Hola a todos
Consulte el archivo adjunto para obtener soporte.
Tenemos un modelo simple de una mesa:
| Customerid |
Fechas |
Segmento |
| 6 |
03/01/2020 |
Segmento2 |
| 7 |
03/01/2020 |
Segmento2 |
| 6 |
03/02/2020 |
Segment1 |
| 7 |
03/02/2020 |
Segmento2 |
| 6 |
03/03/2020 |
Segment1 |
| 7 |
03/03/2020 |
Segment1 |
con información sobre a qué segmento pertenecían los clientes en fechas específicas. Construimos un objeto visual de matriz con Segmento en filas, Fechas en columnas y esta medida en valores:
Net new customers =
VAR _CurrentDate =
SELECTEDVALUE (Table1[Dates] )
VAR _PreviousDate =
CALCULATE (
MAX ( Table1[Dates] ),
ALLSELECTED ( Table1[Dates] ),
Table1[Dates] < _CurrentDate
)
VAR _CustomerIDsThisMonth = DISTINCT(Table1[CustomerId])
VAR _CustomerIDsPreviousMonth =
CALCULATETABLE (
DISTINCT(Table1[CustomerId]),
Table1[Dates] = _PreviousDate
)
RETURN
COUNTROWS(EXCEPT(_CustomerIDsThisMonth, _CustomerIDsPreviousMonth))
Esto proporciona el número de nuevos clientes que se movieron a ese segmento en esa fecha (a partir de la fecha anterior).
Esto funciona bien para un número bajo de clientes. Cuando eso aumenta, sin embargo, se vuelve bastante lento. Por ejemplo, con 1 millón de clientes e información sobre 10 fechas en la tabla, la medida tarda alrededor de 13 segundos en ejecutarse en el objeto visual. Si el número de clientes y fechas es mayor, como en el escenario real, es mucho más lento todavía.
¿Alguna idea sobre cómo optimizar esto, hacerlo más rápido?
Tenga en cuenta que puede cambiar el tamaño de la tabla cambiando el número de clientes y el número de períodos (fechas) en el editor de consultas. Simplemente edite los parámetros NumCustomers y NumPeriods.
@mahoneypat , @MFelix @TomMartens
