按周进行数据分析,在零售业、电商等类型的公司中很常见,但是不少人觉得按周进行分析无从下手,一个主要的原因是找不到对应的函数,因为时间智能函数只对应年、季、月、天这几个粒度,没有关于周的时间智能函数。

没有相应的函数当然也能搞定,本文就介绍几种常见的周分析的思路,掌握后就可以灵活地进行各种时间分析。


进行周分析之前,我们首先应该构造含有周序列的日期表。

创建日期表

在日期表中,应该包含每个日期是周几,以及属于一年中的第几周的数据,这里直接用DAX生成一个日期表,

日期表 =
ADDCOLUMNS(
ADDCOLUMNS (
CALENDAR (DATE(2016,1,1), DATE(2017,12,31)),
"年度", YEAR ( [Date] ),
"季度", "Q" & FORMAT ( [Date], "Q" ),
"月份", FORMAT ( [Date], "MM" ),
"日",FORMAT ( [Date], "DD" ),
"年度季度", FORMAT ( [Date], "YYYY" ) & "Q" & FORMAT ( [Date], "Q" ),
"年度月份", FORMAT ( [Date], "YYYY/MM" ),
"周几", WEEKDAY ( [Date],2 ),
"周数",WEEKNUM([Date],2)
),
"年度周数",[年度]*100+[周数]
)

其中主要是两个有关周的函数,WEEKDAY和WEEKNUM。

WEEKDAY返回当前日期是星期几,其中第二个参数可以控制每周是从哪一天开始的,

  • 参数为1时:周日为第一天,编号为1到7.
  • 参数为2时:周一为第一天,编号为1到7.
  • 参数为3时:周日为第一天,编号为0到6.

WEEKNUM返回当前日期属于当年的第几周,其中第二个参数可以控制每周的第一天是周日还是周一,

  • 参数为1时:周日为第一天
  • 参数为2时:周一为第一天

每个单位进行周分析的习惯或者考核周期不一样,就可以通过这两个函数的参数,来调整周开始的时间。

这里我们使用国内常用的周一作为第一天。

并且为了使每年的周数具有唯一性,添加了年度周数的字段。有了这个日期表,进行各种周分析就很方便了。

上周同期

上周同期,就是上周的今天,比如今天是星期三,上周同期就是计算上个星期三的数据,其实就是向过去移动7天,那么度量值可以这样写:

上周同期 销售额 =
CALCULATE(
[销售金额],
DATEADD('日期表'[日期],-7,DAY)
)

本周至今

时间智能函数中有本年至今YTD、本季至今QTD和本月至今MTD,但没有本周至今(可以称为WTD),那么我们自己来构造一个WTD,实际就是周数相同的,小于等于当天的这几日的数据;

本周至今WTD =
VAR curyearweek=SELECTEDVALUE('日期表'[年度周数])
RETURN
CALCULATE(
[销售金额],
FILTER(
ALL('日期表'),
'日期表'[年度周数]=curyearweek
&&'日期表'[日期]<=MAX('日期表'[日期])
)
)

周环比

计算周环比,实际上就是本周数据和上周数据的对比,只要计算出上周累计的数据,周环比也就可以简单的计算出来了。

上周累计 =
VAR curyear= SELECTEDVALUE('日期表'[年度])
VAR curweeknum=SELECTEDVALUE('日期表'[周数])
RETURN
CALCULATE(
[销售金额],
FILTER(
ALL('日期表'),
'日期表'[年度]=curyear
&&'日期表'[周数]=curweeknum-1
)
)

周环比 = DIVIDE([销售金额],[上周累计])-1

你可能注意到了,第一周的数据比较异常,主要是由于第一周没有上期数据,并且第一周的天数很可能不完整,所以数据会比较异常。关于这个问题并没有统一的解决方式,主要是根据自己公司的业务分析习惯,或者管理与考核的要求,进行具体的微调。

通过以上几种常见的周分析思路,你应该感觉到对周进行分析并不难,熟练运用VAR和CALCULATE+FILTER+ALL函数组合,灵活筛选时间段,不仅是对周,对各种不规则的时间序列都可以进行灵活分析,当然,最重要的是,先构建一个满足分析需要的日期表。

数据可视化之powerBI技巧(九)PowerBI按周进行业务分析的思路的更多相关文章

  1. 数据可视化基础专题(九):Matplotlib 基础(一)坐标相关

    1.前言 图表要素如下图所示 # sphinx_gallery_thumbnail_number = 3 import matplotlib.pyplot as plt import numpy as ...

  2. 数据可视化之PowerQuery篇(十四)产品关联度分析

    https://zhuanlan.zhihu.com/p/64510355 逛超市的时候,面对货架上琳琅满目的商品,你会觉得这些商品的摆放,或者不同品类的货架分布是随机排列的吗,当然不是. 应该都听说 ...

  3. 数据分析 | 数据可视化图表,BI工具构建逻辑

    本文源码:GitHub·点这里 || GitEE·点这里 一.数据可视化 1.基础概念 数据可视化,是关于数据视觉表现形式的科学技术研究.其中,这种数据的视觉表现形式被定义为,一种以某种概要形式抽取出 ...

  4. 数据可视化之powerBI技巧(十九)DAX作图技巧:使用度量值动态分组和配色

    有了前两篇关于分组的铺垫,这篇文章就来学习一个分组的经典应用,图表的动态分组,并对分组动态配色. 假设有十几个产品,每个产品的销售额,是随着时间而变化的,想知道某个时间的每一个产品的销售额与平均销售额 ...

  5. 数据可视化之powerBI技巧(二)Power BI性能分析器,原来还有这个功能

    ​性能分析器是Power BI前几个月推出的功能,主要用于检测视觉对象和DAX的性能如何,该功能的使用比较简单,首先勾选这个功能, 然后点击开始记录并刷新视觉对象,就可以看出每个元素耗费的时间,如下图 ...

  6. 数据可视化之powerBI技巧(六)在PowerBI中简单的操作,实现复杂的预测分析

    时间序列预测就是利用过去一段时间内的数据来预测未来一段时间内该数据的走势,比如根据过去5年的销售数据进行来年的收入增长预测,根据上个季度的股票走势推测未来一周的股价变化等等. 对于大部分人来说,这是个 ...

  7. 数据可视化之powerBI技巧(十五)采悟:Power BI动态技巧:动态显示数据层级

    今天给大家分享一个动态显示数据层级的技巧,效果如下: 无论想按什么维度.什么顺序查看分析数据,只需要选择不同的切片器组合就行了. 方法如下:01 | 把数据聚合为分析需要的最细粒度 本文假设最细分析粒 ...

  8. 数据可视化之powerBI基础(八)PowerBI的表格,你真的会用吗

    https://zhuanlan.zhihu.com/p/64413000 在PowerBI的可视化对象中,还有两个「表格」对象,表格的作用不仅可以在报表提供明细数据,还经常用来测试度量值的返回结果, ...

  9. 数据可视化之powerBI入门(四)Power BI与PowerQuery、PowerPivot有什么关系

    https://zhuanlan.zhihu.com/p/64146209 Power BI与PowerQuery.PowerPivot有什么关系? 刚开始学习PowerBI的时候,总是能碰到Powe ...

随机推荐

  1. OSI模型各层详解

    1. OSI概述 1.1 模拟器说明 1.1.1 模拟器的作用 搭建实验环境进行测试. 1.1.2 模拟器的类型 PT:一般是学校中使用,命令不完整,且不能抓包 GNS3:思科(CCNA,CCNP), ...

  2. LAMP建站简介

    1. LAMP概述 1.1 为什么是LAMP LAMP无非就是Linux+Apache+MySQL+PHP的网站架构体系而已.而之所以叫LAMP,就是取了这几个单词的首字母罢了,但这里的P可以指PHP ...

  3. RANK()的对比(SQL, Minitab, Excel)

    RANK()的对比(SQL, Minitab, Excel)也不是想来做什么对比的,只是顺便写此文,想学习一下Minitab的应用以便用它分析解决实际的问题. 回顾 May 23文章“开窗函数_ROW ...

  4. CentOS7.5搭建Hadoop2.7.6完全分布式集群

    一 完全分布式集群搭建 Hadoop官方地址:http://hadoop.apache.org/ 1  准备3台客户机 1.2 关闭防火墙,设置静态IP,主机名 关闭防火墙,设置静态IP,主机名此处略 ...

  5. ida 调试android之路

    系统: Mac OSX 调试环境:IDA7.0,  adb 手机环境:红米手机 android 4.4.4 前提条件: 红米手机root之路:https://www.cnblogs.com/dzqdz ...

  6. 国外一教授坦言,用这方法能迅速成为python程序员,但都不愿意说_编程小十

    越来越多的人学习python,但你学习python用了多长的时间?#Python# 你知道如何才能迅速掌握并成为python程序员吗?   有这样的一位国外的教授说,要迅速成为python程序员,几乎 ...

  7. 认证授权方案之JwtBearer认证

    1.前言 回顾:认证方案之初步认识JWT 在现代Web应用程序中,即分为前端与后端两大部分.当前前后端的趋势日益剧增,前端设备(手机.平板.电脑.及其他设备)层出不穷.因此,为了方便满足前端设备与后端 ...

  8. 分享2个近期遇到的MySQL数据库的BUG案例

    近一个月处理历史数据问题时,居然连续遇到了2个MySQL BUG,分享给大家一下,也欢迎指正是否有问题. BUG1: 数据库版本:  MySQL5.7.25 - 28 操作系统: Centos 7.7 ...

  9. springcloud2.0 添加配置中心遇到的坑

    新手入门,在springcloud 配置config的时候遇到了几个比较烦的坑 先说1.5x版本的一些配置吧 首先是端点暴露的方式 management: security: enabled: fal ...

  10. Git的常用命令记录

    Git的常用命令记录 1.与远程仓库建立连接,即关联一个远程库 git remote add origin git@server-name:path/repo-name.git; 2.查看当前分支  ...