PowerBI DAX 从日期角度分析业务指标解决方案

从日期角度分析问题,在Power BI中用DAX实现基本上会基于时间智能函数处理。

由于PowerBI DAX中时间智能函数众多,有必要梳理形成一个统一的模式。它能帮助业务(尤其常常是财务)解决的问题包括但不限于:

  • 本期至今指标(XTD):年度至今(YTD),季度至今(QTD),月度至今(MTD)等
  • 上期同期指标:上年同期,上季同期等
  • 上期全部
  • 基于时间区间的对比

订单指标集

以示例目的,选择订单作为业务对象,其常见指标集包括:

  • 订单 销售额 合计
  • 订单 利润率 合计
  • 订单 数量

为了使用方便,设置一个 动态的 订单指标,包括以上所有指标,称为 [订单 指标]

日期表系列

首先介绍 日期表,初次接触PowerBI DAX会认为日期表是一个多列的表,其实日期表的最简单形式仅仅是一个 单列日期 构成的表,如果用DAX来实现,只需要写:

日期表 = CALENDAR( 开始年份 , 结束年份 )

即可。由于这种单列的日期表不能满足复杂的实际业务需求,包括从不同的日期粒度(日,周,月,季,年等)来计算指标以及一些动态灵活的需要,这里总结常用的三种日期表,如下:

关于日期表的讨论不再赘述。

日期表可以采用DAX公式或Power Query公式均可构建,以上范例提供了详细完整的Power Query公式构建方法。

为了集中于本案例,这里只使用日期表,并使用[订单 指标]度量值作为示例。

本期至今 YTD,QTD,MTD,WTD

常用的本期至今指标包括包括本年至今(Year To Date),本季至今(Quarter To Date),本月至今(Month To Date),本周至今(Week To Date),计算如下:

WTD并非有类似的函数,因此需要自行构建,如下:

💬 提示
TOTALYTD、TOTALQTD、TOTALMTD有等价的写法,可以仅使用上述方法。

上期同期 PY,PQ,PM

常用的上期同期指标包括上年同期(Previous Year),上季同期(Previous Quarter),上月同期(Previous Month),上周同日(7日前),计算如下:

💬 提示
SAMEPERIODLASTYEAR 可产生与 DATEADD ( '日期'[Date], -1, YEAR ) 同样的效果。
很少有上周同期的业务叫法,更适合称为【7日前指标】,就其本质也是上周同期的概念,故放在这类指标中。

上期全部 PYT,PQT,PMT,PWT

上期同期 不同,上期全部 将获取到上期的全部日期,例如:2017年5月的上年同期是2016年5月,而2017年5月的上年全部是2016年全年。常用的指标包括:上年全部(Previous Year Total),上季全部(Previous Year Total),上月全部(Previous Year Total),上周全部(Previous Week Total),计算如下:

可以看出,这里对有关周的计算已经变得更加复杂。DAX时间智能函数一般实现到月的级别,因为对于周的处理是并没有统一的方案的,在国际上也存在一些标准方案,实际还是根据不同公司的业务周期或考核周期进行,会有实际差别。

基于时间区间的对比

将当前与过去的不同时间区间进行对比可以得出一些重要的指标,包括:

  • 本年至今 对比 上年全部;
  • 当期 对比 全年同期 形成同比;
  • 当期 对比 上期 形成环比;
  • 差异的增长率。

根据实际业务的需要还可能产生更多的排列组合,这里仅列举上述常用指标计算,如下:

总结

上述内容的讨论暂未涉及期初期末类,以及并为详细展开关于周有关的计算,它们都可以专门来进行讨论。对于偏向技术类的业务人员,关于时间智能可以注意以下几点重要内容:

  • 时间智能函数通常作为 CALCULATE 的筛选器参数
  • CALCULATE 的筛选器参数都是表(ALL及设置关系类除外,此处不需了解)
  • 因此所有时间智能类函数都返回表

这其实在说,例如: LASTDATE( 日期[日期] ) 是时间智能函数;而时间智能函数其实返回的是表(虽然LASTDATE从字面意思上是一个值,由于它是一行一列的表,因此也可以作为值,但本质是表)。

时间智能函数还有一些需要注意的问题:

  • 时间智能函数 不一定必须 配合日期表,但最好有独立的日期表,而不使用系统自带的
  • 日期表应该尽量用日期类型的列作为关系列

案例下载:

链接:https://pan.baidu.com/s/1Q-qjFk3CXG-spTnUhe5aNQ
密码:biw7
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 199,636评论 5 468
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 83,890评论 2 376
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 146,680评论 0 330
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 53,766评论 1 271
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 62,665评论 5 359
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,045评论 1 276
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,515评论 3 390
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,182评论 0 254
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,334评论 1 294
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,274评论 2 317
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,319评论 1 329
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,002评论 3 315
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,599评论 3 303
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,675评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 30,917评论 1 255
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 42,309评论 2 345
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 41,885评论 2 341

推荐阅读更多精彩内容