Funzioni finestra in Power BI

Analisi delle serie temporali in Power BI

Kevin Barlow

Data Analytics Professional

Contesto e importanza

L’intervallo identificato di un dataset di serie temporali influenza il tipo di analisi che possiamo fare. Finestre temporali di dimensioni diverse portano livelli di informazione diversi.

Differenza negli intervalli temporali

Finestra espandente: come funziona

Hanno un singolo punto di ancoraggio
Possono “puntare” avanti o indietro

Funzioni a finestra espandente

Finestra espandente: casi d’uso

Le funzioni a finestra espandente si usano in genere per analisi su larga scala da un punto di riferimento.

Esempi:

Sommare tutti i profitti da quando è stata presa una decisione chiave.
Calcolare la temperatura media di una località su tutti i dati fino a oggi.
Contare i prodotti spediti da inizio anno.

Esempi:

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

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

TOTALYTD(COUNT(shipping[id]), 
    shipping[ship_date])

Finestra mobile: come funziona

Hanno punti di ancoraggio relativi
Si applicano a periodi diversi man mano che arrivano nuovi dati

Funzioni a finestra mobile

Finestra mobile: casi d’uso

Le funzioni a finestra mobile servono di solito per analizzare lo stato attuale. Spesso si usano per calcolare vari KPI importanti per la salute di un’organizzazione.

Esempi:

Il prezzo massimo raggiunto da un’azione negli ultimi trenta giorni.
Lo sconto medio dato a un cliente nell’ultimo anno.
Il ritardo di spedizione atteso negli ultimi sei mesi.

Esempi:

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))

Passiamo alla pratica !

Analisi delle serie temporali in Power BI