Power BI의 윈도 함수

Power BI로 하는 시계열 분석

Kevin Barlow

Data Analytics Professional

맥락과 중요성

시계열 데이터셋의 _범위_ 는 가능한 분석에 영향을 줍니다. 시간 "윈도"의 크기에 따라 담는 정보가 달라집니다.

시간 범위의 차이

Power BI로 하는 시계열 분석

익스팬딩 윈도 함수 - 동작 방식

  • 단일 기준점 사용
  • 과거/미래 방향으로 "확장" 가능

익스팬딩 윈도 함수

Power BI로 하는 시계열 분석

익스팬딩 윈도 함수 - 활용 사례

익스팬딩 윈도 함수는 기준점에서 더 큰 규모의 분석에 쓰입니다.

예:

  1. 핵심 의사결정 이후 누적 이익 합계.
  2. 오늘까지 해당 지역의 평균 기온.
  3. 올해 지금까지 배송된 제품 수.

예시:

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

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

TOTALYTD(COUNT(shipping[id]), 
    shipping[ship_date])
Power BI로 하는 시계열 분석

롤링 윈도 함수 - 동작 방식

  • 상대 기준점 사용
  • 새 데이터에 따라 다양한 기간에 적용

롤링 윈도 함수

Power BI로 하는 시계열 분석

롤링 윈도 함수 - 활용 사례

롤링 윈도 함수는 보통 현재 상태 분석에 사용됩니다. 조직의 건전성에 중요한 다양한 KPI 계산에 자주 씁니다.

예:

  1. 지난 30일 동안의 주가 최고가.
  2. 지난 1년간 고객에게 제공한 평균 할인율.
  3. 지난 6개월간 예상 배송 지연.

예시:

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))
Power BI로 하는 시계열 분석

연습해 봅시다!

Power BI로 하는 시계열 분석

Preparing Video For Download...