[ACCESS] Funzione matematica per clusterizzare elenco dati

[optime]

Originariamente inviato da newbobotime
Perfetto, hai c'entrato l'obiettivo !

Ho bisogno di ottenere una (definiamola) clusterizzazione dinamica, ovvero; rilevando il fatturato maturato dei vari clienti, capire (decidendo di dividere la lista in 3 gruppi d'importanza, ma potrebbero essere anche di più) dove posizionare ciascun cliente.
Quindi pensavo di ragionare sul campo fatturato maturato sommando il totale e dividendo il valore per 3, per esempio: ipotizzando per comodità che la somma totale del fatturato di tutti i clienti faccia 750.000 di € diviso 3 = 250.000 (valore del blocco del cluster), riuscire ad assegnare ai clienti ordinando per fatturato decrescente la sigla H, finchè il fatturato maturato non arrivi a totalizzare i 250.000.

In pratica; partendo dal cliente con il fatturato più alto ( che sarà ovviamente H perche il primo della lista ) totale fatturato 50.000 + il fatturato del record successivo 45.000 = 95.000, quindi 250.000 - 95.000 = 155.000 e finchè risulta un valore positivo sarà impostato H, quando si arriverà ad un valore negativo dovrà cambiare cluster, per esempio arrivati ad un certo cliente il fatturato maturato progressivo ottenuto sarà di 260.000, allora ci sarà il primo valore negativo 250000 - 260000 = -10000 quindi comincerà un altro cluster.
Utilizzando questo accrocchio in excel ottengo una clusterizzazione abbastanza sensata, non riesco a tradurla in access.

guarda, ti quoto perché un ragionamento così complicato per ottenere un semplice ranking lo merita davvero!

[newbobotime]

Si in effetti non hai torto, molte parole per spiegare un semplice processo !
Ok, quindi invece di quotare semplicemente, quali sarebbero le tue indicazioni per produrre stò ranking ?

10x !!






.

[optime]

come ti ho già detto, devi avere una tabella dove definisci le fasce, una tabella più o meno così

Sigla | FinoA
-----+----------
H | -1
M | 500.000
L | 250.000

che per il momento immaginiamo a definizione manuale

con una query del tipo

SELECT TOP 1 IsNull(Sigla, 'H') FROM Fasce WHERE Fatturato_Cliente <=FinoA

ti riporterà la sigla

non sono sicuro dell'esistenza della IsNull in quel modo su Access

[comas17]

Uhm, no optime credo di aver capito cosa si vuole ed è più complesso
Le fasce hanno valori dinamici che dipendono dalla somma del fatturato di tutti i clienti (diviso poi per 3)... e fin qui è semplice

L'appartenenza ad una fascia non avviene però quando la singola azienda supera (o meno) il valore della fascia stessa (non c'è magari nessuna azienda che ha fatturato superiore a quello della fascia) , ma quando la somma del suo fatturato (e di tutte le altre, ordinate per fatturato) supera o meno la fascia

Esempio:

Azienda A 10
Azienda B 8
Azienda C 5
Azienda D 2
Azienda E 2

Totale = 30, fascia H = 20, fascia L = 10

Nessuna azienda ha fatturato superiore a 20

Avremmo che C, D ed E stanno in fascia L (perchè la somma dei loro fatturati è < 10)
B è in fascia M (da sola perchè supera il 10 ma la somma con il successivo è maggiore di 20)
A è in fascia H

Ho capito bene ?

[optime]

aspettiamo conferma da bobo

[newbobotime]

Esatto comas17, hai capito cosa intendo ottenere.




.

[optime]

una obiezione sul metodo

fasce
H 20-30
M 10-20
L 0-10

fatturato clienti totale=30, così diviso
Az1=25
Az2=2
Az3=2
Az4=1
(capita, se ho un cliente preponderante)

col metodo "secco" (il mio) Az1 è di classe H, e le altre di classe L
col metodo "a sommare" (il tuo), sono tutte di classe H

ma forse non ho capito io, fate allora un esempio alla portata delle menti con solo un paio di neuroni (che lavorano a turno) come la mia

[comas17]

No, i risultati sarebbero uguali: anche con il metodo "a sommare" le ultime 3 sono di classe L (la somma del valore di ognuna con quelle che la seguono è comunque minore di 10)
La prima sarebbe H (per gli stessi motivi)

[franzauker2.0]

Mah... non vedo perchè, banalmente, non determinare le 3 classi come semplice appartenenza (in realtà distanza, con una certa metrica) rispetto alla distribuzione campionaria.
In sostanza con un approccio statistico anzichè "empirico"