¡Bienvenidos, muy buenos días tardes o noches , según donde me leas !

 

En el emocionante mundo de los análisis de datos y la toma de decisiones empresariales, nos encontramos en la fase 4: la creación de medidas. En esta etapa, nos enfrentamos a un desafío intrigante: responder preguntas clave de negocio que nos planteamos para el día de hoy.

Creación de medidas!!!!!.

Pasamos a responder las preguntas de negocio que tendremos el día de hoy, las cuales serán las siguientes: ¿Dónde las encontramos acá?

En el siguiente enlace: https://zoomcharts.com/en/microsoft-power-bi-custom-visuals/challenges/fp20analytics-october-2023
En el cual podrán ver las preguntas de negocio, hoy abordaremos la primera, la cual tiene muchas medidas por practicar en la manera en que lo plantearé, por eso solo abordaremos la primera pregunta.

¿Qué ciudad/estado tuvo la mejor gestión de la cadena de suministro minorista?

En mi caso, enfocaré las medidas y el caso a la columna «estado».

Bueno, primero explicaré la lógica con la cual abordaremos esta pregunta:

¿Qué es la cadena de suministros y cómo puedo medir su gestión? OJO OJO en base a nuestros conjuntos de datos.

Para responder a la pregunta sobre qué ciudad o estado tuvo la mejor gestión de la cadena de suministro minorista, necesitamos definir qué métricas o criterios usaríamos para determinar «la mejor gestión». Algunas posibles métricas podrían ser:

1. Beneficio (profit): Podemos observar el beneficio promedio o total por ciudad o estado.
2. Eficiencia en el envío: Medir el tiempo promedio entre la fecha de pedido y la fecha de envío por ciudad o estado.
3. Volumen de ventas: Observar las ventas totales o el número de pedidos por ciudad o estado.

Ahora bien, lo que estoy proponiendo es una forma válida de combinar múltiples métricas en una sola puntuación global para determinar los mejores estados en función de todas las métricas juntas. Lo que quiero decir y lo que veremos será lo siguiente:

1. Crear cada medida en DAX en Power BI: Para cada una de las métricas (Beneficio, eficiencia en el envío, volumen de ventas), crearía una medida en DAX que calcule el valor correspondiente para cada estado.

2. Aplicar RANKX a cada medida: Usaré y crearé con la función RANKX en DAX para clasificar cada estado basándose en cada una de las métricas. RANKX devuelve la posición de un número en una lista de números.

3. Sumar los resultados de cada RANKX: Luego, sumaré los rankings de cada estado para todas las métricas. Esto le daría a cada estado una puntuación global basada en su rendimiento en todas las métricas. Por último, crearé un rank de la suma final, llamándolo rank final.

4. Seleccionar las 3 estados con las menores puntuaciones: Dado que un ranking más bajo es mejor (por ejemplo, estar en el puesto 1 es mejor que estar en el puesto 10), seleccionaría las 3 estados con las puntuaciones globales más bajas.

Este enfoque combina múltiples métricas en una puntuación única y es una forma efectiva de identificar los mejores estados en función de un conjunto de criterios. En general, este enfoque es una buena manera de obtener una visión global basada en múltiples criterios.

Sumado a ello, podrás poner en práctica diferentes funciones de DAX en un entorno real.

Ahora, habiendo explicado la lógica para responder a la primera pregunta, empecemos con la primera medida, la cual será:

Total Beneficios = SUM(Fact_Table[Profit])

Creamos un objeto visual de tipo tabla, ingresamos los estados de nuestra dimensión «country», y añadimos la medida con formato de moneda sin decimales.

Imagen 2

 

 

Ahora pasamos a crear el rango de beneficios por estado con la siguiente medida:

Rank Beneficio = RANKX(ALL(Dim_Country[State]), [Total Beneficios])

Explico brevemente cómo funciona esta medida:

– RANKX(ALL(Dim_Country[State]), …) – Esta parte de la medida utiliza la función RANKX. La función RANKX se utiliza para asignar un rango a los valores de la medida «[Total Beneficios]» en función de un conjunto específico de valores. En este caso, el conjunto de valores se define como ALL(Dim_Country[State]), lo que significa que se está considerando todo el conjunto de valores de la columna «State» de la tabla «Dim_Country» como el contexto para el cálculo del rango.

– [Total Beneficios] – Esta es la medida cuyo rango se está calculando. En otras palabras, se está calculando el rango de los valores de la medida «[Total Beneficios]» dentro del contexto proporcionado por el conjunto de valores de la columna «State».

Luego, añadimos esta medida al objeto visual de tipo tabla que ya habías creado.

Imagen 3

Ahora pasamos a crear la medida de eficiencia en el envío. Primero, necesitamos crear una medida que calcule en días la cantidad de cada una de estas columnas en las cuales son «order date» y «ship date». Aquí utilizaremos la función DATEDIFF, combinándola con SUMX.

Días entrega = SUMX(Fact_Table, DATEDIFF(Fact_Table[Order Date], Fact_Table[Ship Date], DAY))

Explico cómo funciona esta medida:

– SUMX(Fact_Table, …) – Esta parte de la medida utiliza la función SUMX para realizar una suma a través de los registros de la tabla de hechos llamada «Fact_Table». Esto significa que va a realizar un cálculo para cada fila de la tabla de hechos.

– DATEDIFF(Fact_Table[Order Date], Fact_Table[Ship Date], DAY) – Dentro de la función SUMX, se utiliza la función DATEDIFF para calcular la diferencia en días entre la columna «Order Date» (fecha de pedido) y la columna «Ship Date» (fecha de envío) de la tabla de hechos. El tercer argumento «DAY» se utiliza para especificar que queremos la diferencia en días.

Imagen 4

Ahora, en estos pasos, también podemos crear en una columna los días de entrega:

Días entrega = DATEDIFF(Fact_Table[Order Date], Fact_Table[Ship Date], DAY)

Pero para optimización de espacio, usaré la primera medida, que me gusta es usar medidas, pero dejo esta opción para quien lo desee.

Imagen 5

Ahora pasamos a crear la medida del rango de días de entrega, eficiencia en el envío:

Rank Eficiencia en el envío = RANKX(ALL(Dim_Country[State]), [Días entrega])

Procedemos ahora a crear la última medida para medir la gestión de la cadena de suministros.

Pasamos a sumar en base a la columna cantidad la cantidad de unidades vendidas:

Volumen de ventas = SUM(Fact_Table[Quantity])

Imagen 6

Procedemos a crear el rango para esta medida:

Rank Volumen ventas = RANKX(ALL(Dim_Country[State]), [Volumen de ventas])

Imagen 7

Ahora vamos a algo bonito, sumaremos ahora las tres medidas de rango para obtener un entero único sumando estas tres:

Sum de rankings = [Rank Beneficio] + [Rank Eficiencia en el envío] + [Rank Volumen ventas]

Imagen 8

Y para nuestro cierre en este camino hermoso de creación de medidas bonitas, es el rango final:

Ranking final = RANKX(ALL(Dim_Country[State]), [Sum de rankings],,ASC)

El cual creamos un rango en base a la suma de nuestro ranking.

Imagen 9

Ahora, con todas nuestras medidas, le añadimos en el filtro de nuestro objeto visual la última medida y aplicamos «menos o igual a tres», como lo veremos en la imagen final.

Imagen 10

Como vemos, respondimos de manera muy eficiente con diversas medidas y lógica a nuestras tres estadísticas con la mejor gestión de suministros en base a nuestros criterios: California, Nueva York y Washington.

Cerrando este post del dia de hoy ,hemos explorado un enfoque meticuloso para responder una pregunta crítica de negocio: ¿Qué ciudad o estado tuvo la mejor gestión de la cadena de suministro minorista? A lo largo de este artículo, hemos desglosado cómo definir y medir la ‘mejor gestión’ utilizando métricas como el beneficio, la eficiencia en el envío y el volumen de ventas.