IT og digitalisering
Time Intelligence – optimer læren af data over tid
Endofquarter, firstnonblank, nextquarter, dateadd, datesmtd, endofmonth, closingbalancemonth – er alle tilgængelige timeintelligensfunktioner i formeludtrykssproget DAX.
Læst langsomt og hver for sig, giver de sig selv. Udfordringen er at vælge de rigtige funktioner og sætte dem i den rette kontekst.
Kan du det, har du et kraftfuldt værktøj til at analysere data over tid - og dermed en god basis for at træffe vigtige beslutninger for din virksomhed.
Misser du en funktion eller sætter den i den forkerte kontekst, er det som at skifte sukker ud med salt i din kage – du får et resultat, men det er lagt fra spiseligt.
Time Intelligence-værktøjer
Time Intelligence-værktøjer gør det muligt at analysere udvikling over tid – fx trends, sæsonvariation og afvigelser.
Et simpelt eksempel er at beregne et glidende gennemsnit:
df['rolling_mean'] = df['value'].rolling(window=7).mean()
Her beregnes et gennemsnit over syv perioder, hvilket gør det lettere at identificere mønstre i data frem for enkeltstående udsving.
Øget kompleksitet og detaljegrad
Men hvad er der nu galt med Excel, kan du så spørge.
Ingenting, selvfølgeligt. DAX og de øvrige tidsintelligens værktøjer er bare en del mere avancerede og kan, rigtigt brugt, give dig mulighed for at oprette mere komplekse beregninger og analyser.
DAX formler kan for eksempel bruge relationer mellem tabeller, mens Excel-formler kun kan henvise til celler i samme regneark. Derudover giver tidsintelligensfunktionerne dig mulighed for at analysere data mere detaljeret.
Hvis du samtidig bruger Power BI, Power Pivot eller lignende værktøjer, kan du ikke alene oprette beregningerne – du kan også vise dem i rapporter og på dashboards som alle, også de mindre regnskabskyndige i virksomheden, kan forstå.
Hvornår er Time Intelligence nyttig?
Forbedrede processer
- Ved at sammenligne f.eks. produktionsdata, vedligeholdelsesdata eller fejlrapporter kan en virksomhed identificere tendenser og mønstre som udgangspunkt for at træffe beslutninger for f.eks. at optimere processer og produktivitet.
Budgettering og prognoser
- Brug historiske data til at oprette budgetter og prognoser, som udgangspunkt for at planlægge fremad og træffe beslutninger om ressourceallokering og investeringer.
Analyse af sæsonvariationer
- Ved at analyser sæsonvariationer, f.eks. salgsmønstre i ferieperioder, kan virksomheder tilpasse forretningsstrategi ved at forudsige efterspørgsel.
Analyse af kundeadfærd
- Forstå kunderne ved at analysere kundeadfærd over tid, f.eks. købsvaner eller kundetilfredshed, og brug det til at forbedre kundeoplevelsen og øge salg.
Læs mere:
Kontakt
Få hjælp nu
Find relevante, kvalitetssikrede kurser og efteruddannelse.