Оконные функции в Power BI

Анализ временных рядов в Power BI

Kevin Barlow

Data Analytics Professional

Контекст и значимость

Выбранный диапазон набора временных рядов определяет, какой анализ можно провести. Временны́е «окна» разного размера несут разный объём информации.

Разница в диапазонах времени

Расширяющиеся оконные функции — принцип работы

Имеют единственную опорную точку
Могут «смотреть» вперёд или назад

Расширяющиеся оконные функции

Расширяющиеся оконные функции — примеры применения

Расширяющиеся оконные функции, как правило, применяются для масштабного анализа относительно опорной точки.

Примеры использования:

Подсчёт суммарной прибыли с момента принятия ключевого решения.
Вычисление средней температуры для заданного места за весь период до сегодняшнего дня.
Подсчёт количества отгруженных товаров с начала года.

Примеры:

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

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

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

Скользящие оконные функции — принцип работы

Имеют относительные опорные точки
Применяются к разным временным диапазонам по мере поступления новых данных

Скользящие оконные функции

Скользящие оконные функции — примеры применения

Скользящие оконные функции обычно используются для анализа текущего состояния. Нередко с их помощью рассчитывают KPI, важные для здоровья организации.

Примеры использования:

Максимальная цена акции за последние тридцать дней.
Средняя скидка, предоставленная клиенту за последний год.
Прогнозируемая задержка доставки за последние шесть месяцев.

Примеры:

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))

Давайте потренируемся!

Анализ временных рядов в Power BI