パワークエリ/DAX関数で営業記録からグループ企業の訪問率を正確に計算する方法
パワークエリ/DAX関数で営業記録からグループ企業の訪問率を正確に計算する方法
この記事では、営業記録の分析において、グループ企業全体の訪問率を正確に算出するための具体的な方法を解説します。特に、パワークエリやDAX関数を用いて、顧客リストと日報データの関係性を考慮しつつ、グループ企業としての訪問を適切にカウントする方法に焦点を当てます。営業戦略の策定や、より精度の高い顧客分析に役立つ情報を提供します。
パワークエリまたはDAX関数を用いて、営業記録から法人グループの訪問率を計算したい。
状況：
- ‘顧客リスト’と’日報’というテーブルがある（画像参照）
- それぞれ[顧客No.]でリレーション関係にある
- ‘日報’から’顧客リスト’のうち訪問した割合を計算している
訪問率の計算式：
DIVIDE(DISTINCTCOUNT('日報'[顧客No.]), COUNTROWS('顧客リスト'))
問題：
‘顧客リスト’の一部にはグループ企業があり、親会社が子会社の契約を取りまとめている場合があることがわかった。顧客リストの行は編集できない。
[グループ企業]列を追加し、同グループへの訪問を一括して算出したい。
計算例：
× 訪問率：6÷9=66.7%
○訪問率：100% …A004～A007が同グループ
ただし子会社訪問後に親会社再訪問のケースなど、同グループ内で2種類以上[顧客No.]が’日報’に記載される可能性もあり
また、それぞれの営業記録として1行1回の活動とカウントしたい（画像の例でいうと1行目5月18日に△△グループへの訪問は1回、カバーした企業数は4社となる）
この場合、どのような解決策があるでしょうか？ パワークエリまたはDAX関数上での処置を教えていただけますと幸いです。
1. 問題の本質：グループ企業の訪問率を正確に把握する重要性
営業活動におけるグループ企業の訪問率を正確に把握することは、営業戦略の策定において非常に重要です。従来の顧客単位での訪問率計算では、グループ全体としての活動状況を見落としがちになり、以下のような問題が生じる可能性があります。
- 正確な営業効果の測定の阻害: グループ全体での訪問回数を過小評価し、営業活動の成果を正確に測定できない。
- リソース配分の最適化の妨げ: 訪問頻度や営業戦略を適切に調整できず、非効率なリソース配分につながる。
- 顧客関係の質の低下: グループ全体としての顧客ニーズを把握できず、顧客満足度の低下を招く。
これらの問題を解決するために、パワークエリまたはDAX関数を用いて、グループ企業全体の訪問を正しくカウントする手法を理解することが不可欠です。以下では、具体的な解決策をステップごとに解説します。
2. パワークエリでの解決策：グループ化と集計による訪問率計算
パワークエリは、データの整形と変換に非常に強力なツールです。ここでは、パワークエリを使用してグループ企業の訪問率を計算する具体的な手順を説明します。
2.1. データの準備：顧客リストと日報データのインポート
まず、ExcelまたはPower BIで、’顧客リスト’と’日報’のデータをパワークエリにインポートします。データソースの種類に応じて、適切なインポート方法を選択してください。
- Excelファイルからのインポート: 「データの取得」→「ファイルから」→「Excelブック」を選択し、ファイルを選択します。
- CSVファイルからのインポート: 「データの取得」→「ファイルから」→「テキスト/CSV」を選択し、ファイルを選択します。
インポート後、各テーブルが正しく読み込まれていることを確認します。
2.2. 顧客リストのグループ化：グループ企業列の追加（または既存の列の活用）
問題文にあるように、顧客リストの行を編集できない場合、既存のデータにグループ企業の情報が含まれていないか確認します。もし、何らかの形でグループを識別できる情報（例：会社名の一部、関連会社コードなど）があれば、それを利用できます。もし、グループ企業の情報が利用できない場合、追加のテーブルを作成するか、データソースを修正する必要があります。
今回は、グループ企業の情報が別テーブルに存在し、それらを’顧客リスト’に結合することを想定します。
- グループ企業情報の取得: グループ企業の情報を含むテーブルをパワークエリにインポートします。
- テーブルの結合: ‘顧客リスト’とグループ企業情報を結合します。「顧客リスト」クエリを選択し、「クエリの結合」→「クエリのマージ」を選択します。
- 結合キーの設定: 適切なキー（例：会社名、顧客No.など）を選択し、結合の種類（例：左外部結合）を設定します。
- グループ企業列の展開: 結合されたテーブルからグループ企業の情報（例：グループID、グループ名）を展開します。
これにより、’顧客リスト’にグループ企業の情報が追加されます。
2.3. 日報データのグループ化：顧客No.と訪問日の集計
日報データから、顧客No.と訪問日を基に、グループ企業ごとの訪問回数を集計します。
- ‘日報’クエリの複製: ‘日報’クエリを複製し、新しいクエリを作成します。
- グループ化の実行: 新しいクエリで、顧客No.または顧客IDと訪問日をキーとしてグループ化します。「変換」タブから「グループ化」を選択します。
- 集計列の設定: 集計方法として「行のカウント」を選択し、訪問回数を計算します。
これにより、顧客ごとの訪問回数が集計されます。
2.4. 訪問率の計算：グループ企業単位での訪問回数の算出
上記で準備したデータを基に、グループ企業単位での訪問回数を計算します。
- ‘顧客リスト’とグループ化された’日報’の結合: ‘顧客リスト’と、グループ化された’日報’を結合します。結合キーは、顧客No.または顧客IDです。
- グループ企業ごとの訪問回数の集計: グループ企業ごとに、訪問回数を合計します。
- 訪問率の計算: グループ企業ごとの訪問回数を、グループ企業の総数で割って、訪問率を計算します。
この手順により、グループ企業単位での正確な訪問率が算出されます。
3. DAX関数での解決策：メジャーの作成と計算
DAX（Data Analysis Expressions）は、Power BIなどのツールで使用される数式言語です。DAX関数を使用して、グループ企業の訪問率を計算することも可能です。
3.1. 顧客リストと日報データの準備
Power BIで、’顧客リスト’と’日報’のデータをインポートします。データモデルで、両方のテーブルが[顧客No.]でリレーションシップが設定されていることを確認します。
3.2. グループ企業情報の追加
パワークエリと同様に、グループ企業の情報が’顧客リスト’に追加されていることを前提とします。もし、グループ企業の情報が’顧客リスト’にない場合は、パワークエリでテーブルを結合し、データモデルに反映させてください。
3.3. DAXメジャーの作成：グループ企業訪問回数の計算
グループ企業ごとの訪問回数を計算するDAXメジャーを作成します。
グループ企業訪問回数 :=
VAR グループ企業リスト = DISTINCT('顧客リスト'[グループ企業])
VAR 訪問回数 =
CALCULATE (
DISTINCTCOUNT ( '日報'[顧客No.] ),
FILTER (
'顧客リスト',
'顧客リスト'[グループ企業] IN グループ企業リスト
)
)
RETURN
訪問回数
このメジャーは、以下のように動作します。
グループ企業リスト: グループ企業の一覧を取得します。訪問回数: 各グループ企業に属する顧客の訪問回数を計算します。CALCULATE関数: フィルタリングされたコンテキストで計算を実行します。FILTER関数: ‘顧客リスト’を、グループ企業リストに含まれるグループ企業に絞り込みます。DISTINCTCOUNT関数: 重複を除いた顧客No.の数をカウントします。
3.4. DAXメジャーの作成：グループ企業全体の訪問率の計算
グループ企業全体の訪問率を計算するDAXメジャーを作成します。
グループ企業訪問率 :=
VAR グループ企業数 = DISTINCTCOUNT('顧客リスト'[グループ企業])
VAR 訪問グループ数 = DISTINCTCOUNT(FILTER('顧客リスト', [グループ企業訪問回数] > 0)[グループ企業])
RETURN
DIVIDE(訪問グループ数, グループ企業数)
このメジャーは、以下のように動作します。
グループ企業数: 顧客リスト内のグループ企業の総数を計算します。訪問グループ数: 訪問があったグループ企業の数を計算します。DIVIDE関数: 訪問グループ数をグループ企業数で割って、訪問率を計算します。FILTER関数: [グループ企業訪問回数]が0より大きいグループ企業を抽出します。
3.5. レポートへの表示：ビジュアルの活用
Power BIレポートに、これらのメジャーをビジュアルとして表示します。例えば、カードビジュアルを使用して、グループ企業訪問回数とグループ企業訪問率を表示できます。また、テーブルビジュアルを使用して、グループ企業ごとの詳細な訪問状況を表示することも可能です。
4. 実践的な応用：営業データの可視化と分析
上記で説明した方法を応用することで、さまざまな営業データの可視化と分析が可能になります。
4.1. 訪問頻度の分析
各グループ企業における月ごとの訪問回数を可視化し、訪問頻度の傾向を分析します。これにより、訪問頻度が低いグループ企業に対して、営業戦略の見直しや、訪問回数を増やすための施策を検討できます。
4.2. 営業活動の効率性評価
訪問回数だけでなく、成約率や売上高などのデータと組み合わせることで、営業活動の効率性を評価できます。例えば、訪問率と成約率の相関関係を分析し、効率的な営業活動を行うためのヒントを得ることができます。
4.3. 営業戦略の最適化
グループ企業ごとの特性（業種、規模、地域など）を考慮し、最適な営業戦略を策定します。例えば、特定の業種に対して訪問頻度を上げる、または、特定の地域に営業リソースを集中投下するなどの戦略が考えられます。
5. 成功事例：企業での導入効果
実際に、これらの手法を導入した企業では、以下のような効果が報告されています。
- 営業活動の可視化による改善: 営業活動の全体像を把握しやすくなり、問題点の早期発見と改善につながった。
- 顧客理解の深化: グループ企業全体としての顧客ニーズをより深く理解し、顧客満足度の向上に貢献した。
- 営業効率の向上: 営業リソースの最適化により、営業効率が向上し、売上増加に繋がった。
- データに基づいた意思決定: 定量的なデータに基づいた意思決定が可能になり、より戦略的な営業活動を展開できるようになった。
これらの事例から、グループ企業の訪問率を正確に計算し、分析することの重要性が理解できます。
6. まとめ：データ分析を活用した営業戦略の推進
この記事では、パワークエリとDAX関数を用いて、グループ企業の訪問率を正確に計算する方法について解説しました。これらの手法を実践することで、営業活動の可視化、顧客理解の深化、営業効率の向上、そしてデータに基づいた意思決定が可能になります。
営業戦略の策定において、データ分析は不可欠な要素です。今回ご紹介した手法を参考に、自社の営業データ分析に取り組み、より効果的な営業戦略を推進してください。
もっとパーソナルなアドバイスが必要なあなたへ
この記事では一般的な解決策を提示しましたが、あなたの悩みは唯一無二です。
AIキャリアパートナー「あかりちゃん」が、LINEであなたの悩みをリアルタイムに聞き、具体的な求人探しまでサポートします。
無理な勧誘は一切ありません。まずは話を聞いてもらうだけでも、心が軽くなるはずです。