Anwendungsfälle für Window-Funktionen

Zeitreihenanalyse in Power BI

Kevin Barlow

Data Analytics Professional

Kontext und Bedeutung

Expanding- und Rolling-Window-Funktionen kannst du sehr vielseitig einsetzen!

Es gibt mehrere Berechnungen, die du auf bestimmte Zeiträume anwenden kannst:

- RANK()
- LOOKUPVALUE()
- CHISQ.INV()
- GEOMEAN()

SAMEPERIODLASTYEAR vs. PARALLELPERIOD

SAMEPERIODLASTYEAR()

Gibt eine Tabelle mit einer Datumsspalte zurück, deren Daten im aktuellen Kontext um ein Jahr gegenüber den Daten in der angegebenen Datumsspalte zurückverschoben sind.

SAMEPERIODLASTYEAR(<dates>)

PARALLELPERIOD()

Gibt eine Tabelle mit einer Datumsspalte zurück, die im aktuellen Kontext einen zur angegebenen Datumsspalte parallelen Zeitraum darstellt, wobei die Daten um eine Anzahl Intervalle vor- oder zurückverschoben sind.

PARALLELPERIOD(<dates>,
    <number_of_intervals>,
    <interval>)

¹ https://learn.microsoft.com/dax

Dasselbe Fenster wie letztes Jahr analysieren

Wir wollen vielleicht sehen, wie genau dasselbe Fenster letztes Jahr aussah.

Wendet eine Window-Funktion auf ältere Daten an.
Liefert Kontext dazu, wie dieselbe Berechnung aussah.
Rechnet schnell über verschiedene Zeitpunkte hinweg.

Typische Schritte für diese Analyse:

Berechne eine wichtige Kennzahl oder einen KPI für das aktuelle Jahr.
Wende dieselbe Berechnung auf ähnliche Zeiträume an.
Berechne die Differenz, um die Veränderung zu verstehen.

Beispiele: Dasselbe Fenster wie letztes Jahr analysieren

In der Praxis sind solche Analysen sehr häufig. Sie liefern zwei zentrale Datenpunkte:

Wie performt unsere Organisation bei einem bestimmten KPI im Kontext des aktuellen Jahres?

Wie stehen wir im Vergleich zum gleichen Zeitraum und KPI vom letzten Jahr? Verbessern wir uns?

Avg Cost = CALCULATE(
    AVERAGE(stores[cost]),
    stores[date] >= 
        DATEADD(TODAY(), -30, DAY))

LY Avg Cost = CALCULATE([Avg Cost],
    SAMEPERIODLASTYEAR(stores[date]))

Year-over-Year-Veränderung berechnen

Wir können genau berechnen, wie sich unsere Daten seit letztem Jahr verändert haben, indem wir ein Fenster auf historische Daten anwenden.

Bekannt als Year-over-Year-(YoY)-Berechnung
Zeigt den Fortschritt im historischen Vergleich
Meist als prozentuale Veränderung dargestellt

# Assuming current month is February

CY Jan Revenue = CALCULATE(
    SUM(sales[revenue]),
    PREVIOUSMONTH(sales[date]))

LY Jan Revenue = CALCULATE(
    [CY Jan Revenue],
    SAMEPERIODLASTYEAR(sales[date]))

Jan Revenue YoY = (
    ([CY Jan Revenue]-[LY Jan Revenue])
        / [LY Jan Revenue])

Lass uns üben!

Zeitreihenanalyse in Power BI