Прогнозування в Power BI: DAX

Аналіз часових рядів у Power BI

Kevin Barlow

Data Analytics Professional

Контекст і важливість

Вбудовані можливості — гарний старт, але вони обмежені.

Налаштування й оптимізація майже недоступні та зводяться до базових параметрів.

Інші варіанти

  • Мови програмування (Python / R)

  • Excel

  • DAX

Параметри прогнозу в Power BI

Аналіз часових рядів у Power BI

Базові принципи прогнозування в DAX

За допомогою DAX можна наблизити поведінку набору даних у заданому періоді.

  1. Визначте останню точку даних.
  2. Обчисліть тренд даних (геометричне середнє).
  3. Спроєктуйте в майбутнє.

Геометричне середнє дає середнє значення для експоненційно змінних даних.

Прогнозування з геометричним середнім

Аналіз часових рядів у Power BI

CAGR

Compound Annual Growth Rate (CAGR)

Формула CAGR

Хоч формула для річного зростання, ту саму логіку можна застосувати до інших інтервалів часу (напр., місячний темп зростання)

Аналіз часових рядів у Power BI

Використання CAGR для прогнозу

Прогнозування майбутніх значень

Розрахунок майбутнього значення

LV = Last Value (останнє значення)

n = кількість періодів у майбутньому

Ви можете перевірити цю формулу на своїх даних за допомогою зворотного прогнозування!

Аналіз часових рядів у Power BI

Давайте потренуємось!

Аналіз часових рядів у Power BI

Preparing Video For Download...