Powerpivot Moving Average Dax

Rolling 12 Months Average di DAXputing rata-rata 12 bulan bergulir di DAX terlihat seperti tugas sederhana, namun menyembunyikan beberapa kompleksitas Artikel ini menjelaskan bagaimana cara menulis rumus terbaik untuk menghindari jebakan umum dengan menggunakan fungsi kecerdasan waktu. Kita mulai dengan model data AdventureWorks yang biasa. , Dengan tabel Produk, Penjualan dan Kalender Kalender telah ditandai sebagai tabel kalender, perlu untuk bekerja dengan fungsi intelijen kapan pun dan kami membangun hierarki sederhana sepanjang tahun-date Dengan pengaturan ini, sangat mudah untuk membuat PivotTable pertama menunjukkan penjualan dari waktu ke waktu. Ketika melakukan analisis kecenderungan, jika penjualan mengalami musiman atau, yang lebih umum lagi, jika Anda ingin menghilangkan pengaruh puncak dan penurunan penjualan, teknik yang umum adalah menghitung nilai selama periode tertentu. , Biasanya 12 bulan, dan rata-rata Rata-rata bergulir selama 12 bulan memberikan indikator tren yang mulus dan sangat berguna dalam grafik. Mengingat sebuah tanggal, kita dapat menghitung rata-rata rolling 12 bulan dengan thi S formula, yang masih memiliki beberapa masalah yang akan kita selesaikan nanti. Perilaku rumusnya sederhana sehingga menghitung nilai Sales setelah membuat filter pada kalender yang menunjukkan tepat satu tahun penuh data Inti dari rumus tersebut adalah DATESBETWEEN , Yang mengembalikan seperangkat tanggal inklusif antara dua batas yang lebih rendah. Membacanya dari yang terdalam jika kita menampilkan data selama sebulan, misalnya pada bulan Juli 2007, kita mengambil tanggal terakhir yang terlihat dengan menggunakan LASTDATE, yang mengembalikan hari terakhir di Juli 2007 Kemudian kita menggunakan NEXTDAY untuk mengambil 1 Agustus 2007 dan akhirnya kita menggunakan SAMEPERIODLASTYEAR untuk menggesernya kembali satu tahun, menghasilkan tanggal 1 Agustus 2006 Batas atas hanya LASTDATE, yaitu akhir Juli 2007. Jika kita menggunakan rumus ini dalam PivotTable, hasilnya terlihat bagus, tapi kita punya masalah untuk kencan terakhir. Bahkan, seperti yang bisa Anda lihat pada gambar, nilainya dihitung dengan benar sampai 2008 Lalu, tidak ada nilai di tahun 2009 yang benar, kita tidak Memiliki penjualan di tahun 2009 tapi ada surpri Menyanyikan nilai pada bulan Desember 2010, di mana rumus kami menunjukkan jumlah keseluruhan dan bukan nilai kosong, seperti yang kita harapkan. Sebenarnya, pada bulan Desember, LASTDATE kembali pada hari terakhir tahun ini dan NEXTDAY harus mengembalikan tanggal 1 Januari 2011 namun NEXTDAY adalah Fungsi intelijen waktu dan diharapkan untuk mengembalikan kumpulan tanggal yang ada Fakta ini tidak begitu jelas dan perlu beberapa kata lagi. Fungsi intelijen tidak melakukan matematika pada tanggal Jika Anda ingin mengambil hari setelah tanggal tertentu, Anda bisa menambahkan 1 ke kolom tanggal, dan hasilnya akan keesokan harinya Sebaliknya, fungsi intelijen waktu menggeser set tanggal bolak-balik seiring waktu Jadi, NEXTDAY mengambil masukan dalam kasus kami sebuah tabel dengan satu baris dengan 31 dari Desember 2010 dan menggesernya satu hari kemudian Masalahnya adalah hasilnya seharusnya tanggal 1 Januari 2011, namun karena tabel Kalender tidak mengandung tanggal tersebut, hasilnya adalah BLANK. Dengan demikian, ungkapan kami menghitung Penjualan dengan batas rendah kosong, yang Berarti awal Dari waktu, menghasilkan sebagai hasil grand total penjualan Untuk memperbaiki formula itu sudah cukup untuk mengubah urutan evaluasi batas bawah. Seperti yang Anda lihat, sekarang NEXTDAY dipanggil setelah pergeseran satu tahun kembali Dengan cara ini, Kami mengambil 31 Desember 2010, memindahkannya ke 31 Desember 2009 dan mengambil hari berikutnya, yaitu tanggal 1 Januari 2010 sebuah tanggal yang ada di meja kalender. Hasilnya sekarang yang diharapkan. Pada tahap ini, kami hanya perlu membagi Angka itu dengan 12 untuk mendapatkan rata-rata rolling Tapi, seperti yang bisa Anda bayangkan dengan mudah, kita tidak bisa selalu membaginya dengan 12 Sebenarnya, pada awal periode tidak ada 12 bulan untuk digabungkan, namun angka yang lebih rendah Kita perlu menghitung Jumlah bulan dimana ada penjualan Hal ini dapat dilakukan dengan menggunakan penyaringan silang tabel kalender dengan tabel penjualan setelah kami menerapkan konteks 12 bulan yang baru Kami menentukan ukuran baru yang menghitung jumlah bulan yang ada dalam periode 12 bulan. Anda Bisa lihat di angka berikutnya yaitu Bulan12 Ukuran M menghitung nilai yang benar. Perlu dicatat bahwa rumus tidak bekerja jika Anda memilih jangka waktu lebih lama dari 12 bulan, karena Calendar MonthName hanya memiliki 12 nilai Jika Anda membutuhkan waktu lebih lama, Anda harus menggunakan kolom YYYYMM. Untuk dapat menghitung lebih dari 12. Bagian menarik dari formula ini yang menggunakan penyaringan silang adalah kenyataan bahwa ia menghitung jumlah bulan yang tersedia bahkan saat Anda menyaring menggunakan atribut lainnya. Jika, misalnya Anda memilih warna Biru dengan menggunakan alat pengiris , Maka penjualan dimulai pada bulan Juli 2007 tidak di tahun 2005, seperti yang terjadi pada banyak warna lainnya. Menggunakan filter silang pada Penjualan, rumusan dengan benar menghitung bahwa pada bulan Juli 2007 ada satu bulan penjualan yang tersedia untuk Blue. Pada tahap ini, pengguliran Rata-rata hanya DIVIDE pergi. Ketika kita menggunakannya dalam Tabel Pivot, kita masih memiliki masalah kecil sebenarnya, nilainya juga dihitung selama berbulan-bulan dimana tidak ada penjualan yaitu bulan depan. Hal ini dapat diatasi dengan menggunakan pernyataan IF Untuk mencegah formula dari Menunjukkan nilai ketika tidak ada penjualan Saya tidak memiliki apa-apa terhadap IF tapi, untuk performa yang kecanduan di antara Anda, selalu perlu diingat bahwa JIKA mungkin adalah pembunuh kinerja, karena bisa memaksa mesin formula DAX untuk menendang Dalam kasus spesifik ini, Perbedaannya dapat diabaikan, namun, sebagai aturan umum, cara terbaik untuk menghapus nilainya saat tidak ada penjualan adalah bergantung pada formula mesin penyimpanan murni seperti ini yang memunculkan grafik menggunakan Avg12M dengan yang lain yang menunjukkan Penjualan yang dapat Anda hargai dengan mudah. Bagaimana rata-rata bergulir menguraikan tren dengan cara yang jauh lebih bersih. Beri tahu saya tentang buletin artikel yang akan datang Hapus centang untuk mendownload file secara bebas. DAX mencakup beberapa fungsi agregasi statistik, seperti rata-rata, varians, dan standar deviasi Perhitungan statistik khas lainnya mengharuskan Anda untuk Menulis ekspresi DAX lebih lama Excel, dari sudut pandang ini, memiliki bahasa yang jauh lebih kaya. Pola Statistik adalah kumpulan kalkulasi statistik umum yang sama, mod E, moving average, persentil, dan kuartil Kami ingin mengucapkan terima kasih kepada Colin Banfield, Gerard Brueckl, dan Javier Guilln, yang blognya mengilhami beberapa pola berikut. Contoh Pola Dasar. Rumus dalam pola ini adalah solusi untuk perhitungan statistik tertentu. Anda dapat menggunakan fungsi DAX standar untuk menghitung rata-rata rata-rata aritmatika dari sekumpulan nilai. AVERAGE mengembalikan rata-rata semua angka dalam kolom numerik. AVERAGEA mengembalikan rata-rata semua angka dalam kolom, menangani teks dan non-numerik Nilai nilai teks non-numerik dan kosong dihitung sebagai 0.AVERAGEX menghitung rata-rata pada ekspresi yang dievaluasi di atas tabel. Rata-rata bergerak. Rata-rata bergerak adalah penghitungan untuk menganalisis titik data dengan membuat serangkaian rata-rata himpunan bagian data lengkap yang berbeda. Set Anda dapat menggunakan banyak teknik DAX untuk menerapkan perhitungan ini Teknik yang paling sederhana adalah menggunakan AVERAGEX, mengulangi tabel granularity yang diinginkan dan menghitung untuk setiap iterasi expres Sion yang menghasilkan titik data tunggal yang digunakan rata-rata Misalnya, rumus berikut menghitung rata-rata bergerak dalam 7 hari terakhir, dengan asumsi Anda menggunakan tabel Date pada model data Anda. Dengan menggunakan AVERAGEX, Anda secara otomatis menghitung ukuran di Setiap tingkat granularitas Bila menggunakan ukuran yang dapat digabungkan seperti SUM, maka pendekatan lain berdasarkan PERHITUNGAN mungkin lebih cepat Anda dapat menemukan pendekatan alternatif ini dalam pola Moving Average yang lengkap. Anda dapat menggunakan fungsi DAX standar untuk menghitung varians dari suatu Kumpulan nilai. VAR S mengembalikan varians nilai dalam kolom yang mewakili populasi sampel. VAR P mengembalikan varians nilai dalam kolom yang mewakili keseluruhan populasi. VARX S mengembalikan varians dari ekspresi yang dievaluasi di atas tabel yang mewakili populasi sampel. VARX P mengembalikan varians dari sebuah ekspresi yang dievaluasi di atas tabel yang mewakili seluruh populasi. Standard Deviation. You dapat menggunakan fungsi DAX standar untuk menghitung E deviasi standar seperangkat nilai. STDEVS mengembalikan standar deviasi nilai dalam kolom yang mewakili populasi sampel. STDEVP mengembalikan standar deviasi nilai dalam kolom yang mewakili keseluruhan populasi. STDEVX S mengembalikan standar deviasi dari suatu Ekspresi dievaluasi di atas tabel yang mewakili populasi sampel. STDEVX P mengembalikan standar deviasi sebuah ekspresi yang dievaluasi di atas tabel yang mewakili keseluruhan populasi. Median adalah nilai numerik yang memisahkan separuh populasi yang lebih tinggi dari bagian bawah jika ada yang aneh. Jumlah baris, median adalah nilai tengah yang memilah-milah baris dari nilai terendah ke nilai tertinggi Jika ada jumlah baris yang genap, itu adalah rata-rata dari kedua nilai tengah Rumus tersebut mengabaikan nilai kosong, yang tidak dianggap sebagai bagian Dari populasi Hasilnya identik dengan fungsi MEDIAN di Excel. Gambar 1 menunjukkan perbandingan antara hasil yang dikembalikan oleh Excel dan formula DAX yang sesuai Untuk perhitungan median. Gambar 1 Contoh kalkulasi median di Excel dan DAX. Mode adalah nilai yang paling sering muncul dalam sekumpulan data Rumusnya mengabaikan nilai kosong, yang tidak dianggap sebagai bagian dari populasi Hasilnya identik dengan MODE dan fungsi di Excel, yang mengembalikan hanya nilai minimum ketika ada beberapa mode dalam himpunan nilai yang dianggap Fungsi Excel akan mengembalikan semua mode, namun Anda tidak dapat menerapkannya sebagai ukuran di DAX. Figure 2 membandingkan hasil yang dikembalikan Oleh Excel dengan rumus DAX yang sesuai untuk penghitungan mode. Gambar 2 Contoh perhitungan mode di Excel dan DAX. Persentil adalah nilai di bawah ini yang persentase tertentu dari nilai dalam kelompok jatuh Rumus mengabaikan nilai kosong, yang tidak dianggap sebagai bagian Dari populasi Perhitungan di DAX memerlukan beberapa langkah, yang dijelaskan di bagian Pola Lengkap, yang menunjukkan bagaimana mendapatkan hasil yang sama dari fungsi Excel PERCENTILE, dan. The quartiles Adalah tiga poin yang membagi seperangkat nilai menjadi empat kelompok yang sama, masing-masing kelompok terdiri dari seperempat data Anda dapat menghitung kuartil menggunakan pola Persentil, mengikuti korespondensi ini. Kuartil pertama menurunkan kuartil 25 persentil. Kuartil kuartil kedua median 50 . Kuartil atas kuartil atas 75 th percentileplete Pattern. A beberapa perhitungan statistik memiliki deskripsi pola lengkap yang lebih panjang, karena Anda mungkin memiliki penerapan yang berbeda tergantung pada model data dan persyaratan lainnya. Rata-rata Sedang. Biasanya Anda mengevaluasi rata-rata bergerak dengan mereferensikan hari itu. Tingkat granularitas Kerangka umum dari rumus berikut memiliki tanda-tanda ini. Jumlah hari ini adalah jumlah hari untuk moving average. datecolumn adalah kolom tanggal dari tabel tanggal jika Anda memilikinya, atau kolom tanggal tabel yang berisi nilai jika ada Tidak ada tabel tanggal yang terpisah. Ukuran adalah ukuran untuk menghitung sebagai rata-rata bergerak. Pola paling sederhana menggunakan fen AVERAGEX Di DAX, yang secara otomatis mempertimbangkan hanya hari-hari dimana ada nilai. Sebagai alternatif, Anda dapat menggunakan template berikut pada model data tanpa tabel tanggal dan dengan ukuran yang dapat digabungkan seperti SUM selama periode yang ditentukan . Rumus sebelumnya mempertimbangkan satu hari tanpa data yang sesuai sebagai ukuran yang memiliki nilai 0 Hal ini dapat terjadi hanya bila Anda memiliki tabel tanggal terpisah, yang mungkin berisi hari dimana tidak ada transaksi yang sesuai Anda dapat memperbaiki penyebut rata-rata menggunakan Hanya jumlah hari dimana ada transaksi dengan menggunakan pola berikut, where. facttable adalah tabel yang terkait dengan tabel tanggal dan berisi nilai yang dihitung berdasarkan ukuran. Anda mungkin menggunakan fungsi DATESBETWEEN atau DATESINPERIOD daripada FILTER, namun hanya bekerja Di tabel tanggal reguler, sedangkan Anda dapat menerapkan pola yang dijelaskan di atas juga ke tabel tanggal non reguler dan model yang tidak memiliki tabel tanggal. Misalnya, pertimbangkan Hasil yang berbeda dihasilkan oleh dua langkah berikut. Pada Gambar 3, Anda dapat melihat bahwa tidak ada penjualan pada tanggal 11 September 2005 Namun, tanggal ini termasuk dalam tabel Tanggal sehingga, ada 7 hari dari 11 September sampai 17 September yang telah Hanya 6 hari dengan data. Gambar 3 Contoh perhitungan Moving Average mempertimbangkan dan mengabaikan tanggal tanpa penjualan. Ukuran Moving Average 7 Days memiliki angka yang lebih rendah antara 11 September dan 17 September, karena mempertimbangkan 11 September sebagai hari dengan 0 penjualan Jika Anda ingin mengabaikan hari tanpa penjualan, maka gunakan ukuran Moving Average 7 Days No Zero Ini bisa menjadi pendekatan yang tepat bila Anda memiliki tabel tanggal yang lengkap namun Anda ingin mengabaikan hari tanpa transaksi Menggunakan formula Moving Average 7 Days, Hasilnya benar karena AVERAGEX secara otomatis hanya mempertimbangkan nilai yang tidak kosong. Ingatlah bahwa Anda dapat memperbaiki kinerja rata-rata bergerak dengan mempertahankan nilai dalam kolom tabel yang dihitung dengan granular yang diinginkan. Namun, pendekatan perhitungan dinamis dengan ukuran menawarkan kemampuan untuk menggunakan parameter untuk jumlah hari dari rata-rata bergerak misalnya mengganti numberofdays dengan ukuran yang menerapkan pola Tabel Parameter. Median sesuai Ke persentil ke-50, yang dapat Anda hitung dengan menggunakan pola Persentil Namun, pola Median memungkinkan Anda mengoptimalkan dan menyederhanakan perhitungan median dengan menggunakan satu ukuran, alih-alih beberapa tindakan yang diperlukan oleh pola Persentil Anda dapat menggunakan pendekatan ini saat Anda Hitung median untuk nilai yang termasuk dalam valuecolumn, seperti yang ditunjukkan di bawah ini. Untuk meningkatkan kinerja, Anda mungkin ingin mempertahankan nilai sebuah ukuran di kolom yang dihitung, jika Anda ingin mendapatkan median untuk hasil pengukuran dalam model data. , Sebelum melakukan optimasi ini, anda harus menerapkan perhitungan MedianX berdasarkan template berikut, dengan menggunakan marker ini. Memfiksalkan granularitas perhitungan Sebagai contoh, bisa jadi tabel Date jika Anda ingin menghitung median ukuran yang dihitung pada tingkat hari, atau bisa jadi VALUES Date YearMonth jika Anda ingin menghitung median ukuran yang dihitung pada Tingkat bulan. Ukuran adalah ukuran untuk menghitung setiap baris granularitytable untuk perhitungan median. Yang mungkin adalah tabel yang berisi data yang digunakan oleh ukuran Misalnya, jika granularitytable adalah dimensi seperti Date, maka pengukurannya adalah Penjualan Internet yang berisi Kolom Jumlah Penjualan Internet yang dijumlahkan dengan ukuran Total Penjualan Internet. Misalnya, Anda dapat menulis median Total Penjualan Internet untuk semua Pelanggan di Adventure Works sebagai berikut. Tipkan pola berikut. Digunakan untuk menghapus baris dari granularitytable yang tidak memiliki Data yang sesuai pada pilihan saat ini Ini adalah cara yang lebih cepat daripada menggunakan ekspresi berikut. Namun, Anda bisa mengganti keseluruhan ekspresi KALIAT dengan hanya gr Anularitas jika Anda ingin mempertimbangkan nilai kosong dari ukuran sebagai 0.Performulasi Formula MedianX bergantung pada jumlah baris dalam tabel yang diberi iterasi dan pada kompleksitas ukuran Jika kinerja buruk, Anda dapat mempertahankan hasil pengukuran dalam Tabel dihitung dari tabel, tapi ini akan menghapus kemampuan menerapkan filter ke perhitungan median pada waktu kueri. Eksper memiliki dua implementasi perhitungan persentil yang berbeda dengan tiga fungsi PERCENTILE, dan Mereka mengembalikan kuadrat K-th dari nilai, di mana K Berada pada kisaran 0 sampai 1 Perbedaannya adalah PERCENTILE dan menganggap K sebagai rentang inklusif, namun mempertimbangkan kisaran K 0 sampai 1 sebagai eksklusif. Semua fungsi ini dan penerapan DAX mereka mendapat nilai persentil sebagai parameter, yang kita sebut KK Nilai persentil berada pada kisaran 0 sampai 1. Kedua penerapan DAX persentil memerlukan beberapa tindakan yang serupa, namun cukup berbeda untuk memerlukan dua formula yang berbeda. Ukuran S yang didefinisikan dalam masing-masing pola. KPerc Nilai persentil itu sesuai dengan K. PercPos Posisi persentil dalam kumpulan nilai yang diurutkan. ValueLow Nilai di bawah posisi persentil. ValueHigh Nilai di atas posisi persentil. Percentile Perhitungan akhir dari Persentil. Anda memerlukan ValueLow dan ValueHigh dalam hal Percpos berisi bagian desimal, karena Anda harus melakukan interpolasi antara ValueLow dan ValueHigh untuk mengembalikan nilai persentil yang benar. Gambar 4 menunjukkan contoh perhitungan yang dibuat dengan Excel dan Formula DAX, menggunakan kedua algoritma persentil inklusif dan eksklusif. Gambar 4 Persen perhitungan dengan rumus Excel dan perhitungan DAX yang setara. Pada bagian berikut, rumus Persentil melaksanakan perhitungan pada nilai yang tersimpan dalam kolom tabel, Nilai Data, sedangkan Persentil Formula melakukan perhitungan pada nilai yang dikembalikan dengan ukuran yang dihitung pada granularity. Percentile Inclusive Implementasi Inklusif Persentas adalah yang berikut. Eksentensi Eksentrik. Implementasi Eksklusif Percentile adalah yang berikut. Eksklusif IncercentileX. Implementasi Inklusif PercentileX didasarkan pada kerangka berikut, dengan menggunakan marker ini. Sudut keterkaitan adalah tabel yang menentukan granularitas perhitungan. Misalnya, Itu bisa jadi tabel Tanggal jika Anda ingin menghitung persentil ukuran di tingkat hari, atau bisa jadi NILAI Tanggal YearMonth jika Anda ingin menghitung persentase dari ukuran di tingkat bulan. Ukuran adalah ukuran untuk menghitung untuk Setiap baris granularitytable untuk perhitungan persentil. Ya dapat diasumsikan adalah tabel yang berisi data yang digunakan dengan ukuran Misalnya, jika granularitytable adalah dimensi seperti Date, maka measuretable akan menjadi Sales yang berisi kolom Jumlah yang dijumlahkan dengan jumlah Total Amount. Sebagai contoh, Anda dapat menulis PercentileXInc dari Total Jumlah Penjualan untuk semua tanggal dalam tabel Tanggal sebagai berikut. PercentileX Exc Lusive. Implementasi Eksklusif PercentileX didasarkan pada template berikut, dengan menggunakan spidol yang sama yang digunakan dalam Inklusif PercentileX. Misalnya, Anda dapat menulis PercentileXExc Total Jumlah Penjualan untuk semua tanggal dalam tabel Tanggal sebagai berikut. Izinkan saya memberi tahu tentang Newsletter pola yang akan datang Hapus centang untuk mendownload file secara bebas. Published pada 17 Maret 2014 oleh. SQL Server Denali PowerPivot. Alberto Ferrari sudah menulis tentang penghitungan moving averages di DAX dengan menggunakan kolom yang dihitung, saya ingin menyajikan pendekatan yang berbeda di sini dengan menggunakan Pengukuran yang dihitung Untuk rata-rata bergerak, saya menghitung rata-rata pergerakan harian selama 30 hari terakhir di sini. Untuk contoh saya, saya menggunakan buku kerja PowerPivot yang dapat didownload sebagai bagian dari Model Model Tabular SSAS dari sampel Denali CTP 3. Posting ini, saya m mngembangkan formula selangkah demi selangkah Namun, jika Anda sedang terburu-buru, Anda mungkin langsung ingin melompati hasil akhir di bawah ini. Dengan tahun kalender 2003 di filter, d Makan di kolom dan jumlah penjualan dari tabel Penjualan Internet secara rinci, data sampel terlihat seperti ini. Dalam konteks masing-masing baris, ungkapan Date Date memberikan konteks saat ini, yaitu tanggal untuk baris ini Tetapi dari ukuran yang dihitung, kita tidak dapat merujuk Untuk ekspresi ini karena tidak ada baris saat ini untuk tabel Date, sebagai gantinya kita harus menggunakan sebuah ekspresi seperti Tanggal Date Date Terakhir. Jadi, untuk mendapatkan tiga puluh hari terakhir kita bisa menggunakan ungkapan ini. Kini kita bisa meringkas penjualan internet kita untuk Masing-masing hari itu dengan menggunakan fungsi merangkum. Tanggal Tanggal Date Date Date-Date Date -30, DAY Date Date SalesAmountSum Sum Jumlah Penjualan Penjualan Internet. Dan akhirnya, kita menggunakan fungsi DAX AverageX untuk menghitung rata-rata 30 Values. Sales Jumlah 30d avg AverageX Ringkas Tanggal Tanggal Tanggal, Tanggal Tanggal Terakhir, -30, HARI, Tanggal Tanggal SalesAmountSum Sum Jumlah Penjualan Penjualan Internet, SalesAmountSum. Ini adalah perhitungan yang kami gunakan di tabel Penjualan Internet kami sebagai Yang ditunjukkan pada gambar di bawah ini. Ketika menambahkan perhitungan ini ke tabel pivot dari atas, hasilnya terlihat seperti ini. Melihat hasilnya sepertinya kita tidak mempunyai data sebelum 1 Januari 2003 Nilai pertama untuk rata-rata bergerak adalah Identik dengan nilai hari tidak ada baris sebelum tanggal tersebut Nilai kedua untuk rata-rata bergerak sebenarnya adalah rata-rata dua hari pertama dan seterusnya Ini tidak benar, tapi saya kembali ke masalah ini dalam hitungan detik. Hasil tangkapan layar menunjukkan Perhitungan untuk rata-rata pergerakan pada 31 Januari sebagai rata-rata nilai harian dari 2 hingga 31 Januari. Pengukuran yang dihitung juga berlaku baik saat filter diterapkan. Dalam screenshot berikut, saya menggunakan dua kategori produk untuk rangkaian data. Bagaimana cara kita melakukan Menghitung mengukur bekerja pada tingkat agregasi yang lebih tinggi Untuk mengetahui, saya menggunakan hierarki Kalender pada baris dan bukan tanggal Untuk kesederhanaan saya menghapus tingkat semester dan kuartal menggunakan opsi tabel pivot Excel Show Sembunyikan opsi bidang. Seperti yang bisa Anda lihat, perhitungannya tetap berfungsi dengan baik Di sini, agregat bulanan adalah rata-rata bergerak untuk hari terakhir bulan tertentu. Anda dapat melihat dengan jelas nilai Januari 14.215 01 ini juga muncul pada tangkapan layar di atas sebagai Nilai untuk tanggal 31 Januari Jika ini adalah persyaratan bisnis yang masuk akal untuk rata-rata harian, maka agregasi akan berfungsi dengan baik pada tingkat bulanan jika tidak, kami harus menyesuaikan perhitungan kami dan ini akan menjadi topik dari posting yang akan datang. Tapi walaupun Agregasi masuk akal pada tingkat bulanan, jika kita memperluas pandangan ini ke tingkat hari, Anda akan melihat bahwa ukuran yang dihitung hanya mengembalikan jumlah penjualan untuk hari itu, bukan rata-rata 30 hari terakhir lagi. Bagaimana ini bisa menjadi hasil masalah Dari konteks di mana kami menghitung jumlah kami, seperti yang disorot dalam kode berikut. Jumlah Nominal 30d rata-rata Rata-rata rangkuman tanggal pada Tanggal Tanggal, Tanggal Tanggal Terakhir, -30, HARI, Tanggal Tanggal SalesAmountSum Sum Penjualan Internet Jumlah Penjualan, SalesAmountSum. Karena kita mengevaluasi ungkapan ini selama periode tanggal yang diberikan, satu-satunya konteks yang ditimpa di sini, adalah Tanggal Tanggal Dalam hierarki kita, kita menggunakan berbagai atribut dari dimensi kita Tahun Kalender, Bulan dan Hari Bulan Karena konteks ini adalah Masih ada, perhitungan juga disaring oleh atribut tersebut Dan ini menjelaskan mengapa kita konteks hari ini masih ada untuk setiap baris Untuk mendapatkan semuanya dengan jelas, selama kita mengevaluasi ekspresi ini di luar konteks tanggal, semuanya baik-baik saja sebagai Mengikuti kueri DAX saat dijalankan oleh Studio Manajemen di perspektif Penjualan Internet dari model kami menggunakan basis data tabel dengan data yang sama. evaluate Merangkum tanggal di Tanggal Tanggal, tanggal 2003,1,1, -5, DAY, Date Date SalesAmountSum Sum Internet Jumlah Penjualan Penjualan Di sini, saya mengurangi jangka waktu sampai 5 hari dan juga menetapkan tanggal tetap seperti LastDate akan menghasilkan tanggal terakhir dari tabel dimensi tanggal saya yang tidak ada data hadir di samp Le data Berikut adalah hasil dari query. Namun, setelah menetapkan filter ke tahun 2003, tidak ada data baris di luar tahun 2003 yang akan disertakan dalam jumlah. Ini menjelaskan komentar di atas. Sepertinya kita hanya memiliki data mulai 1 Januari 2003 dan Sekarang, kita tahu mengapa Tahun 2003 ada di filter seperti yang bisa Anda lihat di tangkapan layar pertama dari posting ini dan karena itu hadir saat menghitung jumlah Sekarang, yang harus kita lakukan hanyalah menyingkirkan filter tambahan tersebut karena Kami sudah memfilter hasil kami berdasarkan Tanggal Cara termudah untuk melakukannya, adalah dengan menggunakan fungsi Hitung dan menerapkan SEMUA untuk semua atribut yang ingin kami hapus filternya Seperti yang telah kami dapatkan beberapa atribut tersebut Tahun, Bulan, Hari, Hari Kerja, Dan kami ingin menghapus filter dari semuanya tapi atribut tanggal, fungsi shortcut ALLEXCEPT sangat berguna disini. Jika Anda memiliki latar belakang MDX Anda akan heran mengapa kami tidak mendapatkan masalah yang sama saat menggunakan SSAS dalam mode OLAP BISM Multidimensi Alasannya adalah OLAP kita d Atabase memiliki hubungan atribut, jadi setelah menyetel atribut kunci tanggal, atribut lainnya juga akan berubah secara otomatis dan kami tidak perlu memperhatikannya. Lihatlah, lihatlah di pos saya. Tapi, dalam model tabular, kami tidak memiliki hubungan atribut, bahkan kunci yang tidak benar Atribut dan oleh karena itu kita perlu menghilangkan filter yang tidak diinginkan dari perhitungan kita. Jadi, di sini kita bersama-sama dengan. Jumlah Jumlah 30d rata-rata Rata-rata Merangkum tanggal di Tanggal Tanggal, Tanggal Tanggal Terakhir, -30, HARI, Tanggal Tanggal SalesAmountSum menghitung Jumlah Penjualan Penjualan Internet Jumlah, ALLEXCEPT Tanggal, Tanggal Tanggal, SalesAmountSum. Dan ini adalah tabel pivot terakhir kami di Excel. Untuk mengilustrasikan rata-rata pergerakan, berikut adalah ekstrak data yang sama dalam tampilan grafik Excel. Meskipun kami memfilter data kami pada tahun 2003, rata-rata pergerakan untuk 29 pertama Hari-hari di tahun 2003 benar-benar memakan hari-hari yang sama di tahun 2002. Anda akan mengenali nilai-nilai untuk 30 dan 31 Januari dari pendekatan pertama kami karena ini adalah hari-hari pertama dimana calculati pertama kami Memiliki data dalam jumlah cukup penuh 30 hari.