Diluir Meta da Marca em Skus

[Ronnie Costa]

Pessoal, boa tarde! Tudo bem? Estou com um cenário para resolver e gostaria da ajuda de vocês no caso abaixo. Podem me ajudar?

Cenário.

Recebo uma meta quebrada por vendedor e marca. Porém, cada marca possui uma quantidade específica de SKU, portanto preciso diluir a meta da marca nas suas respectivas Skus considerando a representatividade de cada Sku dentro da média móvel de vendas dos últimos 3 meses e de acordo com a venda de cada vendedor.

 

Exemplo:

Vendedor 1 - Meta Mes

    Marca A > Meta Mês = 10.000

    Skus da Marca A = A1, A2, A3

Média de Venda dos últimos e meses do Vendedor 1 de cada SKU da marca A

•    A1 = 3.200 /9.000 = 36%

•    A2 = 1.200/9000 = 13%

•    A3 = 4.600/9000 = 51%

Total= 9.000

Portanto a Meta diluída para cada Sku da Marca A deveria ser:

•    A1 = 10.000*36%

•    A2 = 10.000*13%

•    A3 = 10.000*51%

Total=10.000

O resultado seria o total da meta somando todas as marcas, por vendedor, porém diluída por Skus e não apenas por marcas.

 

Abaixo as tabelas e o PBIX. Agradeço pela ajuda.

dProduto.xlsx dVendedor.xlsx fMetas.xlsx fVendas.xlsx Meta diluida por produto.pbix

[Tiago Craici - Xperiun]

Fala Incomparável @Ronnie Costa! 
Que desafio em aahahahah. Seguinte, conforme o ditado "Se o DAX está complexo vale apena rever o ETL"... 

Observações: Desenvolvi o resultado conforme o modelo (pbix) que passou. Para ser mais assertivo seria necessário uma base atualizada, o maior objetivo é te passar a lógica que cheguei para atender o objetivo, em seguida adapte para sua realidade.  

1º Criei uma nova coluna (SKU normaliza) para ser relacionado com a tabela fMeta (observado padrão de SKU, vale ver seu cenário se isso é possível). 

2º medida criada:

Media Diluida =

var _Vendedor = SELECTEDVALUE(dVendedor[Cod. Vendedor])

var _Meta = [Total Meta]

var _Produto = LEFT(SELECTEDVALUE(dProduto[Sku]), 9)

var _MediaSKU =

AVERAGEX(

    CALCULATETABLE(

        'dCalendário',

        DATESINPERIOD(

            fVendas[Data],

            EOMONTH(TODAY(), -1),

            -2,

            MONTH)

    ),

    [Total Venda]

)

var _MediaSKUnormalizado =

AVERAGEX(

    CALCULATETABLE(

        'dCalendário',

        DATESINPERIOD(

            fVendas[Data],

            EOMONTH(TODAY(), -1),

            -2,

            MONTH)

    ),

    CALCULATE([Total Venda], ALL(dProduto), dProduto[SKU normalizado] = _Produto, ALL(dVendedor))

)

var _Representatividade =

DIVIDE(_MediaSKU, _MediaSKUnormalizado)

 

RETURN

SWITCH(TRUE(),

    ISINSCOPE(dProduto[Sku]), _Meta * _Representatividade,

    ISINSCOPE(dVendedor[Cod. Vendedor]) && [Total Venda] >0,  CALCULATE([Total Meta], fMetas[Cod. Vendedor] = _Vendedor)

    )

Resultado:



⚠ Considerei somente produtos que tiveram venda para o vendedor (contexto). 


➡ Em anexo o pbix para entendimento.






 

Meta diluida por produto.pbix

[Tiago Craici - Xperiun]

Olá @Ronnie Costa
Um pergunta... Se a sua tabela fMetas está com meta a nível de produto, porque ela não se relaciona com a sua tabela dProduto? 

[Tiago Craici - Xperiun]

...  você mencionou meta a nível de marca, no seu pbix não encontrei essa informação. Pode dar mais detalhes? 

[Ronnie Costa]

Oi Tiago, tudo bem? Obrigado por sua interação. De fato sua dúvida está correta.

A coluna Produtos da fmetas é a marca. Por exemplo: Produto 1 é uma marca, Produto 2 outra e assim sucessivamente.

 

Já na dProduto temos o Sku que é uma apresentação específica da Marca. Ex: Produto 1 é uma Marca, e tem as seguintes apresentações:

 

Neste caso, recebo a meta apenas na granularidade Marca e preciso dilui-la na granularidade Marca, Sku e Vendedor com base no % de participação de cada Sku sobre o total de venda da marca nos últimos 2 ou 3 meses. Assim, cada vendedor saberá qual a meta para cada Sku existente. Abaixo um exemplo.

 

Grato pela sua ajuda.

 

[Ronnie Costa]

Falaaaa @Tiago Craici - Xperiun bom dia! Tudo bem?

Cara lhe agradeço imensamente, realmente esse é um desafio e tanto. Peguei todo o racional de maneira clara. Irei aplicar no projeto. 

Abraço!