越来越多的财务运营分析师,开始发挥数据领导力,用数据驱动增长,并关注Excel商务智能PowerPivot。如果你对Excel中的数据透视表(PivotTable)、数据透视图(PivotChart)熟悉的话,同样可以利用数据模型(PivotModel)来辅助开展多维透视、交互展现。
在上篇文章中,我们通过“流量分析仪表板”,深度解读了日期切片器控件的应用。和所有的时间智能函数相似,日期切片器的原理同样是对期初、期末、期间(N期YQMD和Week)构成的统计期间,以及统计时点的操控。
在这篇文章,我们继续这一主题,通过“付费流量分析仪表板”,深度解读如何使用What-If分析中的数值控件。“付费流量分析仪表板”涉及到广告投入-产出的模拟,需要将k因子的病毒传播效应剔除。使用包括曝光量(金额/CPX)、转化率、病毒K因子、初始存量客户等输入变量,最终和预测模拟的增量客户叠加,形成最终的客户量预测。
从逻辑的角度来讲,指数型增长预测和财务预测中的复利类似,并不复杂。掌握之后同样可以用于现金流预测、投资模拟、投行估值建模等等。
在财务领域,频繁地建立和使用的财务模型,通常会设定成千上万的假设(输入变量)和繁琐的输出,建造复杂细化的模型。对于模型的使用者来说,通常希望看到的是:
(1)公司过往 12 个月的历史数据。
(2)公司未来 24 个月经营预测。
本文关注的重点,包括输入和输出两个方面。强烈建议大家阅读以下两篇文章,以便对 日期切片器 和 时间操控 非常有感。
(1)与数值输入(假设变量)有关的 数值控件(滑块、输入框)技巧。有关日期切片期,请参考文章:
图解流量分析 | 瞬间提升逼格的 时间切片器 效果用法
(2)展现时间周期(输出预测),为未来0-36个月份的客户量预测。有关TTM(过往12个月)的技巧,请参考文章:
图解最近12个月(TTM)|彻底掌握“相对日期切片器”|
用Excel Power BI函数开展 预测分析
在建模时,DAX公式的编写,首先源自业务现实,其次遵循DAX万能公司的编写原则。
现实业务中的流量来源,大致可以分3类。
这里引用图表一张,请自行脑补:
(1)自有媒体(如微信公众号)中的存量用户,作为预测时的初始客户(基值)
(2)病毒传播带来的增量用户。增长均遵循指数型增长,不同的是是否将已有的初始客户,算作指数增长的底数。
在PivotModel老师的课程里,大致归纳如下:
(3)付费渠道带来的增量用户。遵循漏斗转化规律:
k因子是增长算法中的重要组成部分。从PivotModel老师的课程中可以找到多种增长预测方式。
假设数据,包括:
假设的 初始客户数、
假设的 每月付费来源流量(和营销预算/CPX有关)、
假设的 转化率(整体转化率,最终成交付费 vs 曝光浏览)
假设的 病毒营销因子(k)
一般而言,这些是客户增长的驱动因素。在设计仪表板时,可以将其放置于同一区域。建模的惯例是置于上方或者放置于左侧。
通常情况下,传统的金融建模时,对于假设数据,是以蓝色数值放置于浅灰色单元格当中的,因此我们可以:
(1)通过控件中的滑块,拖放调整要输入的假设数值的大小
(2)通过卡片图,以浅灰色背景和蓝色字体显示,以表明为假设的输入值。
预测数据:通常包括
结果图表(趋势线)
数据表单(明细)
最终展现的预测线长度是可以调整的,通常关注的是未来24个月的预测。
展现控件通常位于独立的区域,我们这里同样沿用了 数值控件+卡片图的组合展现方式。日期控件的文字可以根据需要来输入自定义。除了滑块以外,直接输入一个月份数值也是一种准确的方法。
Power BI中目前还不支持数值型的高级控件。当使用参数表(数值列)作为切片器时,通常切片器仅支持两种方式:
(1)列表
(2)下拉。
暂不支持Tableau一样非常成熟的控件。
以Tableau为例,可以通过滑块控制数值大小,并且支持直接写入一个假设变量,如佣金率。
Power BI中,通常没有那么多功能,但是也可以实现突破:
(1)用日期切片器,作为数值控件
(2)数值转日期格式。对作为假设的参数表列,转换数据格式。对日期格式列应用日期控件
(3)日期转数值模式。日期控件建好后,可以再次转换为数值,并设置相应的格式,如%等。
具体操作样例如下:
对于离散的变量值,切片器仅支持 列表/下来两种方式。
通过将离散的值,转为日期列之后,才能使用日期切片器,并支持“之前”、之后的筛选。
得到的控件,其中的日期值可以去除,让转化率的值,更加具有可读性。
以上就是用 日期切片器,来生成数值控件的技巧,简单吧!
点击“阅读原文”,获得该案例对应的视频课程链接。
http://study.163.com/course/courseMain.htm?courseId=1002948003
延伸阅读:
图解流量分析 | 瞬间提升逼格的 时间切片器 效果用法
图解最近12个月(TTM)|彻底掌握“相对日期切片器”|
用Excel Power BI函数开展 预测分析
友情链接