Power BI 的時間序列分析
Kevin Barlow
Data Analytics Professional
擴展與滾動視窗函式可用在許多情境!
你可以在特定期間套用下列計算:
- RANK()
- LOOKUPVALUE()
- CHISQ.INV()
- GEOMEAN()
SAMEPERIODLASTYEAR()
在目前脈絡中,回傳一個資料表,其中包含將指定日期欄位往回推 1 年後的日期欄。
SAMEPERIODLASTYEAR(<dates>)
PARALLELPERIOD()
在目前脈絡中,回傳一個資料表,其中包含與指定日期欄位平行期間的日期欄,日期可依間隔數向前或向後平移。
PARALLELPERIOD(<dates>,
<number_of_intervals>,
<interval>)
我們可能想查看「完全相同的視窗」在去年是什麼樣子。
此類分析的典型步驟:
在業界,這類分析非常常見。它們提供兩個關鍵觀點:
- 在本年度脈絡下,我們在特定 KPI 上的表現如何?
- 相較於去年的同一期間與同一 KPI,我們做得如何?是否有進步?
Avg Cost = CALCULATE(
AVERAGE(stores[cost]),
stores[date] >=
DATEADD(TODAY(), -30, DAY))
LY Avg Cost = CALCULATE([Avg Cost],
SAMEPERIODLASTYEAR(stores[date]))
將視窗套用到歷史資料,就能精確計算與去年相比的變化。
# Assuming current month is February
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])
Power BI 的時間序列分析