آشنایی با What If Analysis در Power BI Desktop

در این ویدئو مهندس حمید دوست پرور قصد دارد درباره What If Analysis در نرم افزار Power BI Desktop صحبت کند.

توی این ویدئو ما شاخصی به نام LCR رو آوردیم که باعنوان نسبت پوشش نقدینگی توی بانک ها خیلی شناخته شده است  و یه توضیح کلی بخواهیم بدهیم با توجه به شوک اقتصادی که تو امریکا اتفاق افتاد بعدبه اروپا منتقل شد ،کمیته بازار اومد و یه شاخصی در نظر گرفت که گفته شد این شاخص به ما نشون میده که بانک های ما اگر دوباره یه همچین شوکی اتفاق بیافته توانایی این رو دارند که تا ۳۰ روز گلیم خودشون رو از آب بیرون بکشند و به مشکل نخورند تا سیاستمداران و بانک مرکزی و خلاصه اون سیستمی که وجود دارد بتونه که کمک بکنه تا اون شرایط حل شود در شرایطی که شوک اقتصادی اتفاق میافته یه سری از حساب ها خالی خواهند شد و یه سری از مردم پول هایشان را میگیرند و شاید بد حسابی هایی توی اقتصاد برای بانک ها پیش بیاد این اهمیت دارد که بانک بتونه اون برهه خودش رو در واقع نگه دارد خودش رو در واقع نگه دارد و این شاخص برای همین منظور است. 

بریم سراغ سناریو که ماجرا از نظر فنی چیست؟

یه جدولی توی ویدئو داریم LCR که این جا در سه تا Category مختلف به اسم UN,OUT,IN برای ما دیتاهایی رو در تاریخ های مختلف ثبت کرده یعنی به ازای هر تاریخ یه UN و یه OUT  و یه IN اینجا داریم.برای اینکه این جدول در واقع به وجود بیاید،خودش چند هزار خط کد است تا شخص LCR به ازای هر کدوم از این تاریخ ها محاسبه بکنه که ما با اون قسمت کاری نداریم.

ویه خروجی دیگه ام نشون می دهیم در جدول دیگری به نام LCRPrdct این خروجی یک مدل که در واقع فرض کنیم Machine Learning که یه سری زمانی رو پیاده سازی کرده رو این شاخص که حالا مثلاً prophet یا چیز های دیگر …

به ازای تک تک اون category  های ما اومده به ازای همه اون تاریخ هایی که دیده میشه خروجی رو پیش بینی کرده یکی دیگه از چیز هایی که بهش اشاره میشه در whitefy nz ما شاخصی داریم که فرمولشم نشون داده می شود که در دو فرمول گفته می شود که اون UN,OUT,وin ها به ازای هر تاریخ این ها رو داریم میگه که بیا صورت رو همون NUرو تقسیم بر فرمول (output-Min(input,(0/75*output) کرد یعنی جریان خروجی من منفی min یا جریان ورودی یا اگر min مثلاً جریان ورودی و ٪۷۵ جریان خروجی شده بود ۰/۷۵ درصد جریان خروجی اون جریان خروجی رو در نظر می گیریم در واقع ٪۷۵ از جریان خروجی رو در مخرج در نظر می گیریم پس میشه تفاضل  output با  Min(input,(0/75*output) که فرمول LCR است این شاخص اگر کمتر از یک باشه شرایط بحرانی و خطرناک برای بانک میشه.

حالا میخواهیم یه تصمیمی را به عنوان مدیر بانک بگیریم مثلاً جریان نقد ورودی من فرضاً اگر ۷۵ درصد یا ۷۰ درصد بشه.

چه اتفاق رو شاخص من در آینده خواهد افتاد؟!

یعنی ما داریم تصمیمات مدیریتی من رو بر اساس این سعی میکنیم که بفهمیم عواقبش چی هست وقتی درصد هارو تغییر می دهیم کلی تغییرات ایجاد میشود که کلی تاثیر روی شاخص ما در آینده دارد .الان نحوه پیاده سازی این رو بررسی میکنیم.

اما قبلش یه نکته: توی قسمت LCR Prdct کنار LCR و اون item  یه Date Effect هم داریم که این به ما میگه که  Date Effect این هم میتونه خروجی  Machine Learning  یا یک  scrap business بیاداین رو به ما در واقع بگه که اگر ما یک تصمیمی رو در نقطه فرضا x0  یاt0 در زمان t0 میگیریم روی t1,t2,…t6 چند درصد از اون تصمیمی که میگیریم در واقع اعمال میشود یا تاثیر تصمیم ما چند درصدش توی اون بازه زمانی مشخص میشه مثلاً در nu پنج درصد بوده در یک ماه و موارد های دیگر …

هر چی به آینده می رویم تاثیر عمیق تر میشود و جداولی میده با imager اون ما کار داریم و یه Selected Value میده که چه انتخاب هایی به عبارتی شده است و اصل کار ما اینجا است. بخش ICRPrdct org  توی Prdct ها LCR را به همون شکل معمولش که توی حالت معمول بود حساب کردیم حالا اگر بخواهیم تاثیرات رو ببینیم روی بخش  ICRPrdct  می زنیم و فرمول تغییر میکنه اینجا گفته شده که از یک تا ضریبی که انتخاب شده کم بکنه و بقیه ام مثل نوشته های قبلی و تاثیرش روی  input رو نشون میده.