Flyttande medelvärde. Detta exempel lär dig hur man beräknar det glidande medlet av en tidsserie i Excel. Ett glidande medel används för att släpa ut oregelbundenheter toppar och dalar för att enkelt kunna känna igen trenderna. 1 Först, låt oss ta en titt på vår tidsserie.2 På Datafliken klickar du på Data Analysis. Note kan inte hitta knappen Data Analysis Klicka här för att ladda till verktyget Add-in Analysis ToolPak.3 Välj Flytta genomsnitt och klicka på OK.4 Klicka på rutan Inmatningsområde och välj intervallet B2 M2. 5 Klicka i rutan Intervall och skriv 6.6 Klicka i rutan Utmatningsområde och välj cell B3.8 Skriv ett diagram över dessa värden. Planering eftersom vi anger intervallet till 6 är det rörliga genomsnittet genomsnittet för de föregående 5 datapunkterna och Den aktuella datapunkten Som ett resultat utjämnas toppar och dalar Grafen visar en ökande trend Excel kan inte beräkna det glidande medlet för de första 5 datapunkterna eftersom det inte finns tillräckligt med tidigare datapunkter.9 Upprepa steg 2 till 8 för intervall 2 Och intervall 4.Konklusion Den la Rger intervallet desto mer topparna och dalarna utjämnas Ju mindre intervallet desto närmare de rörliga medelvärdena ligger till de faktiska datapunkterna. Att tolka 12 månader i DAXputing det rullande 12-månadersmedlet i DAX ser ut som en enkel uppgift, Men det döljer lite komplexitet Den här artikeln förklarar hur man skriver den bästa formeln och undviker vanliga fallgropar med hjälp av tidsintelligensfunktioner. Vi börjar med den vanliga datormodellen AdventureWorks med produkt-, försäljnings - och kalendertabellen. Kalenderen har markerats som ett kalenderbord som är nödvändigt Att arbeta med vilken som helst intelligensfunktion och vi byggde en enkel hierarki årsmånadersdatum. Med den här inrättningen är det väldigt lätt att skapa en första PivotTable som visar försäljning över tiden. När vi gör trendanalys, om försäljningen är utsatt för säsongsmässiga eller, mer allmänt, om du vill ta bort effekten av toppar och droppar i försäljningen, är en vanlig teknik att beräkna värdet under en viss period, vanligtvis 12 månader och i genomsnitt. Det rullande genomsnittet över 12 månader ger en jämn indikator på trenden och det är mycket användbart i diagrammen. Given ett datum, vi kan beräkna 12-månaders rullande medelvärde med denna formel, som fortfarande har några problem som vi kommer att lösa senare. Formeln är enkel det beräknar värdet av Försäljningen efter att ha skapat ett filter i kalendern som visar exakt ett helt år av data Kärnan i formeln är DATESBETWEEN, som returnerar en inkluderande uppsättning datum mellan de två gränserna. Den nedre är. Reading Det från det innersta om vi visar data i en månad, säg juli 2007 tar vi det sista synliga datumet med LASTDATE, som returnerar den sista dagen i juli 2007. Sedan använder vi NÄSTA DAG för att ta 1 augusti 2007 och vi använder slutligen SAMEPERIODLASTYEAR Att flytta tillbaka det ett år, vilket ger 1 augusti 2006 Övre gränsen är helt enkelt LASTDATE, dvs slutet av juli 2007. Om vi använder denna formel i en PivotTable ser resultatet ut bra, men vi har ett problem för den sista datumen. Faktum, som du kan se i figuren är värdet korrekt beräknat till 2008 Då finns det inget värde 2009 som är korrekt, vi har inte försäljning 2009 men det finns ett överraskande värde i december 2010 där vår formel visar totalvärdet istället för ett tomt Värde som vi förväntar oss. I december återkommer LASTDATE sista dagen på året och NÄSTDAG ska återkomma den 1 januari 2011 men nästa dag är en tidsinlysningsfunktion och det förväntas returnera uppsättningar av befintliga datum. Detta faktum är inte mycket uppenbart och det är värt några ord more. Time Intelligence funktioner utför inte matte på datum Om du vill ta dagen efter ett visst datum kan du helt enkelt lägga till 1 till en datumkolumn och resultatet blir nästa dag Istället fungerar tidsintelligens skiftuppsättningar datum fram och tillbaka över tiden Således tar NEXTDAY in i vårt fall ett enda radbord med 31 december 2010 och skiftar det en dag senare Problemet är att resultatet ska vara 1: a Januari 2011, men eftersom Kalendertabellen innehåller inte det datumet, resultatet är BLANK. Thus, vårt uttryck beräknar Försäljningen med en tom nedre gräns, vilket betyder början av tiden, vilket resulterar i att totalomsättningen av försäljningen För att korrigera formeln är det tillräckligt att byta utvärderingsordern i den nedre gränsen. Som ni kan se, kallas nu NÄSTE DAG efter övergången på ett år tillbaka. På så sätt tar vi 31 december 2010, flyttar den till 31 december 2009 och tar nästa dag, vilket är 1 januari 2010 ett befintligt datum i kalenderbordet. Resultatet är nu den förväntade. Vid denna punkt behöver vi bara dividera det antalet med 12 för att få det rullande genomsnittet. Men som du lätt kan föreställa oss kan vi inte alltid dela det med 12 I själva verket är det i början av perioden inte 12 månader att samla men ett lägre antal. Vi behöver beräkna antalet månader för vilka det finns försäljning. Detta kan åstadkommas med hjälp av korsfiltrering av kalenderbordet med försäljningsbord efter att vi tillämpat de nya 12 m onths context Vi definierar en ny åtgärd som beräknar antalet befintliga månader under 12 månadersperioden. Du kan se i nästa bild att Months12M-mätningen beräknar ett korrekt värde. Det är värt att notera att formeln inte fungerar om du väljer en period längre än 12 månader, eftersom kalendermånadnamnet bara har 12 värden Om du behöver längre perioder måste du använda en YYYYMM-kolumn för att kunna räkna mer än 12. Den intressanta delen av denna formel som använder tvärfiltrering är faktum att det beräknar antalet tillgängliga månader, även när du filtrerar med andra attribut Om du till exempel väljer den blå färgen med en skivare börjar försäljningen i juli 2007 inte 2005, vilket händer för många andra färger med korset filtrera på Försäljning beräknar formeln korrekt att i juli 2007 finns det en enda månad tillgänglig försäljning för Blue. At denna punkt är det rullande genomsnittet bara en DIVIDE away. When vi använder det i ett pivottabell, har vi fortfarande en liten Faktiskt utfärda värdet beräknas också i månader för vilka det inte finns några försäljningar dvs framtida månader. Detta kan lösas med hjälp av ett IF-uttalande för att förhindra att formuläret visar värden när det inte finns någon försäljning jag inte har något emot IF men för prestationsmissbrukarna bland det är alltid värt att komma ihåg att IF kan vara en prestationsdödare, eftersom det kan tvinga DAX-formelmotorn att sparka in. I detta specifika fall är skillnaden försumbar, men i regel är det bästa sättet att ta bort värdet när det finns ingen försäljning är att förlita sig på rena lagringsmotorformler som att härleda ett diagram med hjälp av Avg12M med en annan som visar Försäljning du enkelt kan uppskatta hur det rullande genomsnittet skisserar trender på ett mycket renare sätt. Håll mig informerad om kommande artiklar nyhetsbrev Avmarkera att ladda ner filen fritt. När du beräknar ett löpande rörligt medelvärde, är det genomsnittligt att placera medelvärdet under mellantid. I föregående exempel beräknade vi genomsnittet av de första 3 tidsperioderna och p laced det bredvid period 3 Vi kunde ha placerat medelvärdet mitt i tidsintervallen av tre perioder, det vill säga intill period 2 Det fungerar bra med udda tidsperioder men inte så bra för jämna tidsperioder Så var skulle vi Placera det första glidande medlet när M 4. Tekniskt sett kommer det rörliga genomsnittet att falla vid t 2 5, 3 5. För att undvika detta problem släpper vi MAs med M 2 Således släpper vi ut de jämnda värdena. Om vi i genomsnitt är ett jämnt antal Termer, vi behöver släta de släta värdena. Följande tabell visar resultaten med M 4.
No comments:
Post a Comment