Fórmula média móvel de 12 meses

HOw para calcular 12 meses de rolamento médio Você pode precisar de um par de passos para fazer isso. Passo 1: Contar o número de dias para cada mês Contagem (Data) ForAll (Data) ForEach (Mês) Etapa 2: Calcular total Valor de teste para cada mês (Mês) Passo 4: Calcule o número total de dias dos últimos 12 meses Contagem (data) Para cada mês (cada mês tem 1 valor, ou seja, 1 de janeiro, 2 de fevereiro e assim por diante) Onde (RunningCount (Data) ForAll (Data) ForEach (Mês) gt (Máximo (RunningCount (Data) ForAll (Data) ForEach (Mês)) Em 12) Etapa 5: Calcule o total de Test Value durante os últimos 12 meses Valor de teste de soma Onde (RunningCount (Data) ForAll (Data) ForEach (Mês) gt (Máximo (RunningCount (Data) ForAll (Data) ForEach (mês)) No bloco -1)) Etapa 6: Pode criar novas variáveis ​​para cada etapa acima, mas não use essas novas variáveis ​​nos cálculos das etapas 1 a 5. Todas as fórmulas acima precisam estar no formulário exato. Caso contrário, o contexto de cálculo no webi não conseguirá gerar os resultados esperados. Espero que isso ajude. Rolling 12 Months Average em DAX Computing a média de 12 meses de rolamento em DAX parece uma tarefa simples, mas esconde alguma complexidade. Este artigo explica como escrever a melhor fórmula evitando armadilhas comuns usando funções de inteligência de tempo. Começamos com o usual modelo de dados AdventureWorks, com a tabela Produtos, Vendas e Calendário. O Calendário foi marcado como uma tabela de calendário (é necessário trabalhar com qualquer função de inteligência de tempo) e construímos uma hierarquia simples ano-mês-data. Com esta configuração, é muito fácil criar uma primeira tabela dinâmica mostrando as vendas ao longo do tempo: Ao fazer a análise de tendências, se as vendas estão sujeitas à sazonalidade ou, de forma mais geral, se você quiser remover o efeito de picos e quedas nas vendas, Técnica comum é a de calcular o valor ao longo de um determinado período, geralmente 12 meses, e média dele. A média móvel em 12 meses fornece um bom indicador da tendência e é muito útil em gráficos. Dada uma data, podemos calcular a média móvel de 12 meses com esta fórmula, que ainda tem alguns problemas que vamos resolver mais tarde: O comportamento da fórmula é simples: calcula o valor de Vendas após a criação de um filtro no calendário que Mostra exatamente um ano inteiro de dados. O núcleo da fórmula é o DATESBETWEEN, que retorna um conjunto inclusivo de datas entre os dois limites. O mais baixo é: Leitura do mais íntimo: se estamos mostrando dados de um mês, digamos julho 2007, tomamos a última data visível usando LASTDATE, que retorna o último dia em julho de 2007. Então usamos NEXTDAY para tomar o primeiro De agosto de 2007 e finalmente usamos SAMEPERIODLASTYEAR para mudar de volta um ano, produzindo 01 de agosto de 2006. O limite superior é simplesmente LASTDATE, ou seja, final de julho de 2007. Se usamos essa fórmula em uma tabela dinâmica, o resultado parece bom, mas nós Tem um problema para a última data: Na verdade, como você pode ver na figura, o valor é corretamente calculado até 2008. Então, não há valor em 2009 (o que é correto, não temos vendas em 2009), mas não há Um valor surpreendente em dezembro de 2018, onde nossa fórmula mostra o total geral em vez de um valor em branco, como seria de esperar. Na verdade, em dezembro, LASTDATE retorna o último dia do ano e NEXTDAY deve retornar a 1 de janeiro de 2017. Mas NEXTDAY é uma função de inteligência de tempo e é esperado para retornar conjuntos de datas existentes. Este fato não é muito evidente e vale a pena algumas palavras mais. Funções de inteligência de tempo não executam matemática em datas. Se você quiser tomar o dia após uma determinada data, você pode simplesmente adicionar 1 a qualquer coluna de data, eo resultado será no dia seguinte. Em vez disso, funções de inteligência de tempo deslocam conjuntos de data para trás e para frente ao longo do tempo. Assim, NEXTDAY leva sua entrada (no nosso caso uma tabela de uma linha com o 31 de dezembro de 2018) e muda um dia depois. O problema é que o resultado deve ser 1 de janeiro de 2017 mas, como a tabela de calendário não contém essa data, o resultado é em branco. Assim, nossa expressão calcula as vendas com um limite inferior em branco, que significa o início do tempo, resultando como resultado o total geral das vendas. Para corrigir a fórmula é suficiente para alterar a ordem de avaliação do limite inferior: Como você pode ver, agora NEXTDAY é chamado após o deslocamento de um ano de volta. Desta forma, tomamos 31 de dezembro de 2018, movê-lo para 31 de dezembro de 2009 e tomar o dia seguinte, que é 01 de janeiro de 2018: uma data existente na tabela do calendário. O resultado é agora o esperado: Neste ponto, precisamos apenas dividir esse número por 12 para obter a média móvel. Mas, como você pode facilmente imaginar, nem sempre podemos dividi-la por 12. Na verdade, no início do período não há 12 meses para agregar, mas um número menor. Precisamos calcular o número de meses para os quais há vendas. Isso pode ser feito usando a filtragem cruzada da tabela de calendário com a tabela de vendas depois de aplicar o novo contexto de 12 meses. Definimos uma nova medida que calcula o número de meses existentes no período de 12 meses: Você pode ver na próxima figura que a medida Months12M calcula um valor correto: Vale ressaltar que a fórmula não funciona se você escolher um período Mais de 12 meses, porque o CalendarMonthName tem apenas 12 valores. Se você precisar de períodos mais longos, você precisará usar uma coluna YYYYMM para ser capaz de contar mais de 12. A parte interessante desta fórmula que usa filtragem cruzada é o fato de que ele calcula o número de meses disponíveis, mesmo quando você filtra usando outros atributos. Se, por exemplo, você selecionar a cor azul usando um slicer, em seguida, as vendas começam em julho de 2007 (não em 2005, como acontece com muitas outras cores). Usando o filtro cruzado no Sales, a fórmula calcula corretamente que em julho de 2007 há um único mês de vendas disponíveis para o Blue: Neste ponto, a média de rolamento é apenas um DIVIDE de distância: Quando usá-lo em um Pivot Table, ainda Tem um pequeno problema: de fato, o valor é calculado também para meses para os quais não há vendas (ou seja, futuros meses): Isso pode ser resolvido usando uma instrução IF para evitar que a fórmula mostre valores quando não há vendas. Eu não tenho nada contra IF, mas, para o desempenho viciado entre vocês, é sempre vale a pena lembrar que IF pode ser um assassino desempenho, porque poderia forçar motor DAX fórmula para chutar. Neste caso específico, a diferença é insignificante, mas , Como regra geral, a melhor maneira de remover o valor quando não há vendas é confiar em fórmulas de mecanismo de armazenamento puro como este: Comparando um gráfico usando o Avg12M com outro que mostra Vendas você pode facilmente apreciar como a média móvel Esboça as tendências de uma forma muito mais limpa: Mantenha-me informado sobre os próximos artigos (boletim informativo). Desmarque para baixar livremente o arquivo. Média de Múltiplos Este exemplo ensina como calcular a média móvel de uma série de tempo no Excel. Uma média móvel é usada para suavizar irregularidades (picos e vales) para reconhecer facilmente as tendências. 1. Primeiro, vamos dar uma olhada em nossa série de tempo. 2. No separador Dados, clique em Análise de dados. Nota: não é possível encontrar o botão Análise de dados Clique aqui para carregar o suplemento do Analysis ToolPak. 3. Selecione Média móvel e clique em OK. 4. Clique na caixa Input Range e selecione o intervalo B2: M2. 5. Clique na caixa Intervalo e escreva 6. 6. Clique na caixa Output Range e seleccione a célula B3. 8. Faça um gráfico destes valores. Explicação: porque definimos o intervalo como 6, a média móvel é a média dos 5 pontos de dados anteriores eo ponto de dados atual. Como resultado, os picos e vales são suavizados. O gráfico mostra uma tendência crescente. O Excel não consegue calcular a média móvel para os primeiros 5 pontos de dados porque não existem pontos de dados anteriores suficientes. 9. Repita os passos 2 a 8 para o intervalo 2 eo intervalo 4. Conclusão: Quanto maior o intervalo, mais os picos e vales são suavizados. Quanto menor o intervalo, mais próximas as médias móveis são para os pontos de dados reais.