Hola muy buenos días , tardes o noches, hoy estamos creando las medidas en DAX Power BI para responder una de las preguntas que me resulta especialmente interesante para colocar en practica con el reto numero 5 de fp20analytics la cual es 2. ¿Cuál fue la tendencia de las ventas estacionales en cada país y distribuidor?.
Por acá comparto el link para los que desean acceder: https://fp20analytics.com/challenge
Quieres entender como responder estas preguntas y saber como proyectarlas acompañame en esta lectura…….
Para determinar la tendencia de las ventas estacionales en cada país y distribuidor, se requeriría analizar los datos específicos de ventas de cada país y distribuidor en un período de tiempo determinado. El cálculo del índice de estacionalidad permitiría identificar las variaciones porcentuales en las ventas durante períodos específicos en comparación con el promedio de ventas a lo largo del año.
Al calcular el índice de estacionalidad para diferentes países y distribuidores, se podrían obtener conclusiones sobre las tendencias de ventas estacionales.
Por ejemplo, se podría observar si hay períodos de alta demanda en determinadas estaciones del año, si existen diferencias significativas entre países o distribuidores, y si hay patrones repetitivos año tras año.
Calculado el índice de estacionalidad de ventas.
Lo primero que es el índice de estacionalidad. Calcular el índice de estacionalidad en ventas puede ser útil para entender cómo varían las ventas de tu negocio a lo largo del año y anticipar períodos de alta o baja demanda.
El índice de estacionalidad es un número que representa la variación porcentual en las ventas de un producto o servicio durante un período específico (como un mes o un trimestre) en comparación con el promedio de ventas en todo el año.
Al calcular el índice de estacionalidad, puedes identificar patrones y tendencias en las ventas de tu negocio.
Por ejemplo, si tu negocio vende productos relacionados con la temporada, como ropa de invierno o juguetes de Navidad, es probable que veas un aumento en las ventas durante los meses de invierno y un descenso en las ventas durante los meses de verano.
Con esta información, puedes ajustar tus estrategias de marketing y planificar tu inventario para maximizar tus ventas en períodos de alta demanda y minimizar las pérdidas en períodos de baja demanda. También puedes utilizar el índice de estacionalidad para comparar tus ventas con las de otros negocios similares en tu industria y hacer ajustes en consecuencia.
Partiendo con la teoría, definiremos sobre qué línea de tiempo lo deseamos realizar. En este caso, será el trimestre.
Ahora, ¿qué medida calcularemos? Utilizaremos «Total Revenue = SUM(‘public fact_table'[sales])».
Ahora, lo primero será realizar el análisis estadístico, que consiste en calcular el promedio de cada trimestre, dado que nuestra medida se basará en períodos de tiempo trimestrales. Recordando que debemos calcular en base al trimestre de cada año y por el segmento país.
Teniendo esto claro, debemos calcular la suma de ejemplo tomaremos una muestra la cual será el trimestre 1 de Argentina de cada año y dividirlo por la cantidad de trimestres.
En este caso, son 4 años que calcularemos, entonces serán 4 trimestres uno de cada año.
Primero, para el cálculo del revenue por trimestre, usaremos solo un «calculate» con la medida: Sales acumulative quarter = CALCULATE([Total Revenue])
Porque queremos que dentro del objeto visual nos filtre en base a cada trimestre y así lo va sumando, enseñaremos el total segmentado por trimestre y país. Hagamos la suma manual de Argentina para que veamos que es correcto:
Sumamos los 4 trimestres de Argentina: 2018 Q1 = 553.840, 2019 Q1 = 107.900, 2020 Q1 = 156.040, 2021 Q1 = 204.800.
La suma de estos es 1.022.580,00 €, la cual me la da esta medida.
Ahora debemos calcular en una medida la cantidad de trimestres en los cuales se dividirá. Como ya sabemos, debe ser 4.
La medida a utilizar será esta:
Max Quarter = CALCULATE(MAXX(‘public dates’,’public dates'[quarter]), ALL()).
Ahora, luego de crear esta medida, para obtener el promedio simple móvil, calculamos la división de nuestras dos medidas y así obtenemos el promedio de cada trimestre.
Comprobemos manualmente otra vez con el mismo caso ejemplo que es Argentina: 1.022.580,00.
Este es el acumulado del trimestre 1 o Q1, el cual será dividido entre 4, lo cual da como resultado 255.645,00, como veremos en la imagen y en la medida «Rolling average simple».
Ahora, teniendo esta medida, debemos hallar el promedio trimestral general.
Sigamos con el ejemplo de Argentina. Aquí estaría todo el proceso completo: 255.645, 287.935, 418.275, 216.420. Tenemos el promedio de cada trimestre, y este debe ser sumado, sumando 1.178.275, y luego dividirlo entre 4.
Ahora, esta es la medida que nos da dicho cálculo: Sales acumulative = CALCULATE([Rolling average simple], ALL(‘public dates’))
Ahora, esto debe ser dividido entre 4, que son los 4 trimestres que estamos sumando del año, para hallar el promedio trimestral. Imagen 8.
Por último, con estos pasos, tenemos el numerador y el denominador para obtener el índice de estacionalidad, dividiendo el promedio móvil siempre entre la medida de promedio trimestral general. Seasonal sales trend = DIVIDE([Rolling average simple], [Average Quarter fix])
La regla nos indica que si es menor de 0, estuvo por debajo de las ventas promedio de ese trimestre; si es mayor, está por encima
. En este ejemplo, para Argentina, el mejor trimestre es Q3, con un índice de estacionalidad de 1.419957140735397, recordemos que la regla es que cuando las ventas superan el promedio será mayor a uno en caso contrario será 0 o menor a 0.
Ahora creamos unas visualizaciones para representarlo gráficamente, aca creamos una medida para obtener el incremento porcentual o decremento en distribuidor en los trimestres del año
Las conclusiones obtenidas del análisis de la tendencia de ventas estacionales, como identificar el mejor trimestre de ventas (en este caso, Q3 para Argentina), ofrecen varias ventajas y acciones que se pueden tomar para mejorar el rendimiento del negocio. A continuación, se detallan algunas de ellas:
- Planes de marketing precisos: Conocer el mejor trimestre de ventas permite diseñar estrategias de marketing específicas para aprovechar al máximo ese período de alta demanda. Se pueden desarrollar campañas publicitarias, promociones y descuentos enfocados en el Q3 para Argentina, lo que puede aumentar la visibilidad de la empresa y generar más ventas.
- Rotaciones de personal: Con la información sobre la tendencia de ventas estacionales, es posible ajustar las necesidades de personal durante diferentes períodos del año. En el caso del Q3 en Argentina, que muestra un mayor volumen de ventas, se puede considerar la contratación temporal de personal adicional para cubrir la demanda y brindar un mejor servicio al cliente.
- Ajuste en logística: Con base en la tendencia de ventas estacionales, se pueden realizar ajustes en la cadena de suministro y logística. Por ejemplo, en el Q3 en Argentina, se puede aumentar el inventario de productos populares para asegurarse de tener suficiente stock para satisfacer la demanda.
- Incremento de inversión de capital: Si se identifica un trimestre con un índice de estacionalidad alto, como el Q3 en Argentina, puede ser beneficioso aumentar la inversión de capital en áreas clave del negocio. Esto podría implicar invertir en mejoras en la infraestructura, aumentar la capacidad de producción o expandir las instalaciones para maximizar las ventas durante ese período.
- Enfoque de campañas: Las conclusiones obtenidas del análisis de la tendencia de ventas estacionales pueden guiar la planificación de campañas a lo largo del año. Al conocer los períodos de alta y baja demanda, se pueden distribuir estratégicamente las campañas promocionales y publicitarias para generar interés y captar la atención del público en momentos clave.
En resumen, aprovechar las conclusiones del análisis de la tendencia de ventas estacionales permite tomar decisiones más informadas y estratégicas en áreas como marketing, personal, logística e inversión de capital. Esto ayuda a maximizar las oportunidades de ventas durante los períodos de alta demanda y a minimizar las pérdidas durante los períodos de baja demanda, lo que puede contribuir al crecimiento y éxito del negocio.
Espero te guste tanto como a mi las conclusiones obtenidas y disfrutes de este tipo de análisis.
Vicente Antonio Juan Magallanes
Business Intelligence Technical.
Perfil linkedin.