AEF3F2F99A95
        FROM
            `qbi4test`.`company_sales_record` AS ADR_T_1_
        GROUP BY
            ADR_T_1_.`province`,
            ADR_T_1_.`area`
        ORDER BY
            LOD_07AEF3F2F99A95 ASC,
            LOD_55512959145CF3 ASC
        LIMIT
            0, 20
    ) AS LOD_TM
    INNER JOIN (
        SELECT
            LOD_TL.`LOD_07AEF3F2F99A95` AS LOD_07AEF3F2F99A95,
            LOD_TL.`LOD_55512959145CF3` AS LOD_55512959145CF3,
            SUM(LOD_TR.`LOD_measure_result`) AS LOD_9D09E63F2E93FA
        FROM
            (
                SELECT
                    ADR_T_1_.`province` AS LOD_55512959145CF3,
                    ADR_T_1_.`area` AS LOD_07AEF3F2F99A95
                FROM
                    `qbi4test`.`company_sales_record` AS ADR_T_1_
                GROUP BY
                    ADR_T_1_.`province`,
                    ADR_T_1_.`area`
            ) AS LOD_TL
            INNER JOIN (
                SELECT
                    sum(ADR_T_1_.`order_amt`) AS LOD_measure_result,
                    ADR_T_1_.`area` AS LOD_07AEF3F2F99A95
                FROM
                    `qbi4test`.`company_sales_record` AS ADR_T_1_
                GROUP BY
                    ADR_T_1_.`area`
            ) AS LOD_TR ON LOD_TL.`LOD_07AEF3F2F99A95` = LOD_TR.`LOD_07AEF3F2F99A95`
        GROUP BY
            LOD_TL.`LOD_07AEF3F2F99A95`,
            LOD_TL.`LOD_55512959145CF3`
    ) AS LOD_TP_0 ON LOD_TM.`LOD_07AEF3F2F99A95` = LOD_TP_0.`LOD_07AEF3F2F99A95`
    AND LOD_TM.`LOD_55512959145CF3` = LOD_TP_0.`LOD_55512959145CF3`

Tingkat INCLUDE

Bagaimana jika Anda ingin melihat data pada granularitas wilayah dan juga melihat proporsi provinsi dengan volume pesanan terbesar dalam wilayah tersebut di tabel yang sama?

Dalam kasus ini, Anda dapat membuat ekspresi INCLUDE:

MAX(LOD_INCLUDE{[province]:SUM([order_amt])}) / SUM([order_amt])

Dalam SQL, Anda dapat mencapai hasil ini dengan query berikut. Query ini membuat subquery untuk menghitung jumlah pesanan untuk setiap kombinasi wilayah-provinsi dan kemudian menggabungkan hasil subquery dengan query asli:

-- Struktur sederhana
-- MAX(lod_include{[province]:SUM([order_amt])}) / SUM([order_amt])
SELECT
    LOD_TM.`LOD_07AEF3F2F99A95` AS LOD_0,		-- area
    LOD_TP_0.`LOD_EC796C51A8ABAB` / LOD_TM.`temp_calculation_0` AS LOD_1  -- MAX(lod_include{[province]:SUM([order_amt])}) / SUM([order_amt])
FROM
    (
        SELECT	-- Query utama: area, sum(order_amt)
            ADR_T_1_.`area` AS LOD_07AEF3F2F99A95,
            sum(ADR_T_1_.`order_amt`) AS temp_calculation_0
        FROM
            `qbi4test`.`company_sales_record` AS ADR_T_1_
        GROUP BY
            ADR_T_1_.`area`
        ORDER BY
            LOD_07AEF3F2F99A95 ASC
        LIMIT
            0, 20
    ) AS LOD_TM
    INNER JOIN (		
        SELECT		-- Subquery LOD: area, max(order_amt)
            LOD_TP_0.`LOD_07AEF3F2F99A95` AS LOD_07AEF3F2F99A95,
            MAX(LOD_TP_0.`LOD_measure_result`) AS LOD_EC796C51A8ABAB
        FROM
            (
                SELECT		-- area, province, sum(order_amt)
                    ADR_T_1_.`area` AS LOD_07AEF3F2F99A95,
                    ADR_T_1_.`province` AS LOD_55512959145CF3,
                    SUM(ADR_T_1_.`order_amt`) AS LOD_measure_result
                FROM
                    `qbi4test`.`company_sales_record` AS ADR_T_1_
                GROUP BY
                    ADR_T_1_.`area`
                    ADR_T_1_.`province`
    ) AS LOD_TP_0 ON LOD_TM.`LOD_07AEF3F2F99A95` = LOD_TP_0.`LOD_07AEF3F2F99A95`

      
-- Struktur standar
-- MAX(lod_include{[province]:SUM([order_amt])}) / SUM([order_amt])
SELECT
    LOD_TM.`LOD_07AEF3F2F99A95` AS LOD_0,
    LOD_TP_0.`LOD_EC796C51A8ABAB` / LOD_TM.`temp_calculation_0` AS LOD_1
FROM
    (
        SELECT
            ADR_T_1_.`area` AS LOD_07AEF3F2F99A95,
            sum(ADR_T_1_.`order_amt`) AS temp_calculation_0
        FROM
            `qbi4test`.`company_sales_record` AS ADR_T_1_
        GROUP BY
            ADR_T_1_.`area`
        ORDER BY
            LOD_07AEF3F2F99A95 ASC
        LIMIT
            0, 20
    ) AS LOD_TM
    INNER JOIN (
        SELECT
            LOD_TL.`LOD_07AEF3F2F99A95` AS LOD_07AEF3F2F99A95,
            MAX(LOD_TR.`LOD_measure_result`) AS LOD_EC796C51A8ABAB
        FROM
            (
                SELECT
                    ADR_T_1_.`province` AS LOD_55512959145CF3,
                    ADR_T_1_.`area` AS LOD_07AEF3F2F99A95
                FROM
                    `qbi4test`.`company_sales_record` AS ADR_T_1_
                GROUP BY
                    ADR_T_1_.`province`,
                    ADR_T_1_.`area`
            ) AS LOD_TL
            INNER JOIN (
                SELECT
                    SUM(ADR_T_1_.`order_amt`) AS LOD_measure_result,
                    ADR_T_1_.`province` AS LOD_55512959145CF3,
                    ADR_T_1_.`area` AS LOD_07AEF3F2F99A95
                FROM
                    `qbi4test`.`company_sales_record` AS ADR_T_1_
                GROUP BY
                    ADR_T_1_.`province`,
                    ADR_T_1_.`area`
            ) AS LOD_TR ON LOD_TL.`LOD_07AEF3F2F99A95` = LOD_TR.`LOD_07AEF3F2F99A95`
        GROUP BY
            LOD_TL.`LOD_07AEF3F2F99A95`
    ) AS LOD_TP_0 ON LOD_TM.`LOD_07AEF3F2F99A95` = LOD_TP_0.`LOD_07AEF3F2F99A95`

Tingkat EXCLUDE

Untuk melihat data pada granularitas wilayah-provinsi dan hanya wilayah dalam tabel yang sama, Anda dapat menggunakan ekspresi LOD tingkat FIXED untuk menentukan dimensi 'area' untuk agregasi. Atau, Anda dapat menggunakan ekspresi LOD tingkat EXCLUDE. Karena grafik sudah mencakup dimensi wilayah dan provinsi, Anda dapat memperoleh hasil yang sama dengan mengeluarkan dimensi 'provinsi' sebelum agregasi. Ini adalah logika di balik ekspresi LOD tingkat EXCLUDE.

Dalam kasus ini, Anda dapat membuat ekspresi EXCLUDE:

LOD_EXCLUDE{[province]:SUM([order_number])}

-- Struktur yang disederhanakan
-- lod_EXCLUDE{[province]:SUM([order_number])}
SELECT
    LOD_TM.`LOD_07AEF3F2F99A95` AS LOD_0,       -- area
    LOD_TM.`LOD_55512959145CF3` AS LOD_1,       -- provinsi
    LOD_TM.`LOD_140423A9870F07` AS LOD_2,       -- nomor_pesanan
    LOD_TP_0.`LOD_measure_result` AS LOD_3      -- lod_EXCLUDE{[province]:SUM([order_number])}
FROM
    (
        SELECT      -- Kueri utama: area, provinsi, jumlah(order_number)
            ADR_T_1_.`area` AS LOD_07AEF3F2F99A95,
            ADR_T_1_.`province` AS LOD_55512959145CF3,
            SUM(ADR_T_1_.`order_number`) AS LOD_140423A9870F07
        FROM
            `qbi4test`.`company_sales_record` AS ADR_T_1_
        GROUP BY
            ADR_T_1_.`area`,
            ADR_T_1_.`province`
        ORDER BY
            LOD_07AEF3F2F99A95 ASC,
            LOD_55512959145CF3 ASC
        LIMIT
            0, 20
    ) AS LOD_TM
    INNER JOIN (
        SELECT      -- Subkueri LOD: area, jumlah(order_number)
            ADR_T_1_.`area` AS LOD_07AEF3F2F99A95,
            SUM(ADR_T_1_.`order_number`) AS LOD_measure_result
        FROM
            `qbi4test`.`company_sales_record` AS ADR_T_1_
        GROUP BY
            ADR_T_1_.`area`
    ) AS LOD_TP_0 ON LOD_TM.`LOD_07AEF3F2F99A95` = LOD_TP_0.`LOD_07AEF3F2F99A95`
    AND LOD_TM.`LOD_55512959145CF3` = LOD_TP_0.`LOD_55512959145CF3`



-- Struktur standar
-- lod_EXCLUDE{[province]:SUM([order_number])}
SELECT
    LOD_TM.`LOD_07AEF3F2F99A95` AS LOD_0,
    LOD_TM.`LOD_55512959145CF3` AS LOD_1,
    LOD_TM.`LOD_140423A9870F07` AS LOD_2,
    LOD_TP_0.`LOD_90EDFE3F5B628A` AS LOD_3
FROM
    (
        SELECT
            SUM(ADR_T_1_.`order_number`) AS LOD_140423A9870F07,
            ADR_T_1_.`province` AS LOD_55512959145CF3,
            ADR_T_1_.`area` AS LOD_07AEF3F2F99A95
        FROM
            `qbi4test`.`company_sales_record` AS ADR_T_1_
        GROUP BY
            ADR_T_1_.`province`,
            ADR_T_1_.`area`
        ORDER BY
            LOD_07AEF3F2F99A95 ASC,
            LOD_55512959145CF3 ASC
        LIMIT
            0, 20
    ) AS LOD_TM
    INNER JOIN (
        SELECT
            LOD_TL.`LOD_07AEF3F2F99A95` AS LOD_07AEF3F2F99A95,
            LOD_TL.`LOD_55512959145CF3` AS LOD_55512959145CF3,
            SUM(LOD_TR.`LOD_measure_result`) AS LOD_90EDFE3F5B628A
        FROM
            (
                SELECT
                    ADR_T_1_.`province` AS LOD_55512959145CF3,
                    ADR_T_1_.`area` AS LOD_07AEF3F2F99A95
                FROM
                    `qbi4test`.`company_sales_record` AS ADR_T_1_
                GROUP BY
                    ADR_T_1_.`province`,
                    ADR_T_1_.`area`
            ) AS LOD_TL
            INNER JOIN (
                SELECT
                    SUM(ADR_T_1_.`order_number`) AS LOD_measure_result,
                    ADR_T_1_.`area` AS LOD_07AEF3F2F99A95
                FROM
                    `qbi4test`.`company_sales_record` AS ADR_T_1_
                GROUP BY
                    ADR_T_1_.`area`
            ) AS LOD_TR ON LOD_TL.`LOD_07AEF3F2F99A95` = LOD_TR.`LOD_07AEF3F2F99A95`
        GROUP BY
            LOD_TL.`LOD_07AEF3F2F99A95`,
            LOD_TL.`LOD_55512959145CF3`
    ) AS LOD_TP_0 ON LOD_TM.`LOD_07AEF3F2F99A95` = LOD_TP_0.`LOD_07AEF3F2F99A95`
    AND LOD_TM.`LOD_55512959145CF3` = LOD_TP_0.`LOD_55512959145CF3`

Aplikasi fungsi FIXED

Ekspresi Level of Detail FIXED menghitung nilai menggunakan dimensi yang ditentukan, independen dari dimensi dalam tampilan.

Skenario aplikasi 1: Menghitung total jumlah penjualan untuk setiap wilayah

Deskripsi skenario

Saat menganalisis pesanan penjualan berdasarkan distribusi geografis, tabel data Anda berisi dimensi Wilayah dan Provinsi. Anda dapat menggunakan ekspresi FIXED untuk menghitung total jumlah untuk setiap Wilayah. Ekspresi LOD FIXED menghitung nilai hanya berdasarkan dimensi yang ditentukan dalam ekspresi, mengabaikan dimensi lain dalam tampilan. Ini memungkinkannya menghitung total jumlah penjualan untuk wilayah terkait tanpa dipengaruhi oleh detail tingkat provinsi.

Prosedur

Buat bidang terhitung.
Ekspresi Bidang: LOD_FIXED{[Region]:BI_SUM([Jumlah Pesanan])}
Arti: Menghitung jumlah total pesanan berdasarkan wilayah.
Buat grafik.
Dalam contoh ini, buat tabel silang.
Seret bidang Total Jumlah berdasarkan Wilayah yang dibuat pada langkah sebelumnya ke area Kolom. Seret bidang Wilayah dan Provinsi ke area Baris. Klik Perbarui. Sistem akan memperbarui grafik secara otomatis.
Sekarang, Anda dapat melihat bahwa total jumlah untuk wilayah yang sama konsisten dan tidak dipengaruhi oleh provinsi.

Skenario aplikasi 2: Frekuensi pesanan pelanggan

Deskripsi skenario

Manajer penjualan ingin mengetahui jumlah pelanggan yang telah melakukan satu, dua, tiga, atau lebih pesanan. Dengan memeriksa jumlah dan distribusi frekuensi pembelian pelanggan, manajer dapat menganalisis loyalitas dan pembelian berulang pelanggan. Dalam skenario ini, Anda dapat menggunakan ekspresi LOD untuk membagi satu ukuran dengan ukuran lain.

Dalam contoh ini, gunakan fungsi LOD_FIXED untuk mengonversi jumlah pesanan menjadi dimensi berdasarkan jumlah pelanggan untuk mendapatkan frekuensi pesanan pelanggan.

Prosedur

Buat bidang terhitung.
Ekspresi Bidang: LOD_FIXED{[customer_name]:COUNT([order_id])}
Arti: Menghitung jumlah pembelian untuk setiap pelanggan berdasarkan nama mereka.
Buat grafik.
Dalam contoh ini, buat grafik kolom.
Seret bidang Jumlah Pembelian yang dibuat pada langkah sebelumnya ke area Sumbu Kategori/Dimensi. Seret bidang customer_name ke area Sumbu Nilai/Ukuran dan atur ke Hitung Distinct. Klik Perbarui. Sistem akan memperbarui grafik secara otomatis.

Sekarang, Anda dapat melihat bahwa jumlah pelanggan tertinggi adalah 7 pembelian, dan satu pelanggan melakukan hingga 58 pembelian.

Skenario aplikasi 3: Papan peringkat persentase laba berdasarkan wilayah

Deskripsi skenario

Direktur penjualan regional ingin mengetahui kontribusi setiap wilayah terhadap total laba dan melihat sekilas wilayah mana yang menjadi kontributor utama. Untuk skenario ini, Anda dapat menggunakan Perhitungan Lanjutan -> Persentase dari Total, atau Anda dapat menggunakan ekspresi LOD untuk fleksibilitas lebih.

Dalam contoh ini, gunakan fungsi LOD_FIXED untuk membuat papan peringkat persentase laba berdasarkan wilayah.

Prosedur

Buat bidang terhitung.
1. Ekspresi Bidang: LOD_FIXED{:SUM([profit_amt])}
  Arti: Dalam contoh ini, sintaksis FIXED unik. Ekspresi tidak menentukan dimensi apa pun. Ini berarti ia menggabungkan total jumlah laba di seluruh dataset.
2. Kemudian, bagi SUM([profit_amt]) dengan fungsi LOD sebelumnya, seperti yang ditunjukkan dalam ekspresi: SUM([profit_amt]) / SUM(LOD_FIXED{:SUM([profit_amt])}). Ini menghitung persentase laba untuk setiap wilayah.
Buat grafik.
Dalam contoh ini, buat papan peringkat.
Seret bidang Persentase Laba Total yang dibuat pada langkah sebelumnya ke area Indikator/Ukuran. Seret bidang wilayah ke area Kategori/Dimensi. Klik Perbarui. Sistem akan memperbarui grafik secara otomatis.

Sekarang, Anda dapat melihat bahwa Tiongkok Selatan dan Tiongkok Utara adalah dua kontributor teratas. Tiongkok Timur? dan Tiongkok Barat Daya memiliki kontribusi terendah, dengan jumlah laba negatif. Data 'Tiongkok Timur?' tampaknya merupakan data kotor.

Skenario aplikasi 4: Statistik pengguna baru tahunan

Deskripsi skenario

Bagaimana cara menentukan apakah produk Anda berkembang? Selain metrik PV (Page View) dan UV (Unique Visitor) biasa, Anda juga dapat melacak loyalitas pengguna. Misalnya, jika pengguna yang telah lama bersama Anda terus menggunakan produk Anda dan melakukan pembelian, Anda dapat menganggap produk Anda sebagai produk yang lengket. Untuk mencapai ini, Anda dapat menggunakan ekspresi LOD.

Dalam contoh ini, gunakan fungsi LOD_FIXED untuk membuat statistik pengguna baru tahunan.

Prosedur

Buat bidang terhitung.
Ekspresi Bidang: LOD_FIXED{[customer_name]:MIN(DATE_FORMAT([buy_date], '%Y'))}
Arti: Menemukan tanggal pesanan pertama untuk setiap pelanggan pada granularitas tahun. Anda dapat menyesuaikan granularitas sesuai kebutuhan menggunakan fungsi tanggal yang kompatibel dengan sintaksis database Anda.
Buat grafik.
Dalam contoh ini, buat grafik garis.
Seret bidang Tahun Pembelian Pertama Pelanggan yang dibuat pada langkah sebelumnya ke area Sumbu Kategori/Dimensi. Seret Jumlah Penjualan ke area Sumbu Nilai/Ukuran. Klik Perbarui. Sistem akan memperbarui grafik secara otomatis.

Sekarang, Anda dapat melihat bahwa pengguna yang mulai pada 2013 masih memberikan kontribusi signifikan, yang menunjukkan tingkat kelekatan produk yang tinggi.

Skenario aplikasi 5: Analisis tren pelanggan baru per tahun berdasarkan detail pesanan

Deskripsi skenario

Hitung tahun pembelian pertama untuk setiap pelanggan dan kemudian analisis distribusi jumlah pelanggan berdasarkan tahun tersebut.

Prosedur

Buat bidang terhitung.
1. Bidang 1: LOD_FIXED{[ID Pelanggan]: min(BI_YEAR([Tanggal Pesanan]))}
  Beri nama bidang ini Tahun Pembelian Pertama Pelanggan. Atur tipe data ke Dimensi dan tipe bidang ke Teks.
2. Bidang 2: Jumlah Pelanggan=count(distinct [Customer ID])
Buat grafik.
Dalam contoh ini, buat grafik kolom untuk menampilkan data. Seret bidang Tahun Pembelian Pertama Pelanggan ke area Sumbu Kategori/Dimensi. Seret bidang Jumlah Pelanggan ke area Sumbu Nilai/Ukuran. Klik Perbarui. Sistem akan memperbarui grafik secara otomatis.

Sekarang, Anda dapat melihat jumlah pelanggan baru untuk setiap tahun. Jumlahnya mencapai puncak pada 2021 dan telah menurun secara signifikan sejak itu.

Skenario aplikasi 6: Analisis distribusi pelanggan berdasarkan frekuensi pembelian berdasarkan detail pesanan

Deskripsi skenario

Hitung frekuensi pembelian untuk setiap pelanggan dan kemudian analisis distribusi jumlah pelanggan berdasarkan frekuensi tersebut.

Prosedur

Buat bidang terhitung.
1. Bidang 1: LOD_FIXED{[ID Pelanggan]: count(distinct [ID Pesanan])}
  Beri nama bidang ini Frekuensi Pembelian Pelanggan. Atur tipe data ke Dimensi dan tipe bidang ke Teks.
2. Bidang 2: Jumlah Pelanggan=count(distinct [Customer ID])
Buat grafik.
Dalam contoh ini, buat grafik kolom untuk menampilkan data. Seret bidang Frekuensi Pembelian Pelanggan ke area Sumbu Kategori/Dimensi. Seret bidang Jumlah Pelanggan ke area Sumbu Nilai/Ukuran. Klik Perbarui. Sistem akan memperbarui grafik secara otomatis.

Sekarang, Anda dapat melihat bahwa jumlah pelanggan terbesar memiliki frekuensi pembelian sebanyak 3.

Skema aplikasi 7: Analisis jumlah pesanan tahunan dan bandingkan dengan tahun kunci 2023

Deskripsi skenario

Analisis data dalam rentang tetap dan buat perbandingan. Misalnya, analisis data pesanan tahunan dan bandingkan dengan tahun kunci 2023.

Prosedur

Buat bidang terhitung.
```
sum([Jumlah pesanan])/
LOD_FIXED{:
sum(
case when BI_YEAR([Order Date]) ='2023' 
then [Jumlah pesanan] else 
0 end)} 
-1
```
Rincian Bidang:
1. Hitung jumlah pesanan untuk 2023. Rumus: LOD_FIXED{:sum(case when BI_YEAR([Order Date]) ='2023' then [Jumlah Pesanan] else 0 end)}
2. Hitung jumlah pesanan untuk setiap tahun dan bandingkan dengan jumlah pesanan untuk 2023. Rumus: sum([Jumlah Pesanan])/[Jumlah Pesanan 2023]-1. Beri nama bidang ini Perbandingan dengan 2023.
Buat grafik.
Dalam contoh ini, buat tabel silang. Seret bidang Tanggal Pesanan (tahun) ke area Baris. Seret bidang Jumlah Pesanan dan Perbandingan dengan 2023 ke area Kolom. Klik Perbarui. Sistem akan memperbarui grafik secara otomatis.

Sekarang, Anda dapat melihat jumlah pesanan untuk setiap tahun pesanan dan perbandingannya dengan 2023.

Skema aplikasi 8: Analisis jumlah hari menguntungkan dan tidak menguntungkan per bulan untuk setiap tahun

Deskripsi skenario

Berdasarkan statistik laba harian, tandai setiap hari sebagai menguntungkan atau tidak menguntungkan. Kemudian, hitung jumlah hari berdasarkan tag laba/rugi, tahun pesanan, dan bulan pesanan.

Prosedur

Buat bidang terhitung.
1. Bidang 1:
```
case when 
LOD_FIXED{[Order Date]:sum([Profit])}>0 
then 'Menguntungkan' 
else 'Tidak Menguntungkan' 
end
```
  Beri nama bidang ini Tag Laba/Rugi Harian. Atur tipe data ke Dimensi dan tipe bidang ke Teks.
  Rincian Bidang:
  1. Hitung total laba berdasarkan tanggal pesanan. Rumus: LOD_FIXED{[Order Date]:sum([Profit])}
  2. Jika total laba lebih besar dari 0, kembalikan "Menguntungkan". Jika tidak, kembalikan "Tidak Menguntungkan". Rumus: case when [Total Laba]>0 then 'Menguntungkan' else 'Tidak Menguntungkan' end
2. Bidang 2: Jumlah Hari=count(distinct [Order Date])
3. Bidang 3: Bulan=BI_MONTH([Order Date])
Buat grafik.
Anda dapat menggunakan dimensi pemisahan grafik kolom-garis untuk membuat beberapa kecil. Visualisasikan data menggunakan tren bertumpuk atau tren kategoris untuk melihat perbandingan dan tren dengan jelas.
Dalam contoh ini, buat grafik kolom bertumpuk untuk menunjukkan distribusi hari menguntungkan dan tidak menguntungkan sebagai tren bertumpuk, dan dua grafik area untuk menunjukkan distribusi hari menguntungkan dan tidak menguntungkan secara terpisah.
1. Pertama, buat grafik kolom bertumpuk. Seret bidang Bulan ke area Sumbu Kategori/Dimensi. Seret bidang Jumlah Hari ke area Sumbu Nilai/Ukuran. Seret bidang Tag Laba/Rugi Harian ke area Legenda Warna/Dimensi. Seret bidang Tanggal Pesanan (tahun) ke area Pemisahan/Dimensi. Klik Perbarui. Sistem akan memperbarui grafik secara otomatis.
2. Selanjutnya, buat dua grafik area, satu untuk hari tidak menguntungkan dan satu untuk hari menguntungkan.
  Dalam kedua grafik area, seret bidang Bulan ke area Sumbu Kategori/Dimensi. Seret bidang Jumlah Hari ke area Sumbu Nilai/Ukuran. Seret bidang Tanggal Pesanan (tahun) ke area Pemisahan/Dimensi.
  Dalam filter, seret bidang Tag Laba/Rugi Harian. Untuk grafik hari tidak menguntungkan, atur kondisi filter ke kecocokan tepat untuk "Tidak Menguntungkan". Untuk grafik hari menguntungkan, atur kondisi filter ke kecocokan tepat untuk "Menguntungkan".
  Klik Perbarui. Sistem akan memperbarui grafik secara otomatis.

Sekarang, Anda dapat membandingkan tren hari menguntungkan dan tidak menguntungkan untuk setiap bulan setiap tahun secara visual.

Aplikasi Fungsi INCLUDE

Ekspresi INCLUDE Level of Detail menghitung nilai menggunakan dimensi dalam tampilan ditambah dimensi apa pun yang ditentukan dalam ekspresi. Fungsi INCLUDE menambahkan tingkat detail yang lebih rinci ke perhitungan untuk analisis yang lebih dalam.

Skema Aplikasi 1: Hitung rata-rata penjualan per pelanggan

Deskripsi Skenario

Saat menganalisis kinerja penjualan berbagai produk, Anda perlu melihat rata-rata penjualan per pelanggan. Anda dapat menggunakan INCLUDE untuk pertama-tama menghitung total jumlah penjualan pesanan untuk setiap pelanggan, dan kemudian menampilkan hasilnya menggunakan metode agregasi Rata-rata.

Prosedur

Buat bidang terhitung.
Ekspresi Bidang: LOD_INCLUDE{[ID Pengguna]:SUM([Jumlah Pesanan])}
Artinya: Menghitung total jumlah pesanan untuk setiap pelanggan berdasarkan ID pengguna.
Buat grafik.
Dalam contoh ini, buat tabel silang.
Tarik bidang Jumlah Pesanan dan Total Jumlah Pesanan Pelanggan ke area Kolom. Tarik bidang Jenis Produk ke area Baris. Atur metode agregasi untuk Total Jumlah Pesanan Pelanggan ke Rata-rata. Klik Perbarui. Sistem akan secara otomatis memperbarui grafik.

Sekarang, Anda dapat melihat rata-rata penjualan per pelanggan untuk jenis produk yang berbeda.

Skema Aplikasi 2: Rata-rata jumlah transaksi maksimum untuk setiap tenaga penjualan

Deskripsi Skenario

Direktur penjualan perlu mengetahui rata-rata dari jumlah transaksi maksimum yang dicapai oleh setiap tenaga penjualan, dihitung berdasarkan wilayah, dan ditampilkan pada peta. Dalam skenario ini, Anda dapat menggunakan ekspresi LOD untuk menampilkan data secara intuitif pada tingkat regional. Anda juga dapat mengebor ke tingkat tenaga penjualan untuk melihat zona penjualan mana yang berkinerja baik dan mana yang kurang performa. Ini membantu dalam menetapkan tujuan berbeda untuk tenaga penjualan di berbagai wilayah.

Dalam contoh ini, gunakan fungsi LOD_INCLUDE untuk menemukan rata-rata jumlah transaksi maksimum untuk setiap tenaga penjualan.

Prosedur

Buat bidang terhitung.
Ekspresi Bidang: AVG(LOD_INCLUDE{[nama_penjualan]:MAX([harga])})
Artinya: Menambahkan nama tenaga penjualan sebagai granularitas analisis tambahan ke tampilan yang ada dan menghitung rata-rata dari jumlah penjualan maksimum.
Buat grafik.
Dalam contoh ini, buat peta berwarna.
1. Tarik bidang Rata-rata Jumlah Penjualan Maksimum per Tenaga Penjualan berdasarkan Wilayah yang dibuat pada langkah sebelumnya ke area Kejenuhan Warna/Ukuran. Tarik bidang wilayah ke area Sumbu Area Geografis/Dimensi.
2. Di Gaya -> Blok, tandai wilayah dengan nilai maksimum untuk bidang ini dengan warna merah.
  Klik Perbarui. Sistem akan secara otomatis memperbarui grafik.

Sekarang, Anda dapat melihat bahwa jumlah penjualan maksimum lebih besar di wilayah Tiongkok Timur dan lebih kecil di wilayah Tiongkok Barat Laut/Tiongkok Barat Daya.

Skema Aplikasi 3: Hitung total laba untuk wilayah dengan jumlah pesanan lebih dari 500.000

Deskripsi Skenario

Hitung jumlah pesanan untuk setiap wilayah dan temukan total laba untuk wilayah di mana jumlah pesanan melebihi 500.000.

Prosedur

Buat bidang terhitung.
```
CASE WHEN LOD_INCLUDE{[Wilayah]:BI_SUM([Jumlah Pesanan])}>500000 
then [Jumlah Laba] 
else 0 
end
```
Pembagian Bidang:
1. Hitung jumlah pesanan berdasarkan wilayah. Beri nama bidang ini Jumlah Pesanan Wilayah. Rumus: LOD_INCLUDE{[Wilayah]:BI_SUM([Jumlah Pesanan])}
2. Temukan wilayah di mana jumlah pesanan melebihi 500.000 dan hitung jumlah laba mereka. Rumus: CASE WHEN [Jumlah Pesanan Wilayah]>500000 then [Jumlah Laba] else 0 end
3. Akhirnya, gunakan SUM untuk mendapatkan total.
Buat grafik.
Dalam contoh ini, buat kanban untuk menampilkan data. Anda juga dapat membuat tabel silang untuk memverifikasi akurasi data. Di kanban, tarik bidang yang baru dibuat ke area Indikator Kanban/Ukuran dan atur metode agregasi ke Sum. Di tabel silang, tarik Wilayah ke area Baris, dan tarik Jumlah Pesanan, Jumlah Laba, dan bidang yang baru dibuat ke area Kolom. Atur metode agregasi ke Sum. Klik Perbarui. Sistem akan secara otomatis memperbarui grafik.
Sekarang, Anda dapat melihat bahwa wilayah dengan jumlah pesanan lebih dari 500.000 adalah Tiongkok Timur Laut, Tiongkok Timur, Tiongkok Utara, dan Tiongkok Selatan. Total laba mereka adalah 1,48M.

Skema Aplikasi 4: Hitung total laba untuk wilayah di mana jumlah pesanan untuk produk yang dikirim dengan kereta api melebihi 100.000, dikelompokkan berdasarkan jenis produk

Deskripsi Skenario

Ini adalah versi lanjutan dari Skema Aplikasi 3. Ini menyaring produk yang dikirim dengan kereta api dan menambahkan jenis produk sebagai pengelompokan. Tujuannya adalah untuk menghitung total laba untuk wilayah di mana jumlah pesanan untuk produk yang dikirim dengan kereta api melebihi 100.000, dikelompokkan berdasarkan jenis produk. Skenario ini melibatkan penumpukan beberapa fungsi. Untuk mempermudah pemahaman, ini dapat dipecah.

Prosedur

Buat bidang terhitung:
```
SUM(
CASE WHEN LOD_INCLUDE{[Jenis Produk],[Wilayah]:sum(if([Metode Pengiriman]='Kereta Api',[Jumlah Pesanan],0))}>100000
then [Jumlah Laba]
else 0
end)
```
Pembagian Bidang:
1. Hitung jumlah pesanan total untuk produk yang dikirim dengan kereta api untuk setiap jenis produk, dirangkum berdasarkan wilayah. Beri nama bidang ini Jumlah Pesanan Jenis Produk-Wilayah. Rumus: LOD_INCLUDE{[Jenis Produk],[Wilayah]:sum(if([Metode Pengiriman]='Kereta Api',[Jumlah Pesanan],0))}
2. Temukan wilayah di mana jumlah pesanan melebihi 100.000 dan hitung total laba. Rumus: CASE WHEN [Jumlah Pesanan Jenis Produk-Wilayah]>100000 then [Jumlah Laba] else 0 end
3. Akhirnya, gunakan SUM untuk mendapatkan total.
Buat grafik.
1. Buat dua kanban untuk menampilkan data. Di Kanban 1, tarik bidang yang baru dibuat ke area Indikator Kanban/Ukuran. Di Kanban 2, tarik bidang yang baru dibuat ke area Indikator Kanban/Ukuran dan tarik Jenis Produk ke area Label Kanban/Dimensi. Klik Perbarui. Sistem akan secara otomatis memperbarui grafik.
  Sekarang, Anda dapat melihat bahwa total laba untuk wilayah di mana jumlah pesanan untuk produk yang dikirim dengan kereta api melebihi 100.000 adalah 3,1M, perlengkapan kantor adalah 1,23M, perlengkapan furnitur adalah 445K, dan perlengkapan teknis adalah 1,41M.

Skema Aplikasi 5: Hitung jumlah pelanggan di wilayah di mana jumlah pesanan untuk produk yang dikirim dengan kereta api melebihi 100.000, dikelompokkan berdasarkan jenis produk

Deskripsi Skenario

Skema ini mirip dengan Skema Aplikasi 4, tetapi alih-alih menghitung total laba, ini menghitung jumlah pelanggan.

Prosedur

Buat bidang terhitung:
```
COUNT(DISTINCT(
CASE WHEN LOD_INCLUDE{[Jenis Produk],[Wilayah]:sum(if([Metode Pengiriman]='Kereta Api',[Jumlah Pesanan],0))}>100000
then [ID Pengguna]
else null
end))
```
Pembagian Bidang:
1. Hitung jumlah pesanan total untuk produk yang dikirim dengan kereta api untuk setiap jenis produk, dirangkum berdasarkan wilayah. Beri nama bidang ini Jumlah Pesanan Jenis Produk-Wilayah. Rumus: LOD_INCLUDE{[Jenis Produk],[Wilayah]:sum(if([Metode Pengiriman]='Kereta Api',[Jumlah Pesanan],0))}
2. Temukan wilayah di mana jumlah pesanan melebihi 100.000 dan identifikasi pelanggan yang sesuai. Rumus: CASE WHEN [Jumlah Pesanan Jenis Produk-Wilayah]>100000 then [ID Pengguna] else null end
3. Akhirnya, gunakan COUNT(DISTINCT()) untuk menghitung pelanggan unik.
Buat grafik.
Dalam contoh ini, buat kanban. Tarik bidang yang baru dibuat dari langkah sebelumnya ke area Indikator Kanban/Ukuran. Klik Perbarui. Sistem akan secara otomatis memperbarui grafik.Sekarang, Anda dapat melihat bahwa jumlah pelanggan di wilayah di mana jumlah pesanan untuk produk yang dikirim dengan kereta api melebihi 100.000 adalah 1.026.

Skema Aplikasi 6: Hitung jumlah wilayah dengan jumlah pesanan lebih dari 500.000

Deskripsi Skenario

Skema ini mirip dengan Skema Aplikasi 3, tetapi alih-alih menghitung total laba, ini menghitung jumlah wilayah.

Prosedur

Buat bidang terhitung:
```
COUNT(DISTINCT(
CASE WHEN LOD_INCLUDE{[Wilayah]:sum([Jumlah Pesanan])}>500000
then [Wilayah]
else null
end))
```
Pembagian Bidang:
1. Hitung jumlah pesanan berdasarkan wilayah. Beri nama bidang ini Jumlah Pesanan Wilayah. Rumus: LOD_INCLUDE{[Wilayah]:sum([Jumlah Pesanan])}
2. Temukan wilayah di mana jumlah pesanan melebihi 500.000. Rumus: CASE WHEN [Jumlah Pesanan Wilayah]>500000 then [Wilayah] else null end
3. Akhirnya, gunakan COUNT(DISTINCT()) untuk menghitung wilayah unik.
Buat grafik.
Dalam contoh ini, buat kanban untuk menampilkan data. Anda juga dapat membuat tabel silang untuk memverifikasi akurasi. Di kanban, tarik bidang yang baru dibuat ke area Indikator Kanban/Ukuran. Di tabel silang, tarik Wilayah ke area Baris dan Jumlah Pesanan ke area Kolom. Klik Perbarui. Sistem akan secara otomatis memperbarui grafik.
Sekarang, Anda dapat melihat bahwa ada 3 wilayah dengan jumlah pesanan lebih dari 500.000: Tiongkok Selatan, Tiongkok Timur, dan Tiongkok Utara.

Skema Aplikasi 7: Hitung rata-rata penjualan per provinsi untuk setiap jenis produk pada tahun 2024

Deskripsi Skenario

Hitung rata-rata penjualan per provinsi untuk setiap jenis produk pada tahun 2024.

Prosedur

Buat bidang terhitung.
```
AVG(
LOD_INCLUDE{[Jenis Produk],[Provinsi]:
SUM(IF(YEAR([Tanggal Pesanan])='2024',[Jumlah Pesanan],0))
}
)
```
Pembagian Bidang:
1. Hitung jumlah pesanan untuk tahun 2024. Beri nama bidang ini Jumlah Pesanan 2024. Rumus: IF(YEAR([Tanggal Pesanan])='2024',[Jumlah Pesanan],0)
2. Hitung jumlah penjualan berdasarkan jenis produk dan provinsi. Rumus: LOD_INCLUDE{[Jenis Produk],[Provinsi],SUM[Jumlah Pesanan 2024]}
3. Gunakan AVG untuk menemukan rata-rata.
Buat grafik.
Dalam contoh ini, buat kanban untuk menampilkan data. Anda juga dapat membuat tabel silang untuk memverifikasi akurasi. Di kanban, tarik bidang yang baru dibuat ke area Indikator Kanban/Ukuran dan Jenis Produk ke area Label Kanban/Dimensi. Di tabel silang, tarik Jenis Produk ke area Baris dan Jumlah Pesanan ke area Kolom, dan filter untuk data dari tahun 2024. Klik Perbarui. Sistem akan secara otomatis memperbarui grafik.
Sekarang, Anda dapat melihat bahwa jumlah pesanan perlengkapan kantor pada tahun 2024 adalah 10,7M, dan rata-rata volume penjualan per provinsi adalah 10,7M/30 provinsi, yaitu 357K. Jenis produk lainnya dihitung dengan cara yang sama.

Skema Aplikasi 8: Hitung rata-rata jumlah pelanggan per provinsi untuk setiap jenis produk pada tahun 2024

Deskripsi Skenario

Skema ini mirip dengan Skema Aplikasi 7, tetapi alih-alih rata-rata penjualan, ini menghitung rata-rata jumlah pelanggan.

Prosedur

Buat bidang terhitung.
```
AVG(
LOD_INCLUDE{[Jenis Produk],[Provinsi]:
COUNT(DISTINCT(IF(YEAR([Tanggal Pesanan])='2024',[ID Pengguna],null)))
}
)
```
Pembagian Bidang:
1. Hitung jumlah pelanggan untuk tahun 2024. Beri nama bidang ini Jumlah Pelanggan 2024. Rumus: IF(YEAR([Tanggal Pesanan])='2024',[ID Pengguna],null)
2. Hitung jumlah pelanggan berdasarkan jenis produk dan provinsi. Rumus: LOD_INCLUDE{[Jenis Produk],[Provinsi],SUM[Jumlah Pelanggan 2024]}
3. Gunakan AVG untuk menemukan rata-rata.
Buat grafik.
Dalam contoh ini, buat kanban untuk menampilkan data. Anda juga dapat membuat tabel silang untuk memverifikasi akurasi. Di kanban, tarik bidang yang baru dibuat ke area Indikator Kanban/Ukuran dan Jenis Produk ke area Label Kanban/Dimensi. Di tabel silang, tarik Jenis Produk ke area Baris dan Jumlah Pelanggan per Provinsi berdasarkan Jenis Produk ke area Kolom, dan filter untuk data dari tahun 2024. Klik Perbarui. Sistem akan secara otomatis memperbarui grafik.
Jumlah Pelanggan per Provinsi berdasarkan Jenis Produk=LOD_INCLUDE{[Jenis Produk],[Provinsi]:COUNT(DISTINCT([ID Pengguna]))}
Sekarang, Anda dapat melihat bahwa pada tahun 2024, jumlah pelanggan untuk perlengkapan kantor di provinsi adalah 212, dan rata-rata jumlah pelanggan per provinsi adalah 212/31 provinsi, yaitu 6,839. Jenis produk lainnya dihitung dengan cara yang sama.

Skema Aplikasi 9: Hitung persentase produk yang memenuhi target laba mereka di setiap provinsi dan kesenjangan laba untuk setiap produk

Deskripsi Skenario

Ketika pencapaian target laba provinsi diketahui, Anda dapat menganalisis lebih lanjut produk spesifik mana yang telah mencapai target mereka dan mana yang belum.

Ini berarti menghitung kesenjangan target laba untuk setiap produk di tingkat provinsi, menghitung jumlah produk yang memenuhi target dan jumlah total produk, dan kemudian menghitung persentase.

Skema ini memerlukan pembuatan dua grafik dan pengaturan interaksi filter. Anda dapat mengklik data statistik produk di sebelah kiri untuk melihat detail produk spesifik di sebelah kanan.

Prosedur

Buat bidang terhitung.
1. Bidang 1: Kesenjangan Target Laba Produk
```
LOD_INCLUDE{[Produk] : sum([Laba]-[Target Laba])}。
```
  Artinya: Menghitung kesenjangan target laba untuk setiap produk berdasarkan jenis produk.
2. Bidang 2: Persentase Produk yang Memenuhi Target
```
count(distinct 
case when [Kesenjangan Target Laba Produk]>0 
then [Produk] 
else null end)
/count(distinct [Produk])
```
  Pembagian Bidang:
  1. Ketika kesenjangan target laba produk lebih besar dari 0, hitung jumlah produk unik untuk menemukan Jumlah Produk yang Memenuhi Target. Rumus: count(distinct case when [Kesenjangan Target Laba Produk]>0 then [Produk] else null end)
  2. Hitung jumlah unik dari Total Jumlah Produk. Rumus: count(distinct [Produk])
  3. Bagilah kedua bidang di atas, [Jumlah Produk yang Memenuhi Target]/[Total Jumlah Produk], untuk mendapatkan Persentase Produk yang Memenuhi Target.
Buat grafik.
Dalam contoh ini, buat dua grafik dan atur interaksi filter.
1. Pertama, buat grafik batang untuk menunjukkan Kesenjangan Target Laba Produk. Tarik bidang Produk ke area Sumbu Kategori/Dimensi. Tarik bidang Kesenjangan Target Laba Produk ke area Sumbu Nilai/Ukuran. Klik Perbarui. Sistem akan secara otomatis memperbarui grafik.
2. Selanjutnya, buat grafik batang lain untuk menunjukkan Persentase Produk yang Memenuhi Target. Tarik bidang Provinsi ke area Sumbu Kategori/Dimensi. Tarik bidang Persentase Produk yang Memenuhi Target ke area Sumbu Nilai/Ukuran. Klik Perbarui. Sistem akan secara otomatis memperbarui grafik.
3. Atur interaksi filter antara dua grafik batang.
  Catatan
  Dalam contoh ini, kedua grafik batang menggunakan dataset yang sama. Jika interaksi filter otomatis diaktifkan untuk dasbor, grafik akan terhubung secara otomatis tanpa konfigurasi manual. Jika interaksi filter otomatis tidak diaktifkan, Anda dapat mengonfigurasinya secara manual.
  Untuk informasi lebih lanjut, lihat Interaksi Filter.
  Interaksi filter bekerja sebagai berikut.

Sekarang, Anda dapat melihat status pencapaian target laba provinsi dan melihat produk spesifik yang telah memenuhi atau melewatkan target mereka di setiap provinsi.

Skema Aplikasi 10: Evaluasi dan bandingkan kinerja outlet di berbagai wilayah

Deskripsi Skenario

Berdasarkan data penjualan dan laba kotor outlet secara rinci, hitung total penjualan dan laba kotor untuk wilayah utama dan sub-wilayah. Hitung juga rata-rata penjualan dan laba kotor per outlet dalam wilayah yang sesuai. Anda juga dapat menggunakan dimensi filter untuk melihat kinerja outlet pada tingkat wilayah utama dan sub-wilayah, atau hanya pada tingkat wilayah utama, untuk mengevaluasi dan membandingkan kinerja outlet di berbagai wilayah.

Prosedur

Buat bidang terhitung.
1. Bidang 1: Laba Kotor Outlet=LOD_INCLUDE{[Nama Outlet]:sum([Laba Kotor])}
2. Bidang 2: Jumlah Penjualan Outlet=LOD_INCLUDE{[Nama Outlet]:sum([Jumlah Penjualan])}
Buat grafik.
Dalam contoh ini, buat tabel silang dan konfigurasikan pewarnaan bersyarat.
1. Di tabel silang, tarik Wilayah Utama dan Sub-wilayah ke area Baris. Di area Kolom, tarik dua bidang Laba Kotor Outlet, atur satu ke Rata-rata dan yang lainnya ke Jumlah. Tarik dua bidang Jumlah Penjualan Outlet, atur satu ke Rata-rata dan yang lainnya ke Jumlah.
2. Tampilkan konten bidang Laba Kotor Outlet (Rata-rata) dan Jumlah Penjualan Outlet (Rata-rata) sebagai Per Outlet. Tampilkan konten bidang Laba Kotor Outlet (Jumlah) dan Jumlah Penjualan Outlet (Jumlah) sebagai Total.
3. Di Gaya -> Sel -> Grup Ukuran Tampilan, atur Pengelompokan Ukuran.
4. Untuk presentasi visual yang lebih baik, Anda dapat mengonfigurasi pewarnaan bersyarat. Dalam contoh ini, pewarnaan bersyarat untuk empat kolom bidang adalah sebagai berikut:
5. Klik Perbarui. Sistem akan secara otomatis memperbarui grafik.

Sekarang, Anda dapat secara intuitif melihat total dan rata-rata penjualan serta laba kotor per outlet untuk setiap wilayah.

Skema Aplikasi 11: Evaluasi wilayah berdasarkan kinerja provinsinya

Deskripsi Skenario

Di dalam setiap wilayah, hitung total penjualan berdasarkan provinsi. Hitung jumlah provinsi di mana penjualan melebihi ambang batas (berdasarkan kondisi filter input). Hitung juga jumlah pelanggan di provinsi-provinsi tersebut dan rata-rata jumlah pelanggan per provinsi. Anda dapat melihat hasil data dengan memasukkan nilai ambang batas yang berbeda.

Catatan

Ambang batas dalam contoh ini merujuk pada placeholder nilai. Untuk informasi lebih lanjut, lihat Placeholder Nilai.

Prosedur

Buat bidang terhitung.
1. Bidang 1: Jumlah Provinsi yang Memenuhi Syarat
```
count(distinct 
case when LOD_INCLUDE{[Provinsi]:sum([Jumlah Pesanan])} > $val{ord_amt_level} 
then [Provinsi] 
else null
end)
```
  Pembagian Bidang:
  1. Hitung jumlah pesanan berdasarkan provinsi. Rumus: LOD_INCLUDE{[Provinsi]:sum([Jumlah Pesanan])}. Beri nama bidang ini Jumlah Pesanan Provinsi.
  2. Ketika Jumlah Pesanan Provinsi lebih besar dari placeholder nilai ord_amt_level, kembalikan provinsi. Jika tidak, kembalikan null. Rumus: case when [Jumlah Pesanan Provinsi ]> $val{ord_amt_level} then [Provinsi] else null end. Beri nama bidang ini Provinsi yang Memenuhi Syarat.
  3. Hitung jumlah provinsi yang memenuhi syarat unik. Rumus: count(distinct [Provinsi yang Memenuhi Syarat])
2. Bidang 2: Total Pelanggan di Provinsi
```
count(distinct 
case when lod_include{[Provinsi]:sum([Jumlah Pesanan])} > $val{ord_amt_level} 
then [ID Pelanggan] 
else null 
end)
```
  Pembagian Bidang:
  1. Hitung jumlah pesanan berdasarkan provinsi. Rumus: LOD_INCLUDE{[Provinsi]:sum([Jumlah Pesanan])}. Beri nama bidang ini Jumlah Pesanan Provinsi.
  2. Ketika Jumlah Pesanan Provinsi lebih besar dari placeholder nilai ord_amt_level, kembalikan ID pelanggan. Jika tidak, kembalikan null. Rumus: case when [Jumlah Pesanan Provinsi ]> $val{ord_amt_level} then [ID Pelanggan] else null end. Beri nama bidang ini Pelanggan di Provinsi.
  3. Hitung jumlah unik Pelanggan di Provinsi. Rumus: count(distinct [Pelanggan di Provinsi])
3. Bidang 3: Rata-rata Pelanggan per Provinsi=[Total Pelanggan di Provinsi]/[Jumlah Provinsi yang Memenuhi Syarat], yaitu Bidang 2 dibagi Bidang 1.
Buat grafik.
1. Buat tabel silang. Tarik Wilayah ke area Baris. Tarik Jumlah Provinsi, Jumlah Pelanggan di Provinsi, dan Rata-rata Pelanggan per Provinsi ke area Kolom.
2. Masukkan kondisi query dalam grafik. Atur kondisi query ke Jumlah Penjualan Provinsi, asosiasikan dengan placeholder nilai ord_amt_level, dan atur nilai default ke 100000.
3. Klik Perbarui. Sistem akan secara otomatis memperbarui grafik.

Sekarang, Anda dapat memasukkan jumlah penjualan provinsi yang berbeda untuk menyaring dan melihat perubahan data.

Aplikasi Fungsi EXCLUDE

Ekspresi EXCLUDE Level of Detail menghitung nilai dengan menghapus dimensi yang ditentukan dalam ekspresi dari tingkat detail tampilan.

Skema Aplikasi 1: Hitung proporsi penjualan setiap provinsi dalam suatu wilayah

Deskripsi Skenario

Saat menganalisis data penjualan setiap provinsi dalam suatu wilayah, Anda mungkin juga ingin melihat total data penjualan untuk wilayah tersebut dan proporsi penjualan provinsi relatif terhadap wilayah. Anda dapat menggunakan fungsi EXCLUDE untuk menghapus dimensi Provinsi dari perhitungan, yang memungkinkan Anda menghitung total jumlah penjualan untuk seluruh wilayah.

Prosedur

Buat bidang terhitung.
Ekspresi Bidang: LOD_EXCLUDE{[Provinsi]:SUM([Jumlah Pesanan])}
Artinya: Menghitung jumlah penjualan pada tingkat wilayah dengan mengecualikan dimensi provinsi dari perhitungan.
Buat grafik.
Dalam contoh ini, buat tabel silang. Tarik bidang Jumlah Pesanan dan Total Penjualan Regional ke area Kolom. Tarik bidang Wilayah dan Provinsi ke area Baris. Klik Perbarui. Sistem akan secara otomatis memperbarui grafik.

Sekarang, Anda dapat melihat jumlah pesanan untuk setiap provinsi dan total penjualan untuk wilayah yang sesuai.

Skema Aplikasi 2: Hitung selisih antara setiap area penjualan dan rata-rata zona

Deskripsi Skenario

Sebuah perusahaan penjualan memiliki 7 zona penjualan utama di bawah divisi administratif nasional. Setiap zona memiliki beberapa area penjualan yang didirikan berdasarkan provinsi. Pada akhir tahun, manajer penjualan perlu dengan cepat menentukan selisih antara rata-rata laba penjualan setiap area penjualan provinsi dan rata-rata zona keseluruhan. Mereka juga perlu mengidentifikasi zona mana yang luar biasa dan mana yang masih membutuhkan perbaikan. Untuk skenario ini, Anda dapat menggunakan ekspresi LOD dan pewarnaan bersyarat untuk dengan cepat membuat laporan semacam ini.

Dalam contoh ini, gunakan fungsi LOD_EXCLUDE untuk menemukan selisih antara setiap area penjualan dan rata-rata zona.

Prosedur

Buat bidang terhitung.
1. Ekspresi Bidang: AVG(LOD_EXCLUDE{[provinsi]:AVG([harga])})
  Artinya: Menghapus dimensi provinsi dari agregasi dan menghitung jumlah penjualan rata-rata pada tingkat zona. Sebagai contoh, ekspresi ini menghitung jumlah penjualan rata-rata untuk setiap zona, seperti Tiongkok Timur.
2. Kemudian, kurangi fungsi LOD sebelumnya dari AVG([harga]), seperti yang ditunjukkan dalam ekspresi: AVG([harga]) - AVG(LOD_EXCLUDE{[provinsi]:AVG([harga])}). Ini menghitung selisih antara setiap area penjualan dan rata-rata zona.
Buat grafik.
Dalam contoh ini, buat tabel silang.
1. Seret bidang Province Average Difference yang dibuat pada langkah sebelumnya ke area Kolom, lalu seret bidang area dan provinsi ke area Baris.
2. Di Gaya -> Pewarnaan Bersyarat, atur pewarnaan bersyarat untuk bidang ini: merah untuk nilai lebih besar dari 0, dan hijau untuk nilai kurang dari 0.
3. Klik Perbarui. Sistem akan secara otomatis memperbarui grafik.

Sekarang, Anda dapat dengan cepat melihat bahwa di zona Tiongkok Timur, penjualan di Shanghai, Anhui, Jiangsu, dan Fujian positif, dengan Shanghai berkinerja paling baik. Penjualan di Shandong, Jiangxi, dan Zhejiang berada di bawah rata-rata dan memerlukan perbaikan.

Aturan Kondisi Filter

Fungsi LOD_FIXED dengan kondisi filter eksternal

Skema di mana hasil tidak dipengaruhi oleh kondisi filter
Ekspresi Bidang LOD_FIXED_1: LOD_FIXED{[Wilayah]: SUM([Jumlah Pesanan])}
Kondisi Filter: Metode Pengiriman = "Truk Besar"
Deskripsi Hasil: Pada gambar di bawah, menggunakan wilayah Tiongkok Timur Laut sebagai contoh, jumlah pesanan total adalah 527.400. Bahkan ketika filter eksternal, seperti Metode Pengiriman = "Truk Besar", diterapkan, jumlah pesanan untuk wilayah Tiongkok Timur Laut tetap 527.400 karena tidak terpengaruh oleh kondisi filter.
Kesimpulan: Jika dimensi kondisi filter berbeda dari dimensi agregasi fungsi LOD, hasil akhir tidak dipengaruhi oleh kondisi filter.
Skema di mana hasil dipengaruhi oleh kondisi filter
Ekspresi Bidang LOD_FIXED_2: LOD_FIXED{[Wilayah], [Jenis Produk], [Metode Pengiriman]: SUM([Jumlah Pesanan])}
Kondisi Filter: Metode Pengiriman = "Truk Besar"
Deskripsi Hasil: Pada gambar di bawah, menggunakan wilayah Tiongkok Timur Laut sebagai contoh, jumlah pesanan total untuk Tiongkok Timur Laut - Perlengkapan Kantor adalah 150.800, yang merupakan jumlah dari jumlah untuk tiga metode pengiriman: Truk Besar (35.540), Kereta Api (103.100), dan Udara (12.110). Ketika filter eksternal adalah Metode Pengiriman = "Truk Besar", jumlah pesanan untuk Tiongkok Timur Laut - Perlengkapan Kantor adalah 35.540, yang merupakan jumlah pesanan untuk Tiongkok Timur Laut - Perlengkapan Kantor - Truk Besar.
Kesimpulan: Jika dimensi kondisi filter sama dengan dimensi agregasi fungsi LOD, hasil akhir dipengaruhi oleh kondisi filter.

Fungsi LOD dengan kondisi filter internal

Kesimpulan: Data difilter berdasarkan kondisi filter internal sebelum ekspresi LOD dihitung.

Fungsi LOD_FIXED
- Ekspresi Bidang LOD_FIXED_3: LOD_FIXED{[Wilayah], [Jenis Produk], [Metode Pengiriman]: SUM([Jumlah Pesanan]): [Tingkat Pesanan]='Sedang'
  Hasil: Pada gambar di bawah, menggunakan wilayah Tiongkok Timur Laut sebagai contoh, jumlah pesanan untuk Tiongkok Timur Laut - Perlengkapan Kantor - Truk Besar adalah 35.070. Jumlah ini adalah data setelah penyaringan untuk Tingkat Pesanan = 'Sedang', yaitu jumlah pesanan untuk Tiongkok Timur Laut - Perlengkapan Kantor - Truk Besar - Sedang.
- Ekspresi Bidang LOD_FIXED_4: LOD_FIXED{[Wilayah], [Jenis Produk], [Metode Pengiriman]: SUM([Jumlah Pesanan]): [Metode Pengiriman]='Truk Besar'
  Hasil: Pada gambar di bawah, menggunakan wilayah Tiongkok Timur Laut sebagai contoh, jumlah pesanan untuk Tiongkok Timur Laut - Perlengkapan Kantor - Truk Besar adalah 35.540. Ini berarti bahwa ketika kondisi filter internal konsisten dengan granularitas agregasi LOD, fungsi LOD_FIXED menyaring data untuk Metode Pengiriman = 'Truk Besar'.
Fungsi LOD_INCLUDE
LOD_EXCLUDE dan LOD_INCLUDE memiliki logika yang sama. Di sini, kami menggunakan LOD_INCLUDE sebagai contoh.
- Ekspresi Bidang LOD_INCLUDE_1: LOD_INCLUDE{: SUM([Jumlah Pesanan]): [Tingkat Pesanan]='Sedang'
  Hasil: Pada gambar di bawah, menggunakan wilayah Tiongkok Timur Laut sebagai contoh, jumlah pesanan untuk Tiongkok Timur Laut - Perlengkapan Kantor - Truk Besar adalah 35.070. Jumlah ini adalah data setelah penyaringan untuk Tingkat Pesanan = 'Sedang', yaitu jumlah pesanan untuk Tiongkok Timur Laut - Perlengkapan Kantor - Truk Besar - Sedang.
- Ekspresi Bidang LOD_INCLUDE_2: LOD_INCLUDE{: SUM([Jumlah Pesanan]): [Metode Pengiriman]='Truk Besar'
  Pada gambar di bawah, menggunakan wilayah Tiongkok Timur Laut sebagai contoh, jumlah pesanan untuk Tiongkok Timur Laut - Perlengkapan Kantor - Truk Besar adalah 35.540. Ini berarti bahwa ketika kondisi filter internal konsisten dengan granularitas agregasi LOD, fungsi LOD_INCLUDE menyaring data untuk Metode Pengiriman = 'Truk Besar'.