142_Power BI之同比预测

焦棚子 2020-08-2001:11:52评论3,5937字数 1100阅读3分40秒阅读模式

焦棚子的文章目录文章源自焦棚子-https://jiaopengzi.com/887.html

请在文末下载附件

一、背景

最近刚好在做一个简单同比预测的模型,预测方法很简单,就是累计同比预测,把MTD展示出来。文章源自焦棚子-https://jiaopengzi.com/887.html

 文章源自焦棚子-https://jiaopengzi.com/887.html

 文章源自焦棚子-https://jiaopengzi.com/887.html

二、数据源

1、日期表:Calendar文章源自焦棚子-https://jiaopengzi.com/887.html

142_Power BI之同比预测文章源自焦棚子-https://jiaopengzi.com/887.html

2、事实表1:Data(基础数据)文章源自焦棚子-https://jiaopengzi.com/887.html

142_Power BI之同比预测文章源自焦棚子-https://jiaopengzi.com/887.html

3、事实表2:Target(目标)文章源自焦棚子-https://jiaopengzi.com/887.html

142_Power BI之同比预测文章源自焦棚子-https://jiaopengzi.com/887.html

4、关系视图文章源自焦棚子-https://jiaopengzi.com/887.html

142_Power BI之同比预测文章源自焦棚子-https://jiaopengzi.com/887.html

三、上DAX

1、度量值list142_Power BI之同比预测文章源自焦棚子-https://jiaopengzi.com/887.html

2、度量值对应图示中元素文章源自焦棚子-https://jiaopengzi.com/887.html

142_Power BI之同比预测文章源自焦棚子-https://jiaopengzi.com/887.html

4、基础度量值:M001_AC文章源自焦棚子-https://jiaopengzi.com/887.html

M001_AC = SUM('Data'[value])

5、关键度量值:M002_Forecast,同比预测。文章源自焦棚子-https://jiaopengzi.com/887.html

M002_Forecast = 
VAR DAY_MAX =
    CALCULATETABLE ( LASTDATE ( 'Data'[dates] ), ALL ( 'Calendar' ) )
VAR DAY_MIN =
    CALCULATETABLE ( STARTOFYEAR ( 'Calendar'[Dates] ), ALLSELECTED ( 'Calendar' ) )
VAR DATE_AC =
    DATESBETWEEN ( 'Calendar'[Dates], DAY_MIN, DAY_MAX )
VAR DATE_PRE =
    DATESBETWEEN (
        'Calendar'[Dates],
        DATEADD ( DAY_MIN, -1, YEAR ),
        DATEADD ( DAY_MAX, -1, YEAR )
    )
VAR MTD_AC =
    CALCULATE ( 'Measure'[M001_AC], DATE_AC )
VAR MTD_PRE =
    CALCULATE ( 'Measure'[M001_AC], DATE_PRE )
VAR YOY =
    DIVIDE ( MTD_AC, MTD_PRE )
VAR DAY_AC =
    MAX ( 'Calendar'[Dates] )
VAR PRE =
    CALCULATE ( 'Measure'[M001_AC], DATEADD ( 'Calendar'[Dates], -1, YEAR ) )
RETURN
    IF ( DAY_AC <= DAY_MAX, BLANK (), PRE * YOY )

6、M005_MTD_Forecast:同比预测月累计(MTD)折线显示度量值。文章源自焦棚子-https://jiaopengzi.com/887.html

142_Power BI之同比预测文章源自焦棚子-https://jiaopengzi.com/887.html

7、静态结果截图文章源自焦棚子-https://jiaopengzi.com/887.html

142_Power BI之同比预测文章源自焦棚子-https://jiaopengzi.com/887.html

四、总结

1、业务模型非常简单,采用累计同比预测法。文章源自焦棚子-https://jiaopengzi.com/887.html

2、主要DAX驱动可视化的应用,对每个元素对应的DAX要充分理解文章源自焦棚子-https://jiaopengzi.com/887.html

3、注意观察ALL和ALLSELECTED函数的使用位置,文章源自焦棚子-https://jiaopengzi.com/887.html

4、日期的判定,注意观察'Calendar'[Dates]与 'Data'[dates]使用位置。文章源自焦棚子-https://jiaopengzi.com/887.html

 文章源自焦棚子-https://jiaopengzi.com/887.html

by焦棚子文章源自焦棚子-https://jiaopengzi.com/887.html

焦棚子的文章目录文章源自焦棚子-https://jiaopengzi.com/887.html

请点击【立即购买】或者【升级VIP】获得案例附件。文章源自焦棚子-https://jiaopengzi.com/887.html

隐藏内容需要支付:¥5
立即购买 升级VIP
文章源自焦棚子-https://jiaopengzi.com/887.html
焦棚子
  • 除非特殊声明,本站文章均为焦棚子原创,转载请务必保留本文链接!
  • 《142_Power BI之同比预测》链接:https://jiaopengzi.com/887.html