BI技巧丨同环比计算

我们在做BI报表分析的时候,大部分指标的运算逻辑都不是特别的复杂,很多用户对于指标最基本的需求,就是可以展示当月数据,看个同环比,能看个YTD就够了。

需求听上去并不是特别的复杂,但是这里面也是有一些小技巧的。

先来看看本期的案例数据:

案例数据就一张Sales的销售事实表,表结构也相对简单,将其导入到PowerBI中。

添加如下日期表,并建立模型关系。

Date =
GENERATE (
    CALENDAR ( MIN ( 'Sales'[DATE] ), MAX ( 'Sales'[DATE] ) ),
    VAR DA = [Date]
    VAR YEAR =
        YEAR ( DA )
    VAR QUARTER =
        "Q" & FORMAT ( DA, "Q" )
    VAR MONTE =
        FORMAT ( DA, "MM" )
    VAR DAY =
        DAY ( DA )
    RETURN
        ROW (
            "Year", YEAR,
            "Quarter", QUARTER,
            "Month", MONTE,
            "DayOfMonth", DAY,
            "YearQuarter", YEAR & QUARTER,
            "YearMonth", YEAR & MONTE
        )
)

添加如下基础度量值:

Quantity =
SUM ( Sales[Quantity] )

将其放入到表格中展示如下:

到这里,我们的准备工作完成。

那么有关同环比的计算有哪些方式呢?

思考一下
1
2
3
......

其实,主要方法就两种,一种是通过时间智能函数计算,另一种是通过Calculate+Filter+All的方式进行条件计算。

(注:快速度量值的方法这里就不赘述了。)

时间智能函数计算:

环比计算:

时间智能环比% =
VAR LastMonth =
    CALCULATE ( [Quantity], DATEADD ( 'Date'[Date], -1, MONTH ) )
VAR Result =
    DIVIDE ( [Quantity] - LastMonth, LastMonth )
RETURN
    Result

同比计算:

方法1:

时间智能同比one% =
VAR LastMonth =
    CALCULATE ( [Quantity], DATEADD ( 'Date'[Date], -1, YEAR ) )
VAR Result =
    DIVIDE ( [Quantity] - LastMonth, LastMonth )
RETURN
    Result

方法2:

时间智能同比two% =
VAR LastMonth =
    CALCULATE ( [Quantity], SAMEPERIODLASTYEAR ( 'Date'[Date] ) )
VAR Result =
    DIVIDE ( [Quantity] - LastMonth, LastMonth )
RETURN
    Result

结果如下:

从结果上看,时间智能函数的内部逻辑构造相对而言,较为简单,适用于初学者。

不过,这里白茶要特殊说明一下,如果在实际项目的开发中,白茶是不建议大家去使用时间智能类型的函数做指标计算的。

某些情况下,日期数据由于事实表中断,这时候使用时间智能函数做计算,结果上会有差异,而且不利于新手去排查这个问题所在。

特别是TotalYTD,TotalQTD,TotalMTD这三个函数,小伙伴们要慎用。

条件计算:

环比计算:

条件计算环比% =
VAR CurrentYear =
    SELECTEDVALUE ( 'Date'[Year] )
VAR CurrentMonth =
    SELECTEDVALUE ( 'Date'[Month] )
VAR YearNum =
    IF ( CurrentMonth = "01", CurrentYear - 1, CurrentYear )
VAR LastMonth =
    IF ( CurrentMonth = "01", "12", CurrentMonth - 1 )
VAR LastMonthNum =
    FORMAT ( YearNum * 100 + LastMonth, "" )
VAR LastMonthValue =
    CALCULATE (
        [Quantity],
        FILTER ( ALL ( 'Date' ), 'Date'[YearMonth] = LastMonthNum )
    )
VAR Result =
    DIVIDE ( [Quantity] - LastMonthValue, LastMonthValue )
RETURN
    Result

同比计算:

条件计算同比% = 
VAR CurrentYear =
    SELECTEDVALUE ( 'Date'[Year] )
VAR CurrentMonth =
    SELECTEDVALUE ( 'Date'[Month] )
VAR LastYear = CurrentYear - 1
VAR LastYearMonth =
    FORMAT ( LastYear * 100 + CurrentMonth, "" )
VAR LastYearMonthValue =
    CALCULATE (
        [Quantity],
        FILTER ( ALL ( 'Date' ), 'Date'[YearMonth] = LastYearMonth )
    )
VAR Result =
    DIVIDE ( [Quantity] - LastYearMonthValue, LastYearMonthValue )
RETURN
    Result

结果如下:

从结果上看,二者是一样的,但是从内部逻辑构造的角度,相对于时间智能函数要更为复杂。但是白茶想说的是,懂的都懂,遇到了就明白了这种写法的好处了。

TotalMTD、TotalQTD、TotalYTD也可以参照此逻辑去写。

当然,这种写法也是可以进行优化的,我们先对之前的日期表进行一下处理。

Date =
GENERATE (
    CALENDAR ( MIN ( 'Sales'[DATE] ), MAX ( 'Sales'[DATE] ) ),
    VAR DA = [Date]
    VAR YEAR =
        YEAR ( DA )
    VAR QUARTER =
        "Q" & FORMAT ( DA, "Q" )
    VAR MONTE =
        FORMAT ( DA, "MM" )
    VAR DAY =
        DAY ( DA )
    RETURN
        ROW (
            "Year", YEAR,
            "Quarter", QUARTER,
            "Month", MONTE,
            "DayOfMonth", DAY,
            "YearQuarter", YEAR & QUARTER,
            "YearMonth", YEAR & MONTE,
            "YearMonthCount",
                YEAR * 12 + MONTE   ----新增列
        )
)

白茶在此基础上,新增了一列,结果如下:

接下来,我们可以通过此列,进行同环比计算。

环比计算:

Count环比% = 
VAR CurrentCount =
    SELECTEDVALUE ( 'Date'[YearMonthCount] )
VAR LastMonthCount = CurrentCount - 1
VAR LastMonthValue =
    CALCULATE (
        [Quantity],
        FILTER ( ALL ( 'Date' ), 'Date'[YearMonthCount] = LastMonthCount )
    )
VAR Result =
    DIVIDE ( [Quantity] - LastMonthValue, LastMonthValue )
RETURN
    Result

同比计算:

Count同比% =
VAR CurrentCount =
    SELECTEDVALUE ( 'Date'[YearMonthCount] )
VAR LastYearMonthCount = CurrentCount - 12
VAR LastYearMonthValue =
    CALCULATE (
        [Quantity],
        FILTER ( ALL ( 'Date' ), 'Date'[YearMonthCount] = LastYearMonthCount )
    )
VAR Result =
    DIVIDE ( [Quantity] - LastYearMonthValue, LastYearMonthValue )
RETURN
    Result

结果如下:

Demo文件在知识星球。
这里是白茶,一个PowerBI的初学者。


©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 212,222评论 6 493
  • 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 90,455评论 3 385
  • 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 157,720评论 0 348
  • 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 56,568评论 1 284
  • 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 65,696评论 6 386
  • 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 49,879评论 1 290
  • 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 39,028评论 3 409
  • 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 37,773评论 0 268
  • 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 44,220评论 1 303
  • 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 36,550评论 2 327
  • 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 38,697评论 1 341
  • 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 34,360评论 4 332
  • 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 40,002评论 3 315
  • 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 30,782评论 0 21
  • 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 32,010评论 1 266
  • 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 46,433评论 2 360
  • 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 43,587评论 2 350

推荐阅读更多精彩内容