Power BI 中的窗口函数

Power BI 中的时间序列分析

Kevin Barlow

Data Analytics Professional

背景与重要性

时间序列数据集所确定的跨度会影响可进行的分析。不同大小的时间"窗口"承载的信息量不同。

时间跨度差异

Power BI 中的时间序列分析

扩展窗口函数——工作原理

  • 具有单一锚点
  • 可向前或向后"指向"

扩展窗口函数

Power BI 中的时间序列分析

扩展窗口函数——用例

扩展窗口函数通常以某个参考点做更大范围的分析。

示例：

  1. 自关键决策以来累计的总利润。
  2. 截至今日某地的平均气温。
  3. 今年迄今发运产品的数量。

示例：

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

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

TOTALYTD(COUNT(shipping[id]), 
    shipping[ship_date])
Power BI 中的时间序列分析

滚动窗口函数——工作原理

  • 具有相对锚点
  • 随新数据出现应用于不同时间跨度

滚动窗口函数

Power BI 中的时间序列分析

滚动窗口函数——用例

滚动窗口函数常用于分析当前状态，常见于计算组织健康相关的各类 KPI。

示例：

  1. 股票在最近30天内达到的最高价。
  2. 客户在过去一年获得的平均折扣。
  3. 过去六个月的预计发货延迟。

示例：

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))
Power BI 中的时间序列分析

开始练习吧！

Power BI 中的时间序列分析

Preparing Video For Download...