Olap Gleitender Durchschnitt

Diese Frage schmerzt mein Gehirn, um darüber zu sprechen. Hoffentlich kann ich es richtig erklären. Ich habe die folgende Berechnung in meinem Cube definiert. Dies sollte mir eine 52-wöchige hintere Summe von Verkäufen geben, und es tut nur NUR, wenn der Würfel erweitert wird Eine wöchentliche Ansicht in Excel Wenn es auf eine Viertel - oder YTD-Ansicht gerollt ist, dann zeigt es die Summe der Verkäufe an, die in der Roll-up-Periode nur aufgetreten sind. Hier ist ein Screenshot, der erklärt, was ich meine. Was ich nicht verstehe Ist der Grund, warum die Quartals - und Periodenmonats-Roll-ups keine Daten enthalten sind. Wenn ein Jahr des Umsatzes von 1 1 2005 zurückging, war es 954.000, es ist nicht sinnvoll, dass das 1. Quartal 2005 ein Jahr zeigt S Umsatz ist nur 252.000.Kann jemand mir helfen zu verstehen, was ich sehe Habe ich etwas falsch gemacht Wie schreibe ich eine rollende durchschnittliche Berechnung, die genau ist, auch wenn gerollt up. asked Mar 16 15 am 21 07.SQL Server Denali PowerPivot. Alberto Ferrari schrieb bereits über die Berechnung der Bewegungsdurchschnitte in DAX unter Verwendung einer berechneten Spalte Ich möchte gern einen anderen Ansatz hier mit einer berechneten Maßnahme für den gleitenden Durchschnitt Ich m berechnen einen täglichen gleitenden Durchschnitt in den letzten 30 Tagen hier. Für meine Beispiel, ich bin mit der PowerPivot-Arbeitsmappe, die als Teil der SSAS tabellarischen Modellprojekte aus dem Denali CTP 3 Samples heruntergeladen werden kann. In diesem Beitrag entwickle ich die Formel Schritt für Schritt. Wenn ihr aber eilig seid, könnt ihr vielleicht Direkt wollen, um die endgültigen Ergebnisse unten zu springen. With Kalenderjahr 2003 auf dem Filter, Datum auf Spalten und Umsatz Betrag aus Tabelle Internet Sales in den Details, die Beispieldaten sieht so aus. In jeder Zeile s Kontext, der Ausdruck Datum Datum gibt Der aktuelle Kontext, dh das Datum für diese Zeile Aber aus einer berechneten Maßnahme können wir nicht auf diesen Ausdruck verweisen, da es keine aktuelle Zeile für die Datumstabelle gibt, stattdessen müssen wir einen Ausdruck wie LastDate Date Date. So verwenden, um zu bekommen Die letzten dreißig Tage können wir diesen Ausdruck verwenden. Wir können nun unsere Internet-Verkäufe für jeden dieser Tage zusammenfassen, indem wir die zusammenfassende Funktion verwenden. Summarize DatesInPeriod Datum Datum, LastDate Datum Datum, -30, DAY, Datum Datum SalesAmountSum Sum Internet Sales Sales Betrag . Und schließlich verwenden wir die DAX-Funktion AverageX, um den Durchschnitt dieser 30 Werte zu berechnen. Geschäftsbetrag 30d avg AverageX ZusammenfassungstermineInPeriod Datum Datum, Datum der letzten Tage, -30, DAY, Datum Datum VerkäufeAmountSum Sum Internet Sales Sales Betrag, SalesAmountSum. Dies ist die Berechnung, die wir in unserer Internet-Verkaufstabelle verwenden, wie im Screenshot unten gezeigt. Wenn Sie diese Berechnung der Pivot-Tabelle von oben hinzufügen, sieht das Ergebnis wie folgt aus. Looking am Ergebnis scheint es, dass wir keine Daten haben Vor dem 1. Januar 2003 Der erste Wert für den gleitenden Durchschnitt ist identisch mit dem Tageswert Es gibt keine Zeilen vor diesem Datum Der zweite Wert für den gleitenden Durchschnitt ist eigentlich der Durchschnitt der ersten beiden Tage und so weiter Das ist nicht ganz richtig Aber ich bin immer wieder auf dieses Problem in einer Sekunde Der Screenshot zeigt die Berechnung für den gleitenden Durchschnitt am 31. Januar als Durchschnitt der Tageswerte vom 2. bis 31. Januar. Unsere berechnete Maßnahme funktioniert auch gut, wenn Filter angewendet werden Im Folgenden Screenshot Ich habe zwei Produktkategorien für die Datenreihe verwendet. Wie wirkt unsere berechnete Maßnahme auf höhere Aggregationsebenen Um es herauszufinden, ich m mit der Kalenderhierarchie auf den Zeilen anstelle des Datums Für die Einfachheit habe ich die Semester - und Viertelstufen entfernt Excel s Pivot-Tabelle Optionen Show Hide Felder Option. As können Sie sehen, die Berechnung funktioniert noch gut Hier ist die monatliche Aggregat der gleitende Durchschnitt für den letzten Tag des jeweiligen Monats Sie sehen dies deutlich für Januar Wert von 14.215 01 erscheint auch Im Screenshot oben als Wert für den 31. Januar Wenn dies die geschäftliche Anforderung ist, die für einen Tagesdurchschnitt vernünftig klingt, dann funktioniert die Aggregation auf einer monatlichen Ebene gut, sonst müssen wir unsere Berechnung gut abgestimmt haben und das wird ein Thema von mir sein Bevor die Aggregation auf einer monatlichen Ebene sinnvoll ist, wenn wir diese Ansicht auf den Tagesniveau erweitern, sehen wir, dass unsere berechnete Maßnahme einfach den Verkaufsbetrag für diesen Tag zurückgibt, nicht den Durchschnitt der letzten 30 Tage mehr Kann dies sein Das Problem ergibt sich aus dem Kontext, in dem wir unsere Summe berechnen, wie im folgenden Code hervorgehoben wird. Skalenbetrag 30d durchschnittlich Durchschnittlich zusammenfassende Datumsdatum Datum des letzten Datums, Datum der letzten Datum, -30, TAG, Datum Datum VerkäufeAmountSum Sum Internet Verkäufe Verkaufsbetrag , SalesAmountSum. Seit wir diesen Ausdruck über den angegebenen Zeitraum auswerten, ist der einzige Kontext, der hier überschrieben wird, Datum Datum In unserer Hierarchie verwenden wir verschiedene Attribute aus unserer Dimension Kalenderjahr, Monat und Tag des Monats Da dieser Kontext noch vorhanden ist , Die Berechnung wird auch durch diese Attribute gefiltert Und das erklärt, warum wir den aktuellen Tag s Kontext noch für jede Zeile vorhanden Um die Dinge klar zu machen, solange wir diesen Ausdruck außerhalb eines Datumskontextes auswerten, ist alles in Ordnung wie der folgende DAX Abfrage zeigt, wann von Management Studio im Internet ausgeführt werden Vertriebsperspektive unseres Modells mit der tabellarischen Datenbank mit demselben data. evaluate Datumsübersicht Datum Datum, Datum 2003,1,1, -5, DAY, Datum Datum SalesAmountSum Sum Internet Sales Sales Betrag. Hier habe ich die Zeitspanne auf 5 Tage reduziert und auch ein festes Datum gesetzt, da LastDate zum letzten Datum meiner Datumsdatentabelle führen würde, für die keine Daten in den Beispieldaten vorhanden sind Hier ist das Ergebnis aus der Abfrage , Nach dem Einstellen eines Filters auf 2003 werden keine Datenreihen außerhalb von 2003 in die Summe einbezogen. Dies erklärt die obige Bemerkung Es sah so aus, als hätten wir nur ab dem 1. Januar 2003 Daten. Und jetzt wissen wir, warum das Jahr 2003 auf der Seite war Filtern Sie, wie Sie im ersten Screenshot dieses Beitrags sehen können und deshalb war es bei der Berechnung der Summe anwesend. Jetzt müssen wir nur noch die zusätzlichen Filter loswerden, weil wir unsere Ergebnisse bereits nach Datum filtern. Der einfachste Weg Um dies zu tun, ist die Berechnungsfunktion zu verwenden und ALLE für alle Attribute anzuwenden, für die wir den Filter entfernen wollen. Da wir einige dieser Attribute haben Jahr, Monat, Tag, Wochentag, und wir wollen den Filter von allen entfernen Aber das Datumsattribut, die Verknüpfungsfunktion ALLEXCEPT ist hier sehr nützlich. Wenn Sie einen MDX-Hintergrund haben, werden Sie sich fragen, warum wir bei der Verwendung von SSAS im OLAP-Modus kein ähnliches Problem haben. BISM Multidimensional Der Grund dafür ist, dass unsere OLAP-Datenbank Attributbeziehungen hat , Also nach dem Festlegen des Datumsschlüsselattributs werden die anderen Attribute auch automatisch geändert und wir müssen uns nicht darum kümmern, dass hier mein Beitrag hier ist. Aber im tabellarischen Modell haben wir keine Attributbeziehungen nicht einmal ein wahres Schlüsselattribut und deshalb wir Notwendigkeit, unerwünschte Filter von unseren Berechnungen zu beseitigen. So hier sind wir mit dem. Sales Betrag 30d avg AverageX Zusammenfassende Datumsdatum Datum Datum, Letztdatum Datum Datum, -30, Tag, Datum Datum VerkäufeAmountSum berechnen Summe Internet Umsatz Umsatz Betrag, ALLEXCEPT Datum, Datum Datum , SalesAmountSum. And dies ist unsere letzte Pivot-Tabelle in Excel. To veranschaulichen den gleitenden Durchschnitt, hier ist der gleiche Auszug aus Daten in einer Diagrammansicht Excel. Obwohl wir unsere Daten auf 2003 den gleitenden Durchschnitt für die ersten 29 Tage des Jahres 2003 korrekt gefiltert Nimmt die entsprechenden Tage von 2002 in Berücksichtigung Sie erkennen die Werte für den 30. und 31. Januar von unserem ersten Ansatz, da dies die ersten Tage waren, für die unsere erste Berechnung eine ausreichende Menge an Daten voll 30 Tage hatte. Berechnung der gewichteten Durchschnittswerte mit MDX. Produkt S Tableau Desktop Version s 8 2, 8 1 Letztes Änderungsdatum 16 Aug 2016. Dieser Artikel veranschaulicht, wie Sie multidimensionale Ausdrücke verwenden können MDX, um den gewichteten Durchschnitt der verschiedenen Felder in einer Cube-Datenquelle zu berechnen. Im Folgenden finden Sie zwei Beispiele für MDX-Anweisungen, die sein können Verwendet in Tableau, um gewichtete Mittelwerte zu berechnen. Hinweis Die angehängte Arbeitsmappe enthält eine Verbindung zum Microsoft Analysis Services MSAS AdventureWorks Cube Dies ist ein Beispiel-Cube, der mit Microsoft Analysis Services geliefert wird Um diese Arbeitsmappe zu verwenden, müssen Sie den Server-Wert von scouno-dbs auf ändern Der Name Ihres MSAS-Servers, der AdventureWorks beherbergt. Berechnen Sie den gewichteten Durchschnitt von zwei Maßstäben. Führen Sie die folgenden Schritte aus, um den gewichteten Durchschnitt der Internet-Frachtkosten und des Internet-Bestellzählers zu berechnen, indem Sie ein berechneter Member verwenden. Schritt 1 Erstellen Sie ein berechneter Member, Gewichteter Durchschnitt von zwei Maßnahmen. Download und öffnen Sie die MDX Weighted Averages Beispiele Arbeitsmappe und klicken Sie auf die Weighted Average of Two Measures Arbeitsblatt. Klicken Sie auf die Dimensionen Drop-Down-Menü, und wählen Sie dann Berechnete Member. In der berechneten Mitglieder-Dialogfeld, klicken Sie auf Neu zu erstellen Ein neu berechneter Member. Im Abschnitt "Berechnete Memberdefinition" folgendes aus: Geben Sie im Feld "Name" das Feld "Weighted Avg" ein. Geben Sie im folgenden Feld die folgende MDX-Anweisung ein. Produkt-Internet-Bestellung zählen Internet-Frachtkosten. Produkt-Internet-Auftragszähler. Bestätigen Sie, dass die Statusmeldung anzeigt, dass die Formel gültig ist, indem Sie auf Formel prüfen klicken und dann auf OK klicken. Schritt 2 Erstellen Sie die Ansicht. Aus dem Bereich Abmessungen ziehen Sie in das Zeilenregal und ziehen Sie dann nach Unterkategorie. Ziehen Sie im Bereich "Measures" das berechnete Element Weighted Avg in das Spaltenregal. Die gewichteten Durchschnittswerte für Internet Order Count und Internet Freight Cost für jede Unterkategorie werden nun angezeigt. Berechnen Sie den beliebigen komplexen gewichteten Durchschnitt für jedes Produkt Sie durch die Erstellung einer MDX-Anweisung über die Produkt - und Kundengeographie Dimensionen Dieses komplexe gewichtete durchschnittliche Beispiel sagt Tableau, um den gewogenen Durchschnitt des Internet-Verkaufsbetrags über jede Kombination von Unterkategorie und Land für ihre jeweiligen Nachkommen zu erhalten. Schritt 1 Erstellen Sie ein berechnetes Mitglied Um den gewichteten Durchschnitt für jedes Produkt zu finden. In der MDX Weighted Average Beispiele Arbeitsmappe klicken Sie auf die Arbitrary Complex Weighted Average für jedes Produkt Arbeitsblatt. Create ein neues berechnetes Mitglied, benennen Sie es Complex Weighted Average und verwenden Sie die folgenden MDX-Anweisung in der formula. Descendants Produkt Produkt. Produkt Produktkategorien Unterkategorie, SELF. Descendants Kunden Kunde. Kunde Kunde Geographie Land, SELBST. Maßnahmen Internet-Verkaufsbetrag Maße Internet-Bestellmenge. Misst Internet Order Quantity. Step 2 Erstellen Sie die Ansicht. Aus dem Bereich Dimensionen ziehen Sie in das Spaltenregal, und bohren Sie dann nach Unterkategorie. Im Bereich "Measures" ziehen Sie den Internet-Verkaufsbetrag auf die Marks-Karte und ziehen dann den Complex Weighted Average auf Das Zeilenregal. Die folgende Ansicht zeigt den gewichteten Durchschnitt des Internet-Verkaufsbetrags über jede Kombination von Unterkategorie und Land für ihre Nachkommen. Einfache Suchbegriffe MDX, Cubes, Multidimensionale Datenquellen, OLAP, String-Funktionen, MSAS. Thank Sie für die Bereitstellung Ihr Feedback zur Wirksamkeit des Artikels.