Fönsterfunktioner i Power BI

Tidsserieanalys i Power BI

Kevin Barlow

Data Analytics Professional

Kontext och betydelse

Det identifierade spannet för en tidsseriedatamängd påverkar vilken typ av analys vi kan utföra. Olika storlekar på tids"fönster" bär olika mängd information.

Skillnad i tidsspann

Expanderande fönsterfunktioner – så fungerar det

Har en enda ankarpunkt
Kan "peka" framåt eller bakåt

Expanderande fönsterfunktioner

Expanderande fönsterfunktioner – användningsområden

Expanderande fönsterfunktioner används vanligtvis för storskaliga analyser från en referenspunkt.

Några exempel:

Summera all vinst sedan ett viktigt beslut fattades.
Beräkna medeltemperaturen för en plats över all data fram till idag.
Räkna antalet levererade produkter hittills i år.

Exempel:

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

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

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

Rullande fönsterfunktioner – så fungerar det

Har relativa ankarpunkter
Tillämpas på olika tidsspann när ny data tillkommer

Rullande fönsterfunktioner

Rullande fönsterfunktioner – användningsområden

Rullande fönsterfunktioner används vanligtvis för att analysera det aktuella läget. De används ofta för att beräkna olika KPI:er som är viktiga för en organisations hälsa.

Några exempel:

Det högsta pris en aktie nått de senaste trettio dagarna.
Den genomsnittliga rabatt som erbjudits en kund under det senaste året.
Beräkning av förväntad leveransfördröjning de senaste sex månaderna.

Exempel:

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))

Nu kör vi en övning!

Tidsserieanalys i Power BI