Funkcje okna w Power BI

Analiza szeregów czasowych w Power BI

Kevin Barlow

Data Analytics Professional

Kontekst i znaczenie

Zidentyfikowany zakres zbioru danych szeregów czasowych wpływa na rodzaj możliwych analiz. Różne rozmiary „okien" czasowych niosą różny poziom informacji.

Różnica w zakresach czasowych

Rozszerzające funkcje okna – jak działają

Mają jeden punkt zakotwiczenia
Mogą „wskazywać" w przód lub w tył

Rozszerzające funkcje okna

Rozszerzające funkcje okna – zastosowania

Rozszerzające funkcje okna stosuje się zazwyczaj do analiz na dużą skalę, począwszy od punktu odniesienia.

Przykłady:

Suma zysków od momentu podjęcia kluczowej decyzji.
Średnia temperatura dla danej lokalizacji na podstawie wszystkich danych do dziś.
Liczba produktów wysłanych od początku bieżącego roku.

Przykłady:

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

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

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

Kroczące funkcje okna – jak działają

Mają względne punkty zakotwiczenia
Stosują się do różnych przedziałów czasowych wraz z napływem nowych danych

Kroczące funkcje okna

Kroczące funkcje okna – zastosowania

Kroczące funkcje okna służą zazwyczaj do analizy bieżącego stanu. Często wykorzystuje się je do obliczania KPI istotnych dla kondycji organizacji.

Przykłady:

Najwyższa cena akcji w ciągu ostatnich 30 dni.
Średni rabat udzielony klientowi w ciągu ostatniego roku.
Oczekiwane opóźnienie dostawy w ciągu ostatnich sześciu miesięcy.

Przykłady:

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))

Czas na ćwiczenia!

Analiza szeregów czasowych w Power BI