正版 DAX设计模式 [意] 阿尔贝托·法拉里(Alberto Ferrari) 马

第 1 章 与时间相关的计算 1 第　2 章 与标准时间相关的计算　4 2.1　时间智能计算介绍 .4 2.1.1　什么是标准 DAX 时间智能函数　5 2.1.2　禁用自动日期/时间　6 2.1.3　标准时间智能函数的局限　6 2.1.4　创建 Date 表　6 2.1.5　控制未来日期中的可视化　8 2.1.6　命名约定　8 2.2　期初计　9 2.2.1　年初计　10 2.2.2　季初计　12 2.2.3　月初计　12 2.3　比上个时间段增长的计算　13 2.3.1　比上个年度增长　14 2.3.2　比上个季度增长　15 2.3.3　比上个月度增长　16 2.3.4　比上个时间段增长　18 2.4　期初今增长的计算　19 2.4.1　比上个年度年初今增长　19 2.4.2　比上个季度季初今增长　21 2.4.3　比上个月度月初今增长　22 2.5　期初今与上一个完整时间段的比较　23 2.5.1　年初今比上个完整年度　23 2.5.2　季初今比上个完整季度　26 2.5.3　月初今比上个完整月度　27 2.6　使用移动年计计算　29 2.6.1　移动年计　29 2.6.2　移动年计增长　30 2.7　移动平均　31 2.7.1　移动平均 30 天　32 2.7.2　移动平均 3 个月　33 2.7.3　移动平均 1 年　33 2.8　筛选其他日期属　34 第　3 章 与月相关的计算　37 3.1　与月相关的时间智能计算介绍 37 3.1.1　创建 Date 表　37 3.1.2　命名约定　41 3.2　期初计　42 3.2.1　年初计　42 3.2.2　季初计　43 3.3　比上个时期增长的计算　44 3.3.1　比上个年度增长　44 3.3.2　比上个季度增长　45 3.3.3　比上个月度增长　47 3.3.4　比上个时间段增长　48 3.4　期初今增长的计算　49 3.4.1　比上个年度年初今增长　49 3.4.2　比上个季度季初今增长　50 3.5　期初今与上一个完整时间段的比较　51 3.5.1　年初今比上个完整年度　51 3.5.2　季初今比上个完整季度　53 3.6　使用移动年计计算　54 3.6.1　移动年计　54 3.6.2　移动年计增长　55 3.7　移动平均 .56 3.7.1　移动平均 3 个月　56 3.7.2　移动平均 1 年　57 3.8　管理超过 12 个月的年份　57 第　4 章 与周相关的计算　59 4.1　与周相关的时间智能计算介绍　59 4.1.1　创建 Date 表　59 4.1.2　了解筛选器列　61 4.1.3　控制未来日期中的可视化　62 4.1.4　命名约定　63 4.2　期初计　64 4.2.1　年初计　64 4.2.2　季初计　66 4.2.3　月初计　67 4.2.4　周初计　68 4.3　比上个时期增长的计算　69 4.3.1　比上个年度增长　69 4.3.2　比上个季度增长　71 4.3.3　比上个周度增长　72 4.3.4　比上个时间段增长　74 4.4　期初今增长的计算　75 4.4.1　比上个年度年初今增长　75 4.4.2　比上个季度季初今增长　77 4.4.3　比上个周度周初今增长　78 4.5　期初今与上一个完整时间段的比较　79 4.5.1　年初今比上个完整年度　80 4.5.2　季初今比上个完整季度　81 4.5.3　周初今比上个完整星期　82 4.6　使用移动年计计算　83 4.6.1　移动年计　83 4.6.2　移动年计增长　84 4.7　移动平均　86 4.7.1　移动平均 4 个星期　86 4.7.2　移动平均 1 个季度　87 4.7.3　移动平均 1 年　88 第　5 章 自定义时间相关的计算　90 5.1　自定义时间智能计算介绍　90 5.1.1　创建 Date 表　91 5.1.2　了解筛选器列　93 5.1.3　控制未来日期中可视化　94 5.1.4　命名约定　95 5.2　期初计　96 5.2.1　年初计　96 5.2.2　季初计　98 5.2.3　月初计　99 5.3　比上个时期增长的计算　100 5.3.1　比上个年度增长　100 5.3.2　比上个季度增长　102 5.3.3　比上个月度增长　103 5.3.4　比上个时间段增长　104 5.4　期初今增长的计算　106 5.4.1　比上个年度年初今增长　106 5.4.2　比上个季度季初今增长　107 5.4.3　比上个月度月初今增长　110 5.5　期初今与上一个完整时间段的比较　112 5.5.1　年初今比上个完整年度　112 5.5.2　季初今比上个完整季度　113 5.5.3　月初今比上个完整月度　114 5.6　使用移动年计计算　116 5.6.1　移动年计　116 5.6.2　移动年计增长　117 5.7　移动平均　119 5.7.1　移动平均 30 天　1 5.7.2　移动平均 3 个月　121 5.7.3　移动平均 1 年　122 第　6 章 比较不同区间的值　123 第　7 章 半累加计算　126 7.1　模式介绍　126 7.2　起始和终止日期　127 7.3　有数据的起始和终止日期　128 7.4　基于客户的起始和终止日期　129 7.5　期初和期末余额 131 7.6　期间增长 134 第　8 章 累数 136 8.1　基本模式 136 8.2　可排序列的累数 138 第　9 章 参数表 140 9.1　改变度量值的比例 140 9.2　多个独立参数 142 9.3　多个依赖参数 143 9.4　动态选择前 N 名产品 144 第　10 章 静态分组 146 10.1　基本模式 146 10.2　按类别划分的价格区间 148 10.3　大型表格上的价格区间 150 第　11 章 动态分组 152 11.1　基本模式 152 11.2　按产品增长聚类 154 11.3　按优状态聚类 156 第　12 章 ABC 分类 158 12.1　静态 ABC 分类 158 12.2　快照 ABC 分类 160 12.3　动态 ABC 分类 164 12.4　寻找 ABC 分类 165 第　13 章 新客户和回头客户 167 13.1　介绍 167 13.2　模式描述 170 13.2.1　内部度量值 　172 13.2.2　外部度量值 　172 13.2.3　如何使用模式度量值 　173 13.3　动态相对模式 174 13.3.1　内部度量值 175 13.3.2　新客户 　175 13.3.3　流失客户 177 13.3.4　暂时流失客户 177 13.3.5　复活客户 178 13.3.6　回头客户 179 13.4　动态模式 180 13.4.1　内部度量值 181 13.4.2　新客户 182 13.4.3　流失客户 182 13.4.4　暂时流失客户 183 13.4.5　复活客户 184 13.4.6　回头客户 185 13.5　通用动态模式（按类别动态） 185 13.5.1　内部度量值 186 13.5.2　新客户 187 13.5.3　流失客户 189 13.5.4　暂时流失客户 190 13.5.5　复活客户 192 13.5.6　回头客户 194 13.6　快照模式 196 第　14 章 关联的非重复 　2 第　15 章 事件进展 6 15.1　事件进展的定义 6 15.2　未结订单 8 15.3　结合快照的未结订单 210 第　16 章 排名 　215 16.1　静态排名 215 16.2　动态排名 216 16.3　显示每个类别的前 3 名产品 218 第　17 章 层次结构 　2 17.1　检测当前级别的层次结构 2 17.2　父节点百分比 221 第　18 章 父子层次结构 　223 18.1　介绍 223 18.2　基本的父子层次模式 224 18.3　会计科目表的层次结构 227 18.4　父子层次结构的模式 232 第　19 章 同类比较 234 19.1　介绍 234 19.2　同店销售额的快照计算 235 19.3　不使用快照的同店销售额 238 第　 章 转移矩阵 240 .1　介绍 240 .2　静态转移矩阵 241 .3　动态转移矩阵 244 第　21 章 调查 247 第　22 章 购物篮分析 251 22.1　定义关联规则指标 251 22.1.1　# 　252 22.1.2　# And 　252 22.1.3　# Total 　252 22.1.4　# Both 　253 22.1.5　% Support（支持度） 　253 22.1.6　% Confidence（置信度） 　253 22.1.7　Lift（提升度） 　253 22.2　报告范例 253 22.3　基本模式示例 255 22.4　优化模式示例 259 第　23 章 汇率转换 261 23.1　多种来源货币，单一报告货币 261 23.2　一种来源货币，多种报告货币 263 23.3　多种来源货币，多种报告货币 266 第　24 章 预算 　269 24.1　介绍 269 24.2　数据模型 270 24.3　业务选择 271 24.3.1　基于上一年度的分配 271 24.3.2　停产的产品不会对分配产生影响 272 24.3.3　新产品有自己的预测数量 272 24.3.4　以年的基础停产或推出产品 273 24.4　预测分配 273 24.5　在同一图表上显示实际数据和预测数据 275

本书作者阿尔贝托·法拉里（Alberto Ferrari）和马尔科·鲁索（Marco Russo）共同创立了 SQLBI网站，他们经常在网站上发表关于DAX和其他微软工具的文章。他们经常作为演讲嘉宾出席各类国际会议，比如Microsoft Ignite、PASS 峰会和SQLBits。两位作者非常活跃，经常在微软商务智能技术领域里进行教学、咨询和指导。他们共同编写并出版了多本图书。

Power BI 自 15 年 7 月发布后，极大地改变了商业智能市场的格局，连续多年被评为商业智能产品的。本书集合了 多套运用 Power BI 的 DAX 引擎来处理、分析常见商业问题的即用型解决方案。 DAX 设计模式是由 BI 领域专家——阿尔贝托·法拉里和马尔科·鲁结并提出的。本书同时使用 Power BI 和 Excel 作为工具进行编写，并对应用模式进行了大幅更新，内容涵盖了时间智能、分组、ABC 分类、客户分析、购物篮分析等常用模式。本书含的每一套设计模式都经过不断的实践，被提炼为易用的数据模型和优雅的 DAX 公式。 本书适合 Excel 用户、商业智能分析人员、使用 DAX 和微软分析工具的专业人士阅读。

本书运用DAX提供了即用型业务分析解决方案设计模式，读者可以在Microsoft Power BI、Analysis Services Tabluar和Excel的Power Pivot中使用这些模式。 本书主要包括以下内容： - 基于 SQLBI 领域作者多年咨询培训经验总结的商业分析案例； - 根据业务需求构造简明、可扩展的数据模型； - 使用 DAX 进行数据处理和分析； - 编写具有优异计算性能的 DAX 公式。