(寫在前面的話：非常感謝@韭菜大神和@冬神的指點，萬分感謝。)

哎，說歸說，還是需要繼續學習CALCULATE函數，也是蠻無奈的。最近白茶在研究帕累托分析法，本期分享一下帕累托ABC分析法的基礎——累計求和。

這里簡要的說一下什么叫帕累托分析法：意大利經濟學家，帕累托研究發現，美國80%的經濟被20%的人所掌握著，而另外20%的經濟卻被80%的人所掌握。而且很多事情都符合這一“二八定律”，于是就誕生了帕累托的分析觀點，將事物發生的頻率劃分為A、B、C三類，通過集中精力解決A類問題，可以緩解主要矛盾，同時，不忘B類、C類的次要影響，說白了就是將事物劃分為主次層次。

其中，頻率為0%~80%的，為A類因素，是主要影響因素；

頻率為80%~90%的，為B類因素，是次要影響因素；

頻率為90%~100%的，為C類因素，是一般影響因素。

這就是著名的帕累托ABC分析法。

小伙伴們，明白了沒？我們不光要做帕累托分析圖，還要知道原理。

以下是白茶做的示例文件：

這是頭幾天白茶做的，修改一下，將其導入PowerBI中。

之前呢，白茶在網上學了幾個累計求和的公式，白茶分享一下。

第一種是利用EARFIER函數，如下：

這種方法，有一個很明顯不對勁的地方，就是EARFIER這里，不能插入表和列，白茶當時不明白為什么，@韭菜大神指點我，這個函數沒理解到位，就是EARFIER必須存在于行上下文中，且有兩個行上下文，說得通俗一點就是要有原生表和派生表。這個函數有點抽象，白茶目前還理解的不是很到位。

第二種是利用VAR變量，如下：

這是第二種方式。@韭菜大神指點，有兩處很明顯的錯誤。一是公式的本意是按照銷售數量不同值進行累計，可是矩陣中是按照日期；二是使用了ALL，可以看出最小的銷售量是“5”，其他每個值都比5大，那么每一行都會進行匯總，結果當然是錯誤的。(解決辦法是添加索引列，再進行篩選)

最后，感謝@韭菜大神和@冬神，兩位大神的意見是一致的，既然判定銷售數量有問題，那么判定時間就好了啊。一語點醒夢中人啊，而且這種方法可以避免一些上面兩個代碼有可能存在的錯誤，比如說當不同日期的銷售數量一致的時候，那么上面的計算公式肯定會存在點問題，解決的辦法是添加參數索引。但是按照這種日期篩選法，可以極大程度的避免這個。

代碼如下：

累計求和 =CALCULATE (SUM ('示例'[銷售數量] ),FILTER ( ALL ('示例'),'示例'[時間].[Date] <= MAX ('示例'[時間].[Date] ) ))

其結果如圖：

這次在矩陣中觀察毫無問題！

看似簡單的問題，白茶卻浪費了很多時間，基礎不牢，地動山搖啊。

小伙伴們，GET了沒有？

//往期鏈接//

PowerBI丨白茶：學習CALCULATE函數(一)?zhuanlan.zhihu.com

PowerBI丨白茶：學習CALCULATE函數(二)?zhuanlan.zhihu.com

PowerBI丨白茶：學習CALCULATE函數(三)?zhuanlan.zhihu.com

PowerBI丨白茶：學習CALCULATE函數(四)?zhuanlan.zhihu.com

PowerBI丨白茶：學習CALCULATE函數(五)?zhuanlan.zhihu.com

我是白茶，一個PowerBI的初學者。

-END -

ID:Storysming

總結

以上是生活随笔為你收集整理的空间连接时计算总和_学习CALCULATE函数（六）丨帕累托之累计求和的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。