Віконні функції в Power BI

Аналіз часових рядів у Power BI

Kevin Barlow

Data Analytics Professional

Контекст і важливість

Визначений інтервал у часовому ряді впливає на те, який аналіз ми можемо виконати. Різні розміри часових «вікон» несуть різний обсяг інформації.

Різниця в часових інтервалах

Функції розширюваного вікна — як це працює

Мають одну опорну точку
Можуть «дивитися» вперед або назад

Функції розширюваного вікна

Функції розширюваного вікна — приклади застосування

Функції розширюваного вікна зазвичай застосовують для ширшого аналізу від певної точки відліку.

Наприклад:

Сумування всього прибутку з моменту ключового рішення.
Обчислення середньої температури для локації за всі дані до сьогодні.
Підрахунок кількості відвантажених товарів від початку року.

Приклади:

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

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

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

Функції ковзного вікна — як це працює

Мають відносні опорні точки
Застосовуються до різних інтервалів у міру надходження даних

Функції ковзного вікна

Функції ковзного вікна — приклади застосування

Функції ковзного вікна зазвичай використовують для аналізу поточного стану. Часто їх застосовують для розрахунку KPI, важливих для здоров'я організації.

Наприклад:

Найвища ціна акції за останні тридцять днів.
Середня знижка клієнту за останній рік.
Очікувана затримка доставки за останні шість місяців.

Приклади:

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 потренуємось!

Аналіз часових рядів у Power BI