除非特殊声明，本站文章均为本站原创，转载请务必保留本文链接！
文章标题：142_Power BI之同比预测。
142_Power BI之同比预测
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。
二、数据源
1、日期表：Calendar
2、事实表1：Data（基础数据）
3、事实表2：Target（目标）
4、关系视图
三、上DAX
1、度量值list
2、度量值对应图示中元素
4、基础度量值：M001_AC
M001_AC = SUM('Data'[value])
5、关键度量值：M002_Forecast，同比预测。
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。
7、静态结果截图
四、总结
1、业务模型非常简单，采用累计同比预测法。
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
3、注意观察 ALL 和 ALLSELECTED 函数的使用位置，
4、日期的判定，注意观察 'Calendar'[Dates] 与 'Data'[dates] 使用位置。
Power BIPower Query同比预测daxpqpowerbi
没有上一篇
没有下一篇