Toepassingen van windowfuncties

Tijdreeksanalyse in Power BI

Kevin Barlow

Data Analytics Professional

Context en belang

Expanding- en rolling-windowfuncties kun je op veel manieren toepassen!

Er zijn diverse berekeningen voor specifieke perioden:

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

SAMEPERIODLASTYEAR vs. PARALLELPERIOD

SAMEPERIODLASTYEAR()

Retourneert een tabel met een kolom datums die in de huidige context één jaar terug verschoven zijn t.o.v. de opgegeven datums-kolom.

SAMEPERIODLASTYEAR(<dates>)

PARALLELPERIOD()

Retourneert een tabel met een kolom datums die een periode parallel aan de opgegeven datums-kolom vertegenwoordigt, in de huidige context, met datums die een aantal intervallen vooruit of achteruit verschoven zijn.

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

¹ https://learn.microsoft.com/dax

Analyse: hetzelfde venster als vorig jaar

We willen soms zien hoe precies hetzelfde venster er vorig jaar uitzag.

Past een windowfunctie toe op oudere data.
Geeft context door dezelfde berekening te vergelijken.
Verwerkt snel berekeningen over meerdere tijdspunten.

Stappen voor dit type analyse:

Bereken een belangrijke maat of KPI voor het huidige jaar.
Pas dezelfde berekening toe op vergelijkbare perioden.
Bereken het verschil om de verandering te begrijpen.

Analyse: hetzelfde venster als vorig jaar – voorbeelden

In de praktijk zijn dit soort analyses heel gebruikelijk. Ze geven twee kerninzichten:

Hoe presteert onze organisatie op een specifieke KPI in het huidige jaar?

Hoe doen we het vergeleken met dezelfde periode en KPI van vorig jaar? Gaan we vooruit?

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

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

Jaar-op-jaar verandering berekenen

We kunnen exact berekenen hoe onze data is veranderd t.o.v. vorig jaar door een venster op historische data toe te passen.

Bekend als Year-over-Year (YoY)
Geeft inzicht in voortgang t.o.v. historie
Meestal getoond als procentuele verandering

# 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])

Laten we oefenen!

Tijdreeksanalyse in Power BI