LuckyTemplates-tips: Hvordan sammenligne første N virkedager

For dette innlegget vil jeg gjerne snakke om et nylig LuckyTemplates-tips som jeg kom opp med for et medlem av . Spørsmålet handlet om et nyttig mønster når det gjelder å se på de første N virkedagene eller de første N fakturerbare dagene i en gitt måned kontra samme periode i forrige måned. Du kan se hele videoen av denne opplæringen nederst på denne bloggen.

TJ Henneman ønsket å sammenligne de første 5 fakturerbare dagene i gjeldende måned med de første 5 fakturerbare dagene i forrige måned, og deretter på dag 10, dag 15 og dag 20. Merk at han bare ønsker å se på de fakturerbare dagene, så dette inkluderer ikke helger og helligdager. Du kan sjekke innlegget hans.

Jeg tror det er en veldig interessant løsning for kraftspørring her. Jeg jobbet også med en interessant DAX-løsning på dette problemet. Jeg vil gå over sistnevnte i en annen opplæring.

Jeg vil også lede deg gjennom en jeg brukte for LuckyTemplates Challenge #16. Jeg brukte en rulleindikator som vil fungere veldig bra for dette spesielle problemet.

Men for dette LuckyTemplates-tipset, vil jeg berøre strømspørringsløsningen. La oss hoppe inn i LuckyTemplates og ta en titt på dataene våre. For denne simulerte jeg dataene ved å bruke øvelsesdatasettet som vi satt sammen på LuckyTemplates, som du kan bruke gratis. Dette er flott for å sette sammen et grunnleggende stjerneskjemadatasett og for å teste ut løsninger.

Innholdsfortegnelse

• Vår datamodell
• Opprette en duplikattabell
• Slå sammen datotabellen
• Opprette en egendefinert kolonne
• Opprette en hva-hvis-parameter
• Opprette et mål for antall virkedager
• Konklusjon

Vår datamodell

Datamodellen vår bruker vår utvidede datotabell pluss en serie dimensjonstabeller. Vi har også en salgstabell med tre år med delvise data det første året, fullstendige data i det andre året og delvise data i det tredje året. Til slutt har vi også en.

Jeg har også endret litt på dette datasettet. Jeg hentet inn en ferietabell og koblet den til tabellen for utvidet dato slik at den kan beregne helligdagene vi skal fjerne i denne analysen. Hvis du ikke er sikker på hvordan du gjør dette, sjekk ut denne opplæringen .

Deretter filtrerte jeg ut den første delmåneden i datasettet fordi den måneden bare hadde noen få dager med data og ikke hadde de virkedagene vi trenger. Vær oppmerksom på at vi starter med den første hele måneden; men bortsett fra det, vil dette være ditt standard datasett. Så la oss hoppe innog begynn å jobbe med dette LuckyTemplates-tipset.

Hvis vi tar en titt på dataene våre, kan du se at vi har forskjellige bestillinger på en bestemt dag. Målet er å nummerere alt som starter med 1. april som vår første virkedag, 2. april som vår andre virkedag, 3. april som vår tredje virkedag, og så videre. Vi nummererer dette fra 1 til N virkedager for hver måned mens vi tar ut helger og helligdager.

Opprette en duplikattabell

For å starte ting, må vi lage et duplikat av denne tabellen slik at vi kan aggregere til Totalt salg og bringe den inn på det individuelle observasjonsnivået. Vi kommer til å kalle denne duplikattabellen Sales Aggregated .

Du har kanskje lagt merke til at vi dupliserte salgstabellen i stedet for bare å referere til den. I dette tilfellet skal vi slå sammen denne tabellen med den originale salgstabellen. Hvis vi refererer til det, vil det skape problemer når vi slår oss sammen.

Det første du må gjøre er å bruke en gruppe etter i kolonnen OrderDate . Klikk på Avansert-knappen fordi det vil gi oss et fullstendig bilde av hva vi gjør her. Vi vil sette Totalt Dagsalg som vårt nye kolonnenavn, og det vil være summen av linjetotalen vår.

Nå har vi hver dato (første kolonne) og totalt salg for den dagen (andre kolonne).

Slå sammen datotabellen

Det neste trinnet i dette LuckyTemplates-tipset er å slå dette sammen med datotabellen vår for å finne ut hvilke av disse dagene som er virkedager og hvilke av dem som ikke er det. Vi kan gruppere etter igjen, dele dem ut og nummerere dem på riktig måte.

Vi vil slå sammen datotabellen vår og koble ordredatoen til datoen . Vi kan se i den nederste delen at utvalget samsvarer med hver rad i tabellen, som det skal.

Feltet vi først og fremst er interessert i er IsBusinessDay .

Dette er det primære feltet vi grupperer på, og bruker deretter feltene Måned og år og MånedÅr .

Vi må også sjekke DayofWeekName for å være sikker på at vi filtrerer ut de riktige dagene.

Når vi klikker på OK-knappen , vil den gi oss akkurat det vi trenger.

Vi må også sørge for at vår bestillingsdato er sortert i stigende rekkefølge.

Så går vi tilbake og oppretter en andre gruppe etter .

Denne gangen klikker vi på Avansert-knappen , grupperer på Måned og år og legger til en ny gruppering.

Den andre grupperingen er for IsBusinessDay , slik at vi kan nummerere de der virkedager er sanne.

Deretter oppretter vi en AllRows-funksjon slik at den ikke samler seg, og vi vil kunne gå tilbake til det opprinnelige granularitetsnivået.

Dette bør gi oss nestede tabeller der vi kan se en tabell for sann og en tabell for usann for hver måned.

Opprette en egendefinert kolonne

Deretter må vi opprette en egendefinert kolonne for å legge til antallet vi trenger for virkedagene.

Vi kommer til å bruke en funksjon kalt Table.AddIndexColumn , som vil operere på AllRows-tabellen , og vi kaller den Day Index . Vi vil at indeksen skal starte med 1, og øke med 1 for hver nye virkedag.

Deretter kan vi fjerne de tre første kolonnene, og utvide vår fjerde egendefinerte kolonne.

Hvis vi ser på resultatet, gir det oss dagindeksen, som teller virkedagene (true), og deretter teller dagene som er helger og helligdager i hver måned (false). Deretter må vi sjekke at disse er i riktig felttype.

La oss gå tilbake til salgstabellen vår. Vi slår sammen aggregattabellen som vi nettopp opprettet med salgstabellen vår.

Vi slår dem sammen på bestillingsdatoen . Du kan se nederst at det samsvarer med alle radene fra den første tabellen.

Når vi utvider Sales Agg-kolonnen, velger du de nye feltene som vi nettopp har lagt til: kolonnene Måned og år , DayOfWeekName , MonthnYear , IsBusinessDay og DayIndex .

La oss også rydde opp i dataene våre før vi klikker på Lukk og bruk . La oss flytte Sales Agg-tabellen i vår Data Prep-seksjon , og deretter laste ned den tabellen siden vi ikke kommer til å trenge den i datamodellen. Klikk deretter på Lukk og bruk .

Forberedelsesarbeidet vårt for strømspørring er nå ferdig.

Opprette en hva-hvis-parameter

Husk at i den opprinnelige oppgaven ønsker vi å variere antall dager vi ser på fra 5 til 10 og 15 til 20. Jeg tror den beste måten å gjøre dette på er med en ny hva-hvis- parameter .

Vi kaller hva-hvis-parameteren First N Business Days og datatypen vil være et heltall. Minimum er satt til en økning på 1 og maksimalt 20. Da vil vi som standard settes til 5, som er den første verdien brukeren ønsket.

Vi har nå en slicer som automatisk lager slaktemålet for å fange opp slicer-verdien.

La oss lage en tabell med resultatene våre. La oss legge inn Måned og år -dimensjonen vår i lerretet og sortere den etter Måned og år .

Når vi har sortert dette feltet på riktig måte, kan vi bare droppe Total Sales- målet og utvide det.

Opprette et mål for antall virkedager

Vi må lage et mål til som tar en titt på verdien av glidebryteren og kun beregner for antall virkedager.

Vi kaller dette nye målet Totalt salg N bussdager . Vi starter med funksjonen siden vi definitivt endrer kontekst, og med vårt mål for totalt salg. Vi skal filtrere dette med salgstabellen vår.

Neste trinn er å skrive forholdene som vi ønsker å ta hensyn til for glidebryteren. Vi har vår salgsdagindeks som vi opprettet i Power Query, og vi vil at denne skal være mindre enn eller lik verdien for First N Business Days, som er høstingsverdien til sliceren.

For eksempel, hvis glidebryteren er på 5, vil vi ha alle dagene i salgstabellen der dagindeksen er mindre enn eller lik 5.

Og så ønsker vi å ta ut de ikke-arbeidsdager. Vi refererer til Dato-tabellen og bruker IsBusinessDay-feltet. Vi skal bare se på resultatet som er SANN.

Til slutt, bring konteksten tilbake for måned og år og avslutt tiltaket. Vi bør være gode til å gå på dette punktet.

La oss slippe det nye målet inn i tabellen vår.

Vi kan ta glidebryteren til 10-dagersmerket, og tabellen vil dynamisk beregne ved 10-dagersmerket.

Konklusjon

I dette LuckyTemplates-tipset snakket vi om hvordan du gjør en like-for-like-sammenligning dynamisk ved å bruke en Power Query-løsning. Vi kan sette dette inn i et stolpediagram eller et linjediagram.

I noen av våre kommende opplæringsprogrammer tar vi en titt på DAX-løsningen og implementerer visualiseringen av KPI-rulleren.

Hvis du likte innholdet som dekkes i denne spesielle opplæringen, ikke glem å abonnere på LuckyTemplates TV- kanal.