概述

• 了解時間智能功能在 Power BI 中的重要性

• 通過簡單示例在 Power BI 中實現時間智能函數

介紹時間是企業的資產，就像資源、材料和資金一樣。企業使用累積時間計算(年到日期、月到日期或季度到日期)，這些計算在常用用法中稱為 YTD、MTD、QTD。它們是分析趨勢或比較銷售和財務績效的有用指標。然而，在 Microsoft Excel 中使用數據透視表和公式計算這些指標可能是一場噩夢。

雖然與時間相關的計算并不復雜，但它們可能很乏味。這里有一個給業務分析師的問題："您花了多少時間準備基于 Excel 的儀表板來分析一段時間的業務績效？答案很不理想，不是嗎？

Power BI 中的Time 智能功能可幫助用戶執行可實時評估業務性能的計算，而無需將其顯式存儲在單獨的工作表中并引用它們。Microsoft Power BI 提供稱為數據分析表達式 (DAX) 的計算等公式，可幫助用戶從數據中開發新功能。時間智能函數是 Power BI 開發人員衡量業務指標模式的必用表達式(與去年相比，按年、按季度、按季度計算等)。

本文討論了 Power BI 時間智能功能的重要性和用途，這些功能可以使儀表板開發過程順利進行。

注：我們假設您以前使用過 Power BI，并且有使用 DAX 的經驗。有關 Power BI 的初學者友好介紹，請查看博客：

• 10 個有用的數據分析表達式 (DAX) 函數，適用于 Power BI 初學者

目錄

了解數據

時間智能功能的重要性

在 Power BI 中使用 DAX

創建日期引用表

必需的計算列和度量值

使用時間智能功能分析業務績效

了解數據

在深入探討 Power BI 中時間智能功能如何輕松高效地實現之前，我們先概述示例數據。我們使用包含 2017 年和 2018 年企業直接利潤數字的數據。

下文提供了數據的屏幕截圖。數據也可以從Github下載練習。

數據包含幾個產品的直接利潤編號。產品描述、業務細分、品牌和其他特征已被掩蓋。每個月運行幾個活動。在7月和12月，只有一個競選活動。因此，我們可用的數據不是連續日期格式。

時間智能功能的重要性

要比較趨勢，企業依賴于在一個時間窗口內評估市場活動的性能。通常，業務利益干系人希望了解其關鍵績效指標 (KPI)，并將其與年度目標進行比較。

例如，他們可能希望評估年度至今 (YTD) 利潤，并制定戰略以填補與年度目標有關的差距。此外，與上一年或月份或季度相比，績效可能是需要評估的另一個指標。這將有助于他們分析業務業績是否與去年同一時期相匹配。

Power BI 提供的功能可以通過簡單的計算高效地實現這些比較。盡管 Excel 中這些基于時間的指標的計算并不困難，但它們可能涉及使用數據透視表。

在 Power BI 中使用 DAX

讓我們使用"從 Microsoft Excel 工作簿導入數據"功能按鈕將數據導入 Power BI。Power BI 數據視圖中導入的數據為：

請注意，沒有表示每個"市場活動編號"列的日歷日期的列。因此，我們將使用"表工具"菜單下的"新列"按鈕創建一個計算列。我們將使用我們的第一個數據分析表達式 (DAX) 來達成此結果。DAX 是 Excel 的公式，可以在數據中創建新列。

CalendarDate = DATE(Data[Year], Data[Month], Data[Date])

Power BI 中的 DATE 函數使用"數據"中的"年"和"月"和"日期"列創建日歷日期列。但是，請注意，表示與雙月市場活動對應的日期的"日歷日期"列不是連續的。盡管這不一定構成挑戰，但利用 Power BI 中時間智能功能的更簡單方法是創建一個包含一系列連續日期的新表。

創建日期引用表

若要在數據模型中創建新表，請轉到"主頁"選項卡，然后單擊"新表"按鈕。

我們使用稱為 CALENDAR 函數的 DAX，該函數創建一個名為"Date"的表，其中包含一個"Date"列，給定特定的開始日期和結束日期分別是 2017 年 1 月 1 日 1 和 12 月 31 日。

Date = CALENDAR(DATE(2017,1,1), DATE(2018,12,31))

創建"日期"表后，我們必須在數據模型中將此表標記為正式日期表。這可以通過在右側的"字段"窗格中查找"日期"表并單擊"標記為日期表"來完成。Power BI 將要求您選擇表示日期的列。現在，您知道它是"Date"列。此步驟可確保進一步的 DAX 公式將此"日期"表作為最可靠的日期源。

除非我們在"Date"表和"Data"表之間創建關系，否則我們不能將創建的表用于 DAX 計算。為此，我們轉到模型的關系視圖，并在"日期"表的"日期"列和"數據"表的"日歷日期"列之間建立一對多關系。"Date"表中日期的連續列表使時間序列數據的聚合更加容易。

必需的計算列和度量值

為了根據用戶方便情況查看時間序列，我們在"Date"表中使用以下 DAX 創建新列。這些列表示年、月數、日數、月名、季度。

Year = YEAR('Date'[Date])

MonthNum = MONTH('Date'[Date])

Day = DAY('Date'[Date])

MonthName = FORMAT('Date'[Date], "MMM")

Quarter = "Q" & FORMAT(QUARTER('Date'[Date]), "")

創建這些計算列后，下一個重要方面是在"Date"表中創建我們的第一個度量值。實際直接利潤數字的度量值將使用以下提到的 DAX 創建。最重要的是，"直接利潤"將使我們能夠靈活地從"Data"表中捕獲數字，并使其在任何細節級別上可用，包括每年、每季度、每月或按天提供。

DirectProfit = SUM(Data[Direct Profit])

使用 Power BI 中的時間智能功能分析業務性能

可以使用表和圖表在數據模型的"報表"視圖中查看最后一節中創建的度量值。這為我們提供了直接利潤的月對比視圖。

使用最廣泛的業務 KPI 之一是年至今 (YTD) 值。年至今顯示從年初到所選日期的累積績效指標(本例中為直接利潤)。我們將使用 Power BI 中的 TOTALYTD 函數計算直接利潤 YTD 數字。

要創建直接利潤的 YTD 視圖，我們將使用以下公式創建新的度量值。

DirectProfit YTD = TOTALYTD(SUM(Data[Direct Profit]), 'Date'[Date])

此公式計算"Data"表中某些"直接利潤"值的表達式，并返回"Date"列的累計 YTD 編號。

面積圖表示直接利潤 YTD 數字，在兩年內具有可比性。兩年的本年趨勢與2月至6月的年數趨勢相當可比。然而，2018年的趨勢與上一年相比，7月至10月的趨勢不同。2018年7月至10月的直接利潤年數遠遠低于2017年的相應時期。

此外，2018 年 11 月和 12 月的直接利潤也大幅躍升。然而，它在2017年同一時期趨于平緩。除了 TOTALYTD 之外，還有一些函數，如 TOTALMTD 和 TOTALQTD，可以為任何業務指標提供月到日期和季度到日期的值。

另一個在 Power BI 中最常用的時間智能函數是 SAMEPERIODLASTYEAR。它評估當前期間的業務績效與上一年同一期間。

結束備注

在這篇文章中，我們了解了時間智能如何在評估業務績效方面發揮重要作用。此外，我們還查看了計算 Power BI 中給定 KPI 的 YTD 數字的動手示例。

總之，Power BI 提供了許多時間智能功能，可幫助報告業務績效。此外，與 Excel 中基于單元格的計算不同，我們可以在 Power BI 中創建度量值。度量值可以在任何詳細級別上評估給定的時間計算。

轉載出處：https://www.analyticsvidhya.com/blog/2020/08/time-intelligence-power-bi/

作者：Kaushik

總結

以上是生活随笔為你收集整理的bi power 两个日期挑较早的日期_功率 BI 中的时间智能：利用时间的全部內容，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。