POWER PIVOT 进阶篇

标签：模型   rss   val   产品分类   交互   ssi   建议   col   销售额   

一、时间智能

1.1 日历表要求

• 向模型中指定一张日历表
• 包含至少一列是日期格式，且包含需要计算的日期
• 周、月份、年份可自由添加
• 日期列不能重复，但可以不连续，如果最小单位为月，可以只设置每月1号

标记为日期表

1.2常用时间计算指标

1.3常用时间智能函数

求同环比常与calculate搭配使用

二、链接回表

2.1 创建链接回表

2.2 Summarize

Summarize(表格，汇总列1，..."名称1",表达式1)

数据汇总功能，相当于生成一张透视表，就是SQL中的group by

SELECT  C1(汇总列1),C2(汇总列2),sum(C3)(表达式1) AS ‘N1‘(名称1),COUNT(C4)(表达式2）as ‘N2‘(名称2)

FROM T1(表格) 

2.3Generate

generate(T1,T2)

生成笛卡尔积表

三、高级DAX函数

3.1高级聚合函数

SUMX(Table,expression)

sumx(t1,单价*数量）：表格t1中求销售额（单价*数量），销售额=单价1*数量1+...+单价n*数量n

3.2常用筛选器函数

 FILTER(表,FilterExperssion) 

ALLEXCEPT(表,ColumnName1,...)

FILTER实现对行的筛选，ALLEXCEPT实现对列的筛选。

VALUSE(TabelNameOrColumnName)等于只按一列进行SUMMARIZE

TOPN(N Value,表,[OrderBy_Expression1],[Order1]...)。在表中选择前N项，按OrderBy_Expression排序，排序方式为Order(ASC,DESC)

SUMX经常与FILTER一起使用，能够实现无关系的数据获取(可能需要搭配RELATED使用)。

3.3earlier函数

 与SUMX,FILTER连用。可以创建一个辅助列。

四、计值与上下文

4.1筛选上下文与行上下文

上下文：context、语境、环境。

筛选上下文：行区域、列区域、筛选、切片器。

行上下文：增加辅助列：销售额 = 单价 * 数量。是一行一行计算的。

4.2使用filter、all进行上下文交互

当使用filter是，会将行上下文带入到透视中，也会受筛选上下文的控制。

当使用all时，将强制取消筛选上下文。

当使用calculate:当外部的上下文与内部上下文冲突时，以内部为准，强制替换外部的上下文。

 建议使用CALCULATE。

4.2使用CALCULATE进行上下文转换（占比）

主要函数：CALCULATE、FILTER、ALL。

 占比：占比:=DIVIDE(SUM([金额]),CALCULATE(SUM([金额]),ALL(‘产品分类‘[产品分类])))

也可以写成

 占比：占比:=DIVIDE(SUM([金额]),CALCULATE(SUM([金额]),ALL(‘产品分类‘)))

五、多对多关系

 首先要建立联系。

USERELATIONSHIP(ColumnName1,ColumnName2)

ColumnName1一般为多段，ColumnName2一般为为一端。

六、常用分析

6.1、占比分析

主要是82分析和721分析。

用到的函数SUMX、FILTER、EARILIER、DIVIDE、SUM、IF

思路：

1. 将占比列进行累加，并求出累计占比；
2. 用IF函数判断判断占比所属的范围。

6.2、占比分析

 用到的函数IF、HASONEVALUE、VALUSE。

思路：

1. 创建链接表，添加到模型，方便更改汇率。
2. 书写函数。 

 6.3分组分析，可以看成是占比分析的模糊版

用到的函数VALUS、CALCULATE、FILTER、

思路：

1. 将占比列进行累加，并求出累计占比；
2. 用IF函数判断判断占比所属的范围。

 6.4排名分析

将排名列进行排名，然后进行分析。

用到的函数:ALLSELECT、RANKX、HASONEVALUES(去除汇总列排名)

思路：

1. 用RANKX进行排名

 6.5排名分析进阶

 6.4排名分析

将排名列进行排名，然后进行分析。

用到的函数:ALLSELECT、RANKX、HASONEVALUES(去除汇总列排名)

思路：

1. 用RANKX进行排名

POWER PIVOT 进阶篇

标签：模型   rss   val   产品分类   交互   ssi   建议   col   销售额   

原文地址：https://www.cnblogs.com/qianslup/p/11334745.html