Fonctions de fenêtre dans Power BI

Analyse des séries temporelles dans Power BI

Kevin Barlow

Data Analytics Professional

Contexte et importance

L'intervalle identifié d'une série temporelle influence le type d'analyse possible. Des « fenêtres » de tailles différentes portent des niveaux d'information différents.

Différence d'intervalle temporel

Analyse des séries temporelles dans Power BI

Fonctions de fenêtre extensibles – fonctionnement

  • Ont un point d'ancrage unique
  • Peuvent « pointer » vers l'avant ou l'arrière

Fonctions de fenêtre extensibles

Analyse des séries temporelles dans Power BI

Fonctions de fenêtre extensibles – cas d'usage

Les fonctions de fenêtre extensibles servent généralement à des analyses à plus grande échelle depuis un point de référence.

Exemples :

  1. Additionner tous les profits réalisés depuis une décision clé.
  2. Calculer la température moyenne d'un lieu sur toutes les données jusqu'à aujourd'hui.
  3. Compter le nombre de produits expédiés depuis le début de l'année.

Exemples :

CALCULATE(SUM(sales[profit]), 
    sales[date] >= DATE(2020,1,1))

CALCULATE(AVERAGE(weather[temp]),
    weather[date] <= TODAY())

TOTALYTD(COUNT(shipping[id]), 
    shipping[ship_date])
Analyse des séries temporelles dans Power BI

Fonctions de fenêtre glissantes – fonctionnement

  • Ont des points d'ancrage relatifs
  • S'appliquent à des intervalles variables à mesure que de nouvelles données arrivent

Fonctions de fenêtre glissantes

Analyse des séries temporelles dans Power BI

Fonctions de fenêtre glissantes – cas d'usage

Les fonctions de fenêtre glissantes servent en général à analyser l'état actuel. Elles calculent souvent des KPI essentiels à la santé d'une organisation.

Exemples :

  1. Le prix le plus élevé atteint par une action sur les trente derniers jours.
  2. La remise moyenne accordée à un client sur la dernière année.
  3. Le retard d'expédition attendu sur les six derniers mois.

Exemples :

CALCULATE(MAX(stocks[high]), 
    stocks[date] >= DATEADD(TODAY(), 
    -30, DAYS))

CALCULATE(AVERAGE(sales[discount]), 
    sales[date] >= DATEADD(TODAY(), 
    -1, YEAR))

CALCULATE(AVERAGE(ship[delay]), 
    ship[ship.date] >= DATEADD(TODAY(), 
    -6, MONTH))
Analyse des séries temporelles dans Power BI

Passons à la pratique !

Analyse des séries temporelles dans Power BI

Preparing Video For Download...