Hàm cửa sổ trong Power BI

Phân tích chuỗi thời gian trong Power BI

Kevin Barlow

Data Analytics Professional

Ngữ cảnh và tầm quan trọng

Khoảng span của chuỗi thời gian quyết định loại phân tích có thể thực hiện. Kích thước “cửa sổ” khác nhau mang mức thông tin khác nhau.

Khác biệt về khoảng thời gian

Hàm cửa sổ mở rộng - cách hoạt động

Có một mốc neo duy nhất
Có thể “nhìn” tiến hoặc lùi

Hàm cửa sổ mở rộng

Hàm cửa sổ mở rộng - trường hợp sử dụng

Hàm cửa sổ mở rộng thường dùng cho phân tích quy mô lớn từ một điểm tham chiếu.

Ví dụ:

Cộng toàn bộ lợi nhuận kể từ khi đưa ra một quyết định quan trọng.
Tính nhiệt độ trung bình của một địa điểm cho toàn bộ dữ liệu đến hôm nay.
Đếm số sản phẩm đã giao từ đầu năm đến nay.

Ví dụ:

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

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

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

Hàm cửa sổ trượt - cách hoạt động

Có mốc neo tương đối
Áp dụng cho nhiều khoảng thời gian khi có dữ liệu mới

Hàm cửa sổ trượt

Hàm cửa sổ trượt - trường hợp sử dụng

Hàm cửa sổ trượt thường dùng để phân tích trạng thái hiện tại. Thường dùng để tính các KPI quan trọng cho “sức khỏe” tổ chức.

Ví dụ:

Mức giá cao nhất cổ phiếu đạt trong 30 ngày qua.
Mức chiết khấu trung bình cho một khách hàng trong năm qua.
Độ trễ giao hàng kỳ vọng trong 6 tháng qua.

Ví dụ:

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))

Ayo berlatih!

Phân tích chuỗi thời gian trong Power BI