Power BI 的視窗函式

Power BI 的時間序列分析

Kevin Barlow

Data Analytics Professional

脈絡與重要性

時間序列資料集的已定義「期間」會影響可進行的分析種類。不同大小的時間「視窗」所含資訊層次也不同。

時間跨度差異

擴展視窗函式——運作方式

具有單一錨點
可向前或向後「延展」

擴展視窗函式

擴展視窗函式——常見用途

擴展視窗函式通常用於從某個參考點進行較大尺度的分析。

例如：

自關鍵決策以來累積的總利潤。
截至今日某地點的平均氣溫。
今年迄今已出貨的產品數量。

範例：

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

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

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

滾動視窗函式——運作方式

具有相對錨點
隨新資料出現套用於不同時間跨度

滾動視窗函式

滾動視窗函式——常見用途

滾動視窗函式多用於分析當前狀態。常見於計算影響組織健全度的各種 KPI。

例如：

股票在過去 30 天內的最高價。
過去 1 年對客戶提供的平均折扣。
過去 6 個月的預期出貨延遲。

範例：

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))

一起來練習吧！

Power BI 的時間序列分析