Olap เคลื่อนไหว ค่าเฉลี่ย

คำถามนี้ทำให้สมองของฉันพูดถึงหวังว่าฉันสามารถอธิบายได้อย่างถูกต้องฉันมีการคำนวณต่อไปนี้ที่กำหนดไว้ใน cube. This ของฉันควรให้ฉัน 52 สัปดาห์ผลรวมต่อท้ายของการขายและจะไม่ได้ แต่เมื่อก้อนจะขยายไป มุมมองรายสัปดาห์ใน Excel เมื่อเลื่อนขึ้นเป็นมุมมองรายไตรมาสหรือ YTD จะแสดงผลรวมของยอดขายที่เกิดขึ้นในช่วงเวลาที่เลื่อนขึ้นมาเท่านั้นนี่เป็นภาพหน้าจอที่อธิบายถึงสิ่งที่ฉันหมายถึงสิ่งที่ฉันไม่เข้าใจ ทำไมยอดรวมเดือนและงวดจึงไม่รวมถึงข้อมูลที่มีมูลค่าเต็มปีหากยอดขายในช่วงปีหลังนับตั้งแต่วันที่ 1 มกราคม 2548 เท่ากับ 954,000 ก็ไม่มีความหมายว่าไตรมาสที่ 1 ปี 2548 แสดงปี s มูลค่าของการขายเพียง 252,000 สามารถคนช่วยให้ฉันเข้าใจสิ่งที่ฉัน m เห็นฉันได้ทำอะไรผิดฉันจะเขียนคำนวณเฉลี่ยกลิ้งที่ถูกต้องแม้ในขณะที่รีด up. asked Mar 16 15 at 21 07.SQL Server Denali PowerPivot. Alberto Ferrari ได้เขียนเกี่ยวกับการคำนวณค่าเฉลี่ยเคลื่อนที่ใน DAX โดยใช้การคำนวณแล้ว ฉันต้องการนำเสนอวิธีการที่แตกต่างกันที่นี่โดยใช้มาตรการที่คำนวณได้สำหรับค่าเฉลี่ยเคลื่อนที่ฉันคำนวณค่าเฉลี่ยเคลื่อนที่ทุกวันในช่วง 30 วันที่ผ่านมาที่นี่ตัวอย่างเช่นฉันกำลังใช้สมุดงาน PowerPivot ซึ่งสามารถดาวน์โหลดเป็นส่วนหนึ่งของ SSAS แบบตารางโครงการจาก Denali CTP 3 ตัวอย่างในบทความนี้ฉัน m พัฒนาขั้นตอนสูตรตามขั้นตอนอย่างไรก็ตามถ้าคุณกำลังรีบคุณอาจโดยตรงต้องการข้ามไปยังผลลัพธ์สุดท้ายด้านล่างกับปีปฏิทิน 2003 บน ตัวกรองวันที่ในคอลัมน์และยอดขายจากตาราง Internet Sales ในรายละเอียดข้อมูลตัวอย่างมีลักษณะดังนี้ในบริบทของแต่ละแถวการแสดงออกวันที่วันที่ให้บริบทปัจจุบันคือวันที่สำหรับแถวนี้ แต่จากมาตรการที่คำนวณ เราไม่สามารถอ้างถึงนิพจน์นี้เนื่องจากไม่มีแถวปัจจุบันสำหรับตาราง Date แทนเราต้องใช้นิพจน์เช่น Last Date Date Soo เพื่อให้ได้สามสิบวันที่ผ่านมาเราสามารถใช้นิพจน์นี้ได้ตอนนี้เราสามารถสรุปข้อมูล การขายทางอินเทอร์เน็ตสำหรับ ea วันที่วันที่วันที่วันที่วันที่วันที่ -30 วันวันที่วันที่ SalesAmountSum Sum Internet Sales ยอดขายและสุดท้ายเราใช้ฟังก์ชัน DAX AverageX เพื่อคำนวณค่าเฉลี่ยของ 30 รายการดังกล่าว ค่าเฉลี่ยจำนวนวันขายวันที่วันที่วันที่วันที่วันที่วันที่ -30 วันวันที่ขายยอดขายรวมยอดขายทางอินเทอร์เน็ตยอดขาย SalesumountSum นี่คือการคำนวณที่เรากำลังใช้อยู่ในตารางการขายทางอินเทอร์เน็ตของเราดังที่แสดงในภาพหน้าจอ ด้านล่างเมื่อเพิ่มการคำนวณนี้ลงในตาราง Pivot จากด้านบนผลลัพธ์จะมีลักษณะเช่นนี้มองไปที่ผลลัพธ์ที่ดูเหมือนว่าเราไม่มีข้อมูลใด ๆ ก่อนวันที่ 1 มกราคม 2003 ค่าแรกสำหรับค่าเฉลี่ยเคลื่อนที่จะเท่ากับวัน ค่าไม่มีแถวก่อนวันที่ค่าที่สองสำหรับค่าเฉลี่ยเคลื่อนที่เป็นค่าเฉลี่ยของสองวันแรกและอื่น ๆ นี่ไม่ได้ค่อนข้างถูกต้อง แต่ฉันกลับไปที่ปัญหานี้ในวินาทีภาพที่สอง คือการคำนวณค่าเฉลี่ยเคลื่อนที่ของวันที่ 31 มกราคมเป็นค่าเฉลี่ยของค่ารายวันตั้งแต่วันที่ 2 มกราคมถึง 31 วินาทีนอกจากนี้มาตรการที่คำนวณได้ของเรายังใช้งานได้ดีเมื่อใช้ตัวกรองในภาพต่อไปนี้ฉันใช้ผลิตภัณฑ์สองประเภทสำหรับชุดข้อมูล การคำนวณของเราทำงานในระดับการรวมที่สูงขึ้นเพื่อที่จะหาฉันใช้ลำดับชั้นของปฏิทินในแถวแทนที่จะเป็นวันที่เพื่อความเรียบง่ายฉันได้ลบภาคการศึกษาและระดับไตรมาสโดยใช้ตัวเลือกตาราง Excel ของเดสก์ท็อปซ่อนตัวเลือกเขตข้อมูลที่คุณสามารถ เห็นการคำนวณยังคงทำงานได้ดีที่นี่รวมรายเดือนเป็นค่าเฉลี่ยเคลื่อนที่สำหรับวันสุดท้ายของเดือนที่ระบุคุณสามารถเห็นได้อย่างชัดเจนสำหรับค่าเดือนมกราคมของ 14,215 01 นอกจากนี้ยังปรากฏในภาพหน้าจอด้านบนเป็นค่าสำหรับ 31 มกราคมถ้าเป็นเช่นนี้ ความต้องการทางธุรกิจที่ฟังดูน่าสมเพชสำหรับค่าเฉลี่ยรายวันจากนั้นการรวมทำงานในระดับรายเดือนมิฉะนั้นเราจะต้องปรับการคำนวณของเราและนี่เป็นหัวข้อของ การโพสต์ที่จะเกิดขึ้น แต่แม้ว่าการรวมจะทำให้มีความเป็นไปได้ในระดับรายเดือนถ้าเราขยายมุมมองนี้ไปจนถึงระดับวันคุณจะเห็นว่ามาตรการที่คำนวณได้ของเราเพียงแค่ส่งกลับจำนวนยอดขายสำหรับวันนั้นไม่ใช่เฉลี่ยของอีก 30 วันที่ผ่านมา นี่คือผลลัพธ์ของปัญหาที่เกิดขึ้นจากบริบทที่เราคำนวณผลรวมของเราดังที่ได้กล่าวไว้ในโค้ดต่อไปนี้ขายได้จำนวนเฉลี่ย 30d เฉลี่ย AverageX สรุปวันที่ที่ผ่านมาวันที่วันที่วันที่วันที่ล่าสุดวันที่ -30 วันวันที่วันที่ SalesAmountSum Sum Internet Sales ยอดขาย , SalesAmountSum เนื่องจากเราประเมินนิพจน์นี้ในช่วงวันที่ที่ระบุบริบทเดียวที่ถูกเขียนทับที่นี่คือ Date Date ในลำดับชั้นของเราเราใช้แอตทริบิวต์ที่แตกต่างจากมิติข้อมูลปฏิทินปีเดือนและวันของเดือนเนื่องจากบริบทนี้ยังคงมีอยู่ การคำนวณจะถูกกรองตามแอตทริบิวต์เหล่านี้และนี่เป็นเหตุผลที่เรายังคงมีบริบทในปัจจุบันสำหรับแต่ละบรรทัดเพื่อให้ได้สิ่งที่ชัดเจนตราบเท่าที่เราประเมินการแสดงออกด้านนอก บริบทวันที่ทุกอย่างจะดีเป็นแบบสอบถาม DAX ต่อไปนี้แสดงเมื่อมีการดำเนินการโดย Management Studio บนมุมมองการขายทางอินเทอร์เน็ตของรูปแบบของเราโดยใช้ฐานข้อมูลแบบตารางที่มี data. evaluate เดียวกันสรุปวันที่ที่ผ่านมาวันที่วันที่วันที่ 2003,1,1, 5 วันวันที่วันที่ SalesAmountSum Sum Internet Sales ยอดขายที่นี่ลดช่วงเวลาเป็น 5 วันและกำหนดวันที่คงที่เนื่องจาก LastDate จะส่งผลให้วันที่สุดท้ายของตารางมิติข้อมูลวันที่ของฉันซึ่งไม่มีข้อมูลอยู่ใน นี่คือผลจากแบบสอบถามอย่างไรก็ตามหลังจากตั้งค่าตัวกรองเป็น 2003 จะไม่มีข้อมูลแถวที่อยู่นอก 2003 รวมอยู่ในผลบวกซึ่งอธิบายถึงข้อสังเกตข้างต้นดูเหมือนว่าเรามีเพียงข้อมูลตั้งแต่วันที่ 1 มกราคม 2003 เป็นต้นไป ตอนนี้เรารู้แล้วว่าทำไมปี 2003 อยู่ในตัวกรองตามที่เห็นในภาพหน้าจอแรกของโพสต์นี้ดังนั้นจึงเป็นปัจจุบันเมื่อคำนวณผลรวมตอนนี้สิ่งที่เราต้องทำคือการกำจัดตัวกรองเพิ่มเติมเหล่านี้เนื่องจาก เรากรองข้อมูลอยู่แล้ว ผลลัพธ์ของเราตามวันที่วิธีที่ง่ายที่สุดในการทำเช่นนี้คือการใช้ฟังก์ชัน Calculate และใช้ ALL สำหรับทุกคุณลักษณะที่เราต้องการลบตัวกรองเนื่องจากเรามีแอตทริบิวต์เหล่านี้เช่น Year, Month, Day, Weekday และเราต้องการ ลบตัวกรองออกจากไฟล์เหล่านี้ทั้งหมด แต่แอตทริบิวต์ date ฟังก์ชัน ALLEXCEPT จะมีประโยชน์มากถ้าคุณมีพื้นหลัง MDX คุณจะสงสัยว่าทำไมเราถึงไม่ได้รับปัญหาที่คล้ายกันเมื่อใช้ SSAS ในโหมด OLAP BISM Multidimensional เหตุผลก็คือ ที่ฐานข้อมูล OLAP ของเรามีความสัมพันธ์กับแอตทริบิวต์ดังนั้นหลังจากตั้งค่าแอตทริบิวต์ key date แอตทริบิวต์อื่นจะถูกเปลี่ยนโดยอัตโนมัติด้วยเช่นกันและเราไม่จำเป็นต้องดูแลเกี่ยวกับโพสต์นี้ที่นี่ แต่ในรูปแบบตารางเรา don t มีความสัมพันธ์กับแอตทริบิวต์ไม่ได้ แอตทริบิวต์ที่สำคัญที่แท้จริงดังนั้นเราจำเป็นต้องลดตัวกรองที่ไม่พึงประสงค์ออกจากการคำนวณของเราดังนั้นในที่นี้เราจึงมียอดขายเฉลี่ย 30 วันโดยเฉลี่ย AverageX สรุปวันที่ที่ผ่านมา Date Date, LastDate Date Date, -30, DAY, Date Date SalesAmount ยอดรวมคำนวณจำนวนยอดขายทางอินเทอร์เน็ตยอดขาย ALLEXCEPT วันที่วันที่วันที่ SalesAmountSum และนี่คือตารางเด็นเดอร์สุดท้ายของเราใน Excel เพื่อแสดงค่าเฉลี่ยเคลื่อนที่นี่เป็นข้อมูลเดียวกันของข้อมูลในมุมมองกราฟ Excel แม้ว่าเราจะกรองข้อมูลของเรา ในปี 2546 ค่าเฉลี่ยของค่าเฉลี่ยเคลื่อนที่ในช่วง 29 วันแรกของปี 2546 จะถูกนำมาใช้อย่างถูกต้องในช่วงเวลาดังกล่าวของปี 2545 คุณจะรับรู้ค่าสำหรับวันที่ 30 และ 31 มกราคมจากวิธีการแรกของเราเนื่องจากเป็นวันแรกที่การคำนวณครั้งแรกของเรามีจำนวนเพียงพอ ของข้อมูลเต็ม 30 วันการคำนวณน้ำหนักโดยเฉลี่ยการใช้ MDX ผลิตภัณฑ์ของ Tableau เวอร์ชันเดสก์ท็อป s 8 2, 8 1 วันที่แก้ไขล่าสุด 16 ส. ค. 2016 บทความนี้อธิบายวิธีที่คุณสามารถใช้การแสดงออกหลายมิติ MDX เพื่อคำนวณถัวเฉลี่ยถ่วงน้ำหนักของเขตข้อมูลต่างๆใน a แหล่งข้อมูลลูกบาศก์ด้านล่างมีสองตัวอย่างของคำสั่ง MDX ที่สามารถใช้ใน Tableau เพื่อคำนวณค่าเฉลี่ยถ่วงน้ำหนักได้หมายเหตุสมุดงานที่แนบมาประกอบด้วยการเชื่อมต่อกับ Microsoft Analysis Servi ces MSAS AdventureWorks cube นี่คือตัวอย่างก้อนที่มาพร้อมกับ Microsoft Analysis Services เมื่อต้องการใช้สมุดงานนี้คุณต้องเปลี่ยนค่าเซิร์ฟเวอร์จาก scdemo-dbs เป็นชื่อของเซิร์ฟเวอร์ MSAS ของคุณซึ่งโฮสต์ AdventureWorks คำนวณค่าเฉลี่ยถ่วงน้ำหนักของ Two Measures. Follow ขั้นตอนด้านล่างเพื่อคำนวณค่าเฉลี่ยถ่วงน้ำหนักของค่าขนส่งทางอินเทอร์เน็ตและลำดับการสั่งซื้อทางอินเทอร์เน็ตโดยใช้สมาชิกที่คำนวณแล้วขั้นตอนที่ 1 สร้างสมาชิกที่คำนวณได้เพื่อคำนวณค่าถัวเฉลี่ยถ่วงน้ำหนักของสองมาตรการดาวน์โหลดและเปิดสมุดงานตัวอย่างของ Weighted Average ของ MDX และคลิก Weighted ค่าเฉลี่ยของ Two Measures แผ่นงานคลิกที่เมนูแบบเลื่อนลง Dimensions จากนั้นเลือก Calculated Members ในกล่องโต้ตอบ Calculated Members คลิก New เพื่อสร้างสมาชิกที่คำนวณใหม่ในส่วน Calculated User Definition ให้ทำดังนี้ในชื่อ ฟิลด์ชนิดพิมพ์ใหญ่ที่ถ่วงน้ำหนักในกล่องสูตรให้พิมพ์คำสั่ง MDX ต่อไปนี้ คำสั่งซื้ออินเทอร์เน็ตของผลิตภัณฑ์นับค่าขนส่งทางอินเทอร์เน็ต หมายเลขคำสั่งซื้อของผลิตภัณฑ์อินเทอร์เน็ตยืนยันว่าข้อความสถานะบ่งชี้ว่าสูตรถูกต้องโดยการคลิกตรวจสอบสูตรแล้วคลิกตกลงขั้นตอนที่ 2 สร้างมุมมองจากบานหน้าต่างมิติให้ลากไปที่ชั้นวางแถวและจากนั้นเจาะลงไปที่หมวดหมู่ย่อย จากส่วน Measures ให้ลากสมาชิกที่คำนวณแล้ว Weighted Avgs to the Columns shelf จะแสดงค่าเฉลี่ยถ่วงน้ำหนักของ Internet Order Count และค่าขนส่งทางอินเทอร์เน็ตสำหรับแต่ละหมวดย่อยคำนวณค่าเฉลี่ยถ่วงน้ำหนักแบบซับซ้อนโดยพลการแต่ละผลิตภัณฑ์ตัวอย่างต่อไปนี้ คุณได้สร้างคำชี้แจงเกี่ยวกับ MDX ในทั้งมิติข้อมูลผลิตภัณฑ์และลูกค้าภูมิศาสตร์ของลูกค้ามิติตัวอย่างที่มีค่าเฉลี่ยถ่วงน้ำหนักที่ซับซ้อนนี้จะบอกให้ Tableau รับค่าเฉลี่ยที่ถ่วงน้ำหนักของยอดขายทางอินเทอร์เน็ตในการรวมกันของหมวดหมู่ย่อยและประเทศสำหรับแต่ละลูกหลานของตนลำดับที่ 1 สร้างสมาชิกที่คำนวณ เพื่อหาค่าเฉลี่ยถ่วงน้ำหนักสำหรับแต่ละผลิตภัณฑ์ในสมุดงานตัวอย่างของถ้อยคำถ่วงน้ำหนักเฉลี่ยของ MDX ให้คลิกเลขที่ถัวเฉลี่ยถ่วงน้ำหนักแบบเบ็ดเสร็จสำหรับ E ach แผ่นงานผลิตภัณฑ์สร้างสมาชิกที่คำนวณใหม่โดยตั้งชื่อว่า Complex Weighted Average และใช้คำชี้แจง MDX ต่อไปนี้ในสูตรผลิตภัณฑ์ผลิตภัณฑ์เครื่องแต่งกาย หมวดหมู่ย่อย SELF. Descendants Customer Customer ภูมิศาสตร์ของลูกค้าในแต่ละประเทศ วัดยอดขายทางอินเทอร์เน็ตวัดปริมาณการสั่งซื้อทางอินเทอร์เน็ต มาตรการการสั่งซื้อทางอินเทอร์เน็ตจำนวนขั้นตอนที่ 2 สร้างมุมมองจากบานหน้าต่างมิติให้ลากไปที่ชั้นวางของคอลัมน์จากนั้นเจาะลงไปที่ประเภทย่อยจากบานหน้าต่างวัดให้ลากยอดขายทางอินเทอร์เน็ตไปยังบัตรคะแนนแล้วลาก Average Weighted Average ไปเป็น มุมมองต่อไปนี้แสดงค่าเฉลี่ยถ่วงน้ำหนักของยอดขายทางอินเทอร์เน็ตในการรวมกันของหมวดหมู่ย่อยและประเทศสำหรับลูกหลานของตนค้นหา MDX, ก้อน, แหล่งข้อมูลหลายมิติ, OLAP, ฟังก์ชันสตริง, MSAS ขอขอบคุณที่ให้บริการ ความคิดเห็นของคุณเกี่ยวกับประสิทธิภาพของบทความ