Fonctions de fenêtre dans Power BI

Analyse de séries chronologiques dans Power BI

Kevin Barlow

Data Analytics Professional

Contexte et importance

La période ciblée d'une série chronologique influence les analyses possibles. Des « fenêtres » de tailles différentes véhiculent des niveaux d'information différents.

Différence de périodes

Fenêtres cumulatives : fonctionnement

Ont un seul point d'ancrage
Peuvent « pointer » vers l'avant ou l'arrière

Fonctions à fenêtre cumulative

Fenêtres cumulatives : cas d'usage

Les fenêtres cumulatives servent en général à des analyses à plus grande échelle depuis un point de référence.

Exemples :

Additionner tous les profits depuis une décision clé.
Calculer la température moyenne d'un lieu pour toutes les données jusqu'à aujourd'hui.
Compter le nombre de produits expédiés depuis le début de l'année.

Exemples :

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

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

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

Fenêtres glissantes : fonctionnement

Ont des points d'ancrage relatifs
S'appliquent à différentes périodes à mesure que de nouvelles données arrivent

Fonctions à fenêtre glissante

Fenêtres glissantes : cas d'usage

Les fenêtres glissantes servent surtout à analyser l'état actuel. On les utilise souvent pour calculer des ICP clés pour la santé d'une organisation.

Exemples :

Le prix le plus élevé atteint par une action dans les trente derniers jours.
Le rabais moyen accordé à un client sur la dernière année.
Le délai d'expédition prévu sur les six derniers mois.

Exemples :

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))

Passons à la pratique !

Analyse de séries chronologiques dans Power BI