Tidssammenligninger i LuckyTemplates: Dette år vs sidste år

Jeg vil gennemgå, hvordan du nemt kan lave tidssammenligninger i LuckyTemplates og specifikt beregne dette år kontra sidste år. Jeg vil vise dig et par teknikker, som du kan bruge til tidssammenligninger som denne. Du kan se den fulde video af denne tutorial nederst på denne blog.

Dette er nogle af de nemmeste ting, du kan gøre i LuckyTemplates. De er også nogle af de første eksempler, som du bør arbejde igennem, mens du lærer at betjene DAX effektivt, især på LuckyTemplates-skrivebordet.

Lad os først lige lave en hurtig opsummering af, hvordan du skal opsætte dine modeller.

Dette er vandfaldsteknikken, som jeg taler meget om. Andre kalder det et snefnug, men jeg kan godt lide dette koncept med vandfaldet og dets filtre, der flyder ned.

Din datotabel er absolut nøglen her. Du ønsker ikke at lave tidsintelligence-tidssammenligninger eller tidssammenligninger uden en Datotabel. Du skal have en god Datotabel. Hvis du vil lære, hvordan du opsætter en virkelig effektivt og hurtigt, så tjek helt sikkert en masse LuckyTemplates- indhold omkring Dato-tabeller .

Indholdsfortegnelse

• Tidssammenligninger ved hjælp af SAMEPERIODLASTYEAR
• Brug af måleforgreningsteknik
• Tidssammenligninger ved hjælp af DATEADD
• Konklusion

Tidssammenligninger ved hjælp af SAMEPERIODLASTYEAR

Til at begynde med går jeg til en tabel her, så vi kan gennemgå tallene, og jeg har også valgt min slicer i 2016 her.

I stedet for salg vil jeg oprette et andet kernemål, som er Total Quantity . Jeg vil opsummere mængdekolonnen, som er i min salgstabel.

Jeg tænker bare på dette som et kernemål, og så kan jeg forgrene mig til alle disse andre beregninger, såsom tidsintelligens, glidende gennemsnit, dynamisk gruppering og andre forskellige mønstre eller formelkombinationer. Det er bare at genbruge mønstrene igen og igen.

Jeg vil trække mit mål for samlet mængde ind i tabellen, så vi kan se resultaterne. Nu hvor jeg har dette, kan jeg hurtigt beregne mit sidste års mængde.

Jeg tager et nyt mål, og jeg vil kalde denne mængde LY (sidste år). Det er her jeg kan bruge en funktion kaldet. Dette er den vigtigste funktion i DAX-formelsproget. Det giver dig mulighed for at ændre konteksten for en beregning. I denne foranstaltning ønsker jeg stadig at beregne den samlede mængde, men jeg vil gøre det i en tidligere tidsramme.

I dette første eksempel vil jeg vise dig denne simple funktion kaldet. Den gør præcis, hvad den siger. Det returnerer et sæt datoer og det aktuelle valg fra det foregående år.

Så dybest set ved at sætte dette inde i CALCULATE, er jeg i stand til at bringe min mængde fra en tidsramme til en anden tidsramme. Og funktionen SAMEPERIODLASTYEAR giver mig mulighed for at gøre det præcis med et års forskel. Jeg vil vise dig en bedre kombination at bruge, men jeg har lige vist dig denne, fordi jeg ikke vil have, at du bliver for forvirret.

Nu trækker jeg mængde LY, og du ser, at vi grundlæggende sammenligner den solgte mængde i år den 1. januar 2016 med, hvad jeg solgte sidste år, den 1. januar 2015.

Så hvis jeg klikker på 2015 på sliceren, vil du se, at dette første tal burde være 115. Og derfra kan vi nu køre tidssammenligninger.

Brug af måleforgreningsteknik

Vi kan faktisk regne ud forskellen i år i forhold til sidste år. Og så ud fra det kan jeg sige Mængdeforskel YoY (forskel år for år). Og så skal jeg bare trække mængde LY fra Total mængde . Jeg kan bare henvise til mine mål inden for en foranstaltning. Dette kaldes måle forgrening.

Og nu, når jeg trækker dette mål ind, kan du se, at denne beregning er blevet dynamisk genereret ud fra disse to mål, Total Quantity og Quantity LY. Der er intet hårdkodet, for når jeg klikker på 2017, vil jeg se forskellen. Der blev ikke gjort noget i 2014.

Så i dette datasæt, som er et generisk gammelt datasæt, kan jeg se forskellen. Og det kan vi ret nemt lave om til en visualisering – nu kan jeg få mængdeforskellen på daglig basis .

Vi vil måske filtrere dette lidt mere ned. Måske laver vi en anden udsnitsmaskine her, der gør det muligt for os at vælge en bestemt måned, så vi kan se på månedsbasis.

Og husk, du kan også ændre konteksten herinde. Hvis jeg ikke ville vælge noget der, kan jeg faktisk meget nemt se den månedlige forskel uden at skulle ændre nogen af ​​mine beregninger.

Tidssammenligninger ved hjælp af DATEADD

Så nu har jeg vist dig, hvordan du bruger SAMEPERIODLASTYEAR-funktionen. Der er også en funktion kaldet, hvilket giver dig mulighed for også at gøre dette. Jeg foretrækker DATEADD, fordi det er mere alsidigt.

Og for dette vil jeg springe hurtigt til analytikeremnet. Såer LuckyTemplates' webbaserede applikation, der understøtter din LuckyTemplates-udvikling. Indeni er der en række forskellige apps, og jeg har allerede indlejret mit DATEADD-formelmønster her.

I stedet for at jeg skriver det ud, vil jeg bare komme herind, søge efter min formel (salg sidste år) og så kopiere den.

Så vil jeg bringe det ind i min model, tage nyt mål og oprette et andet navn, da vi ikke kan bruge det samme. Jeg vil kalde denne mængde sidste år . Alt jeg skal gøre er at ændre parametrene her. I stedet for Samlet salg vil jeg placere Samlet antal .

Og så har jeg bare sådan denne nye Mængde Sidste År-beregning, som stort set kommer til at returnere nøjagtigt det samme tal.

Det kommer til at returnere nøjagtigt det samme tal her, der er bogstaveligt talt ingen forskel mellem denne beregning her og SAMEPERIODLASTYEAR-funktionen. Men fordelen ved at bruge DATEADD er alsidigheden.

Konklusion

I denne blog tutorial viste jeg dig et par måder at beregne dette år i forhold til sidste år. Du kan bruge SAMEPERIODLASTYEAR, men jeg anbefaler stærkt DATEADD-funktionen til tidssammenligninger. Vi har meget indhold om denne funktion på LuckyTemplates, så tjek dem bestemt ud.

Jeg anbefaler også, at du bruger Analyst Hub. Du kan gemme alle dine mønstre der og bringe dem ind i din model.

Begynd at bruge disse teknikker, inklusive vandfaldsmodellen, der er opsat. Dette er de første ting, du bør udforske i LuckyTemplates fra et beregningssynspunkt.

Når du først har lært, hvordan du gør dette, kan du hurtigt lave interessante analyser, især med alle de ekstra filtre, som du kan placere på dine data, når du bygger en optimeret datamodel i baggrunden.

Held og lykke med denne. Alt det bedste!