Analyse de séries chronologiques dans Power BI
Kevin Barlow
Data Analytics Professional
Les fonctions de fenêtre extensible et mobile s'appliquent de multiples façons !
Plusieurs calculs peuvent viser des périodes précises :
- RANK()
- LOOKUPVALUE()
- CHISQ.INV()
- GEOMEAN()
SAMEPERIODLASTYEAR()
Retourne une table contenant une colonne de dates décalées d'un an en arrière par rapport aux dates de la colonne indiquée, dans le contexte actuel.
SAMEPERIODLASTYEAR(<dates>)
PARALLELPERIOD()
Retourne une table contenant une colonne de dates représentant une période parallèle à celle de la colonne de dates indiquée, dans le contexte actuel, avec un décalage d'un certain nombre d'intervalles vers le futur ou le passé.
PARALLELPERIOD(<dates>,
<number_of_intervals>,
<interval>)
On peut vouloir voir à quoi ressemblait exactement la même fenêtre l'an dernier.
Étapes typiques pour ce type d'analyse :
Dans l'industrie, ce type d'analyse est très courant. Il fournit deux points de données clés :
- Comment notre organisation performe-t-elle sur un ICP donné dans le contexte de l'année en cours ?
- Où en sommes-nous pour la même période et le même ICP que l'an dernier ? Y a-t-il amélioration ?
Avg Cost = CALCULATE(
AVERAGE(stores[cost]),
stores[date] >=
DATEADD(TODAY(), -30, DAY))
LY Avg Cost = CALCULATE([Avg Cost],
SAMEPERIODLASTYEAR(stores[date]))
On peut calculer précisément l'évolution depuis l'an dernier en appliquant une fenêtre aux données historiques.
# En supposant que le mois courant est février
CY Jan Revenue = CALCULATE(
SUM(sales[revenue]),
PREVIOUSMONTH(sales[date]))
LY Jan Revenue = CALCULATE(
[CY Jan Revenue],
SAMEPERIODLASTYEAR(sales[date]))
Jan Revenue YoY = (
([CY Jan Revenue]-[LY Jan Revenue])
/ [LY Jan Revenue])
Analyse de séries chronologiques dans Power BI