Power BI のウィンドウ関数

Power BI での時系列分析

Kevin Barlow

Data Analytics Professional

文脈と重要性

時系列データの特定されたスパンは、可能な分析に影響します。ウィンドウの大きさによって情報量は変わります。

時間スパンの違い

エクスパンディングウィンドウ関数 - 仕組み

単一のアンカー点を持つ
未来・過去のどちらにも「向けられる」

エクスパンディングウィンドウ関数

エクスパンディングウィンドウ関数 - ユースケース

エクスパンディングウィンドウ関数は、基準点からの大局的な分析に用います。

例:

重要な意思決定以降の累計利益を合算。
指定地点の今日までの平均気温を算出。
今年これまでに出荷した製品数をカウント。

_例:_

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

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

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

ローリングウィンドウ関数 - 仕組み

相対的なアンカー点を持つ
新しいデータに応じて異なる期間に適用

ローリングウィンドウ関数

ローリングウィンドウ関数 - ユースケース

ローリングウィンドウ関数は、現在の状態の分析に用います。組織の健全性に重要な各種のKPI計算でよく使われます。

例:

直近30日での株価の最高値。
直近1年で顧客に提供した平均割引率。
直近6か月の想定出荷遅延の算出。

_例:_

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))

練習してみましょう！

Power BI での時系列分析