Share on facebook
Share
Share on twitter
Tweet
Share on linkedin
Share

Blog – Comment comparer un magasin à des magasins similaires sur la base d’un grand nombre de caractéristiques communes

Pourquoi et comment comparer des magasins similaires ?

Nous avons tous déjà entendu cette question : comment se situe la performance de ce magasin par rapport à d’autres magasins, sur la base de caractéristiques communes comme par exemple la taille du magasin, l’implantation, le secteur d’activité ?

 

Comme c’est souvent le cas avec ce genre d’interrogation, il existe de nombreuses façons d’obtenir le même résultat.
Nous nous concentrerons ici sur une méthode spécifique, mais sachez qu’il existe d’autres manières de procéder. Cet article n’est en aucun cas une liste exhaustive des solutions possibles.

Pourquoi devrions-nous nous intéresser à ce genre d’analyse ?

Imaginons que vous êtes à la tête d’une entreprise comptant plusieurs magasins. Vous voulez comparer les résultats de chaque magasin pour déterminer ceux qui sont performants et ceux qui ont besoin d’une attention accrue.

Une manière de procéder consiste à comparer des éléments tels que « Total Sales » (le chiffre d’affaires total), « Number of Transactions » (le nombre de transactions) ou d’autres valeurs. Vous aurez ainsi une idée de la performance individuelle de chaque magasin. L’inconvénient est que cette méthode avantagera injustement les magasins de plus grande taille bénéficiant d’une implantation de premier ordre…

Pour résoudre ce problème, vous devez comparer chaque magasin avec des magasins similaires sur la base de quelques caractéristiques communes. C’est ce que l’on appelle la méthode des comparables.

Quelles méthodes pouvez-vous utiliser pour effectuer une telle analyse ?

1. CRÉER UN TABLEAU

Vous pouvez créer un tableau contenant tous les magasins et les caractéristiques appropriées. Comme ces caractéristiques peuvent changer au fil du temps, vous devez régulièrement mettre ce tableau à jour, ou en faire un « snapshot », soit une photographie à l’instant T. La démarche peut sembler simple si vous ne souhaitez utiliser que quelques caractéristiques, mais les choses peuvent rapidement se corser.

2. TROUVER LA SOLUTION DANS DES REQUÊTES SOURCES

Si le système source est une base de données relationnelle, vous pouvez écrire des requêtes compliquées pour trouver la solution. S’il est généralement préférable de traiter certaines questions dans un système source ou des requêtes sources, cela pose quelques problèmes. Pour commencer, les requêtes deviendraient assez compliquées. Ensuite, si vous décidez de changer les caractéristiques, vous devez réécrire les requêtes.

3. CRÉER UNE COMPARAISON EN UTILISANT DES VALEURS ET DES COLONNES CALCULÉES DANS POWER BI

Les deux méthodes susmentionnées présentent suffisamment d’inconvénients que pour chercher une solution alternative plus simple à mettre en œuvre et plus dynamique de par sa conception. Bienvenue dans l’univers des valeurs.

Avant de pouvoir vous mettre au travail, vous devez disposer d’une table reprenant les données des magasins (ou de toute autre dimension à utiliser) ; vous avez en outre besoin de certaines valeurs pour analyser les données. 

Pour cela, vous devrez suivre quelques étapes : 

1. Créer une colonne calculée pour générer une valeur unique pour la combinaison de caractéristiques.

Vous pouvez utiliser à cet effet la fonction « COMBINEVALUES » dans DAX. Dans cet exemple, nous utiliserons les valeurs « Chain » (Chaîne), « SellingAreaSize » (Taille de la zone de vente) et « Store Type » (Type de magasin) pour comparer les magasins. Les données relatives aux magasins se trouvent dans une table commodément appelée « Store » (Magasin).

 

Créez une valeur appelée « SimilarStoreType » (Type de magasin similaire) et concaténez les caractéristiques choisies en utilisant un point-virgule comme séparateur. Le séparateur n’est pas strictement nécessaire, mais nous le conservons à des fins de lisibilité.

2. Créer une valeur pour calculer une moyenne de magasins similaires

La seconde étape consiste à créer une valeur qui calculera la moyenne d’une valeur existante (par ex. TotalProfit) pour tous les magasins similaires. Ce calcul se déroule en 5 étapes :

  1. Créez une variable contenant le « SimilarStoreType » du magasin pour lequel vous souhaitez effectuer une comparaison. Pour ce faire, reprenez la valeur que vous avez créée à l’étape précédente.
  2. Créez une variable de table contenant une liste de tous les magasins que vous souhaitez comparer. Ce faisant, vous devez tenir compte de deux éléments :

    – Vous ne pouvez considérer que les magasins qui ont vendu des articles pendant la période en question. Vous pouvez utiliser un filtre stipulant que la valeur « TotalUnits » (Unités totales) doit être différente de « 0 ».
    – Vous devez contourner le contexte d’enregistrement pour obtenir tous les magasins. Pour cela, vous pouvez utiliser la fonction « ALL() ».

  3. Calculez le nombre de magasins que vous voulez comparer en comptant les lignes dans la variable de table créée à l’étape précédente.

  4. Calculez la valeur des « TotalUnits » pour tous les magasins pertinents. Dans cette étape, vous devez aussi contourner le contexte d’enregistrement pour pouvoir calculer le résultat total.

    Calculez la moyenne qui est le résultat final.

    Combiné, cela crée la formule ci-dessous :

3. Utiliser les informations présentes dans des visualisations

performance d’un magasin à celle d’autres magasins similaires.

Conclusion

La création d’une combinaison unique de caractéristiques communes permet d’identifier les magasins similaires au magasin de référence. Vous pouvez ainsi analyser correctement la performance de ce dernier en la comparant à celle des magasins de même nature. La manière la plus dynamique de procéder consiste à créer une colonne calculée et une valeur pour la concaténation des caractéristiques souhaitées. Vous créez une valeur de comparaison distincte pour chaque valeur que vous utilisez déjà. Et si vous voulez changer les caractéristiques sur lesquelles se base la comparaison, vous ne devez changer qu’une colonne calculée.

En savoir plus ?

Prenez contact avec nous !

Blog -   BigLake : Unifier les data lakes et les warehouses au travers des clouds

Blog - BigLake : Unifier les data...

BigLake : pourquoi et comment l’utiliser? Les organisations voient leurs données se…
Blog -  Google Cloud Next 2022 - Quelle sera la prochaine étape ?

Blog - Google Cloud Next 2022 -...

Google Cloud Next 2022 Le coup d’envoi de l’événement Google Cloud Next…
Blog - Delta lake 2.0, Z-Order

Blog - Delta lake 2.0, Z-Order

Augmentez vos performances grâce à Delta Lake 2.0 Qu’est-ce que Delta Lake…
ACCÉLÉREZ AVEC NOUS
la data vous passionne ?

Contactez-nous