מטלת סיכום ב-Power BI — מכירות קמעונאיות

Total Sales = SUM ( Fact_Sales[Net_Amount] )

1. יצירהקליק ימני על Fact_Sales ← New measure
2. עיצובFormat ← Currency ← 0 ספרות אחרי הנקודה

למה Net ולא Gross: Gross_Amount הוא לפני הנחה (€67,937,751), Net_Amount אחרי (€62,929,759). ההפרש — €5,007,992 — הוא ההנחה שניתנה במבצעים. שני המספרים נכונים, הם עונים על שתי שאלות שונות, ולכן חייבים להגדיר מדד לפני שמתווכחים על מספר.

ומה עם החזרות: €2,364,425 הוחזרו ללקוחות (3.76% מהמכירות), והם יושבים ב-Fact_Returns — לא מנוכים מהמדד הזה. המכירות נטו-נטו הן €60,565,334. זה תרגיל בונוס מצוין.

תוצאה: €62,929,759 — מספר העוגן של כל המטלה.

Total Orders = DISTINCTCOUNT ( Fact_Sales[Order_Number] )

שימו לב לעמודה: Order_Number ולא Sales_Line_ID. הזמנה עם כמה פריטים מופיעה בכמה שורות, ולכן COUNT היה מחזיר 30,000 — שורות, לא הזמנות. הממוצע הוא 2.16 שורות להזמנה.

תוצאה: 13,892 הזמנות מתוך 30,000 שורות מכירה.

Avg Order Value = DIVIDE ( [Total Sales], [Total Orders] )

ממוצע של מה: AVERAGE(Fact_Sales[Net_Amount]) היה מחזיר את הממוצע לשורת הזמנה ולא להזמנה. כשהמדד בנוי משני מדדים קיימים, המכנה מוגדר במפורש. DIVIDE עדיף על / כי הוא מחזיר ריק במקום שגיאה כשהמכנה אפס.

המדד מתגלגל אוטומטית: גררו אותו לטבלת הנציגים והוא יחזיר את הסל הממוצע של כל נציג — ראו את התובנה בתרגיל 2.4.

תוצאה: €4,530 להזמנה.

Total Profit = SUM ( Fact_Sales[Gross_Profit] )

Profit Margin % = DIVIDE ( [Total Profit], [Total Sales] )

העמודה נגזרת ולא אקראית: Gross_Profit = Net_Amount פחות COGS, בכל אחת מ-30,000 השורות. אפשר לאמת את זה ב-Power Query לפני שמתחילים.

255 שורות עם רווח שלילי (0.85%) — מבצע של 25% שירד מתחת לעלות. זה קורה בדאטה אמיתי, וזו שאלת ניתוח טובה: איזה מבצע אכל את הרווח.

תוצאה: €25,282,189 · שולי רווח 40.18%.

Digital Sales =
CALCULATE ( [Total Sales], Dim_Channel[Is_Digital] = "Yes" )

מה קורה כאן: CALCULATE מוסיפה את התנאי לבועת הסינון ורק אז מריצה את [Total Sales]. הפילטר יושב על עמודת טקסט בטבלת המימד וזורם דרך הקשר אל 30,000 שורות העובדה — בלי שום JOIN.

הפירוק לפי ערוץ: Mobile App €13,038,227 · Retail Branch €12,512,458 · Web Store €12,493,313 · Telesales €12,491,849 · Partner Reseller €12,393,913

תוצאה: €25,531,540 — 40.57% מהמכירות.

Promotion Sales =
CALCULATE ( [Total Sales], Dim_Promotion[Promotion_Type] <> "Standard Price" )

למה יש חבר "ללא מבצע": בלעדיו היו 15,990 שורות עם מפתח ריק, וכל ויזואל היה מציג (Blank). חבר ברירת מחדל עם מפתח 0 הוא הפתרון המקובל — וזו הסיבה שבקובץ הזה יש 0 מפתחות ריקים.

ההנחה שניתנה במבצעים: €5,007,992 — כמעט כל ההנחה בקובץ. שווה לבנות מדד Discount Rate % ולראות מי הערוץ שמנצל אותה.

תוצאה: €26,793,724 — 42.58% מהמכירות, ב-14,010 שורות.

% of All Sales =
DIVIDE (
    [Total Sales],
    CALCULATE ( [Total Sales], ALL ( Dim_SalesRep ) )
)

מה עושה ALL: המונה חי בבועה של השורה (נציג אחד), והמכנה משוחרר מסינון ולכן תמיד מחזיק את כל החברה. בשורת ה-Total המונה שווה למכנה — וזו הבדיקה שהמדד נכתב נכון.

תוצאה: הנציג המוביל מחזיק 3.01% · שורת ה-Total מציגה 100.00%.

Rep Status =
IF ( [Total Sales] >= 1570000, "מעל הממוצע", "מתחת לממוצע" )

מאיפה 1,570,000: €62,929,759 ÷ 40 נציגים = €1,573,244, מעוגל. המדד מחזיר טקסט ולכן מתאים לטבלה, לא לקארד מספרי.

תוצאה: 20 נציגים "מעל הממוצע" · 20 "מתחת" — חלוקה כמעט מושלמת לשניים.

Rep Tier =
SWITCH (
    TRUE (),
    [Total Sales] >= 1700000, "צמרת",
    [Total Sales] >= 1470000, "אמצע",
    "תחתית"
)

הסדר קובע: SWITCH עוצר בתנאי הראשון שמתקיים. אם התנאי הנמוך ייכתב ראשון, כל שכבת הצמרת תסווג "אמצע" והשכבה העליונה תישאר ריקה.

תוצאה: 9 "צמרת" · 21 "אמצע" · 10 "תחתית".

Tier Color =
SWITCH (
    [Rep Tier],
    "צמרת", "#132449",
    "אמצע", "#F5C518",
    "#A9B4CC"
)

שתי הצורות של SWITCH: בתרגיל הקודם TRUE() כי התנאים הם השוואות טווח; כאן הביטוי הוא מדד טקסט והערכים הם התאמה מדויקת.

המלכודת: SWITCH משווה מחרוזות בהתאמה מדויקת. רווח אחד בסוף מחרוזת ייכשל בשקט וכל השורות יקבלו את ברירת המחדל. העתיקו את המחרוזות מהמדד הקודם.

המדד לא מוצג בשום ויזואל — הוא משמש רק את העיצוב המותנה בתרגיל 3.2.

Rep Rank =
RANK ( ALL ( Dim_SalesRep[SalesRep_Name] ), ORDERBY ( [Total Sales], DESC ) )

מה עושה ALL: מוחקת את סינון השורה ומחזירה את כל 40 הנציגים לרשימת המתמודדים.

מה שונה מ-RANKX: ברירת המחדל של ORDERBY היא ASC, ולכן בלי DESC הנציג החלש יקבל מקום 1. בשורת ה-Total הפונקציה מחזירה ריק.

תוצאה: Kenji Smith = 1 · Piotr Levi = 40.

Leader Sales =
CALCULATE (
    [Total Sales],
    INDEX ( 1, ALL ( Dim_SalesRep[SalesRep_Name] ), ORDERBY ( [Total Sales], DESC ) )
)

% of Leader = DIVIDE ( [Total Sales], [Leader Sales] )

איך להסביר: RANK עונה "איפה אני"; INDEX עונה "תראה לי את מי שבמקום 1". העטיפה ב-CALCULATE היא שגורמת למדד להתחשב שם במקום כאן.

תוצאה: €1,896,727 בכל שורה · האחרון עומד על 65.4% ממנו.

Running Sales =
CALCULATE (
    [Total Sales],
    WINDOW ( 1, ABS, 0, REL,
        ALL ( Dim_SalesRep[SalesRep_Name] ),
        ORDERBY ( [Total Sales], DESC )
    )
)

ההיגיון של ארבעת המספרים: 1, ABS = ראש הרשימה · 0, REL = עוצרים אצלי. אם תחליפו ל-1, ABS ← 3, ABS תקבלו עמודה קבועה עם סכום שלושת הגדולים — מילה אחת הופכת חלון נודד לחלון קבוע.

בדיקת שפיות מובנית: השורה האחרונה חייבת להיות בדיוק €62,929,759.

Total Target = SUM ( Fact_SalesTargets[Target_Amount] )

Target Attainment % = DIVIDE ( [Total Sales], [Total Target] )

הבדלי גרעין — הלקח המרכזי כאן: המכירות יומיות והיעדים חודשיים. שתי הטבלאות מחוברות ל-Dim_Date בעמודות שונות (Date_ID מול Month_Start_Date_ID), ולכן סינון של יום בודד יראה מכירות בלי יעד. סננו לפי חודש או שנה, לא לפי יום.

מדד שלישי לבונוס: Total Refunds = SUM ( Fact_Returns[Refund_Amount] ) — €2,364,425, שהם 3.76% מהמכירות. שלוש טבלאות עובדה תחת אותם סלייסרים.

תוצאה: יעד €63,014,903 · עמידה ביעד 99.86%.

1. גווניםשלושה בלבד: נייבי #132449, זהב #F5C518 ואפור ניטרלי
2. רקעקליק על קנבס ריק ← Format your report page ← Canvas background ← גרסה בהירה של הנייבי ← Transparency = 0%
3. כותרתInsert ← Text box ← "חדר המצב של המכירות"
4. מגשInsert ← Shapes ← Rectangle ← רצועה רוחבית ← Rounded corners ← Send to back

הצורה חייבת לשבת מתחת לקארדים.

1. חיפושעגלת קניות או חנות ברקע שקוף — הוסיפו transparent PNG וסננו ב-Tools ← Color ← Transparent
2. גודלרוחב 300px לפחות
3. הוספהInsert ← Image ← פינת הכותרת, גובה כ-60 פיקסלים
4. יחסFormat image ← Scaling = Fit, גרירה מפינה בלבד

אל תשתמשו בלוגו של רשת קמעונאית אמיתית — הנתונים מומצאים. תמונה גנרית מ-Unsplash או Pexels.

Total Sales · Total Orders · Avg Order Value · Total Profit

מלכודת תצוגה: Total Orders חייב Display units = None, אחרת יוצג "13.9K". בקארדי הכסף קבעו Currency עם 0 ספרות כדי שהארבעה ייראו אחידים.

יישרו: Ctrl+Click ← Group ← Distribute horizontally ← Align top.

X-axis = Dim_SalesRep[SalesRep_Name]
Y-axis = [Total Sales]     ← המדד, לא העמודה

שימו לב כמה הליגה צפופה: Kenji Smith מוביל עם €1,896,727 ו-Piotr Levi סוגר עם €1,241,220 — פער של 53% בלבד בין הראשון לאחרון מתוך 40. בדשבורד אמיתי זה אומר שדירוג לבדו לא מספיק כדי להחליט משהו.

עכשיו הוסיפו את [Avg Order Value]: המוביל עומד על €4,991 להזמנה והאחרון על €4,310. ההבדל בסכום נובע בעיקר ממספר ההזמנות (380 מול 288), לא מגודל הסל — ההבדל בין מדד מצטבר למדד יחס.

המוביל: Kenji Smith — €1,896,727 (3.01%).

X-axis = Dim_Date[Full_Date]
Y-axis = [Total Sales]

מה רואים: שלוש שנים שטוחות כמעט לחלוטין — הפער בין השנה החזקה לחלשה הוא פחות מ-2%. החודש החזק הוא 2025-07 עם €2,114,749, והחלש 2024-01 עם €1,478,273.

שאלה לכיתה: האם התנודתיות החודשית היא עונתיות אמיתית או רעש? עם 36 חודשים בלבד ופיזור כזה — התשובה היא רעש, וזה בדיוק מה שחשוב שתלמיד ידע לומר במקום להמציא סיפור.

שיא: 2025-07 — €2,114,749.

1. עמוד＋ בתחתית ← שם: זרקור נציגים ומוצרים ← אותו רקע קנבס
2. סלייסרSlicer ← Dim_Date[Year] ← Style = Tile
3. עיצובמתחו לרוחב מתחת לכותרת · נבחר = כהה, לא-נבחר = בהיר

בדקו שהסלייסר משפיע על כל הוויזואלים, כולל אלה שבנויים על Fact_Returns ו-Fact_SalesTargets.

Dim_SalesRep[SalesRep_Name] · [Rep Rank] · [Total Sales]
[% of All Sales] · [% of Leader] · [Running Sales]
[Rep Status] · [Rep Tier]

ההבדל בין שני המדדים: Rep Status משווה לממוצע שמחושב מהדאטה (€1,573,244), ו-Rep Tier משווה לספים קבועים. נציג יכול להיות "מתחת לממוצע" ועדיין בשכבת "אמצע".

למה Totals = Off: פונקציות חלון מחזירות ריק בשורת הסיכום.

20 "מעל הממוצע" · שכבות: 9 / 21 / 10.

Y-axis = Dim_Product[Product_Name]
X-axis = [Total Sales]
Filter = Top N, 10, by [Total Sales]

שימו לב לזנב הארוך: 300 מוצרים בקטלוג, והמוביל מחזיק €583,483 — פחות מאחוז מסך המכירות. זה קטלוג מפוזר, לא קטלוג שנשען על להיט אחד. גררו את Dim_ProductCategory[Category_Group] כדי לראות איפה כן מתרכז הכסף.

המוביל: Ardex Audio 1228 — €583,483.

Rows    = Dim_Customer[Segment]
Columns = Dim_Channel[Channel_Name]
Values  = [Total Sales]

שימו לב לנתיב הסינון: הסגמנט מגיע מ-Dim_Customer והערוץ מ-Dim_Channel — שני מימדים נפרדים שמצטלבים על אותה טבלת עובדות. זה בדיוק מה שסכמת כוכב נותנת בחינם.

סך כל התאים: €62,929,759 — זהה למדד הבסיס.

X-axis        = Dim_ProductCategory[Category_Group]
Column y-axis = [Total Sales]
Line y-axis   = [Profit Margin %]

זו התובנה של כל הדשבורד: Technology מוכרת הכי הרבה (43.6% מהמכירות) אבל דווקא Office Supplies, הקטנה מכולן (19.8%), היא הרווחית ביותר — 41.5% שולי רווח מול 40.1%. עמודות ונפח מספרים סיפור אחד, הקו מספר אחר.

למה שני צירים: אחוז ויורו לא חולקים סקאלה. בגרף רגיל קו האחוזים היה נמעך לאפס — זה בדיוק המקרה שבו הכלל "אל תשתמשו בשני צירים" לא חל.

הרווחית ביותר: Office Supplies — 41.5% שולי רווח.

1. ניווטInsert ← Buttons ← Navigator ← Page navigator ← למטה במרכז
2. עקביותאותם Rounded corners, אותם מרווחים, Align לכל שורה
3. בדיקהזום 100%: אין טקסט חתוך ואין ויזואל שנוגע בקצה הקנבס

בדיקה אחרונה: הסתירו את הכותרת — עדיין צריך להיות ברור שזה דוח מכירות.

Rule 1:  >= 0        and <  1,470,000   ->  #A9B4CC
Rule 2:  >= 1,470,000 and <  1,700,000   ->  #F5C518
Rule 3:  >= 1,700,000                    ->  #132449

1. פתיחהבחרו את הגרף ← Format visual ← Columns ← Colors ← fx
2. הגדרהFormat style = Rules · What field = [Total Sales]
3. חוקיםשלושה חוקים עם New rule
4. קריטיסוג הערך = Number, לא Percent

התוצאה: 9 נציגים בנייבי כהה, 21 בזהב, 10 בנייבי בהיר.

Format visual <- Cell elements
  Series: Rep Tier
  Background color = On <- fx
  Format style = Field value
  What field should we base this on? = [Tier Color]

למה זה חזק יותר מ-Rules: החוקים בתרגיל 3.1 חיים בתוך ויזואל אחד. המדד Tier Color הוא מקור אמת יחיד — שינוי אחד ב-SWITCH מתעדכן בכל מקום.

שתי הטכניקות מייצרות בדיוק את אותה חלוקה: 9 / 21 / 10.

כל התוצאות אומתו ב-pandas מול Retail_StarSchema_PowerBI.xlsx (30,000 שורות מכירה). 11 הקשרים נבדקו תכנותית — 0 מפתחות יתומים, 0 מפתחות ריקים, 0 תלויות מעגליות ו-0 נתיבי סינון כפולים.