Powerpivot Glidande Medelvärde Dax

Rollande 12 månaders genomsnitt i DAXputing det rullande 12-månadersmedlet i DAX ser ut som en enkel uppgift, men det döljer viss komplexitet Denna artikel förklarar hur man skriver den bästa formeln för att undvika vanliga fallgropar med hjälp av tidsintelligensfunktioner. Vi börjar med den vanliga AdventureWorks datamodellen , med produkt-, försäljnings - och kalendertabellen Kalenderen har markerats som ett kalenderbord. Det är nödvändigt att arbeta med vilken som helst tidsintelligensfunktion 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 en trendanalys görs, om försäljningen är utsatt för säsongsmässighet eller, i allmänhet, 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 genomsnittet 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 thi S-formuläret, som fortfarande har några problem som vi kommer att lösa senare. Beteendet hos formeln är enkelt 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. Raddering 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 Då använder vi NÄSTA DAG för att ta 1 augusti 2007 och vi använder slutligen SAMEPERIODLASTYEAR för 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, resultatet ser bra ut, men vi har ett problem för den sista datumen. Faktum är att värdet är korrekt beräknat till 2008, så att värdet är korrekt beräknat till 2008 Då finns det inget värde 2009 som är korrekt, vi gör inte har försäljning under 2009 men det finns en surpri Sjungande värde i december 2010, där vår formel visar totalvärdet istället för ett tomt värde, vilket vi skulle förvänta oss. I december återvänder LASTDATE sista dagen på året och NÄSTDAG ska återkomma den 1 januari 2011 men nästa dag är en tid intelligens funktion och det förväntas återställa uppsättningar av befintliga datum Detta faktum är inte mycket uppenbart och det är värt ett par ord more. Time Intelligence funktioner utför inte matte på datum Om du vill ta dagen efter ett visst datum, Du kan helt enkelt lägga till 1 till en datumkolumn och resultatet blir nästa dag I stället förflyttar tidsintelligensen skiftuppsättningarna datum fram och tillbaka över tiden Således tar NEXTDAY inmatningen i vårt fall ett enda radbord med 31 av December 2010 och skiftar den en dag senare Problemet är att resultatet ska vara 1 januari 2011, men eftersom Kalender-tabellen inte innehåller det datumet, är resultatet BLANK. Thus, vårt uttryck beräknar Försäljningen med en tom nedre gräns som betyder början Av tiden, vilket resulterar i att totalomsättningen av försäljningen För att korrigera formeln räcker det med att ändra utvärderingsordern i den nedre gränsen. Som du kan se, kallas nu NÄSTA DAG efter ett års backskifte. På detta sätt, vi tar 31 december 2010, flyttar den till 31 december 2009 och tar nästa dag, vilket är den 1 januari 2010 ett befintligt datum i kalenderbordet. Resultatet är nu den förväntade. På den här punkten behöver vi bara dela upp Det numret med 12 för att få det rullande genomsnittet Men som du lätt kan föreställa dig kan vi inte alltid dela upp det med 12 Faktum är att i början av perioden är det inte 12 månader att samla men ett lägre antal Vi behöver beräkna Antal månader för vilka det finns försäljning Detta kan uppnås genom att kryssfiltrera kalenderbordet med försäljningsbordet efter att vi tillämpat det nya 12-månaders-sammanhanget. Vi definierar en ny åtgärd som beräknar antalet befintliga månader under 12 månadersperioden. kan se i nästa bild att månaderna12 M-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 kryssfiltrering är det 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 , då börjar försäljningen i juli 2007 inte 2005, vilket händer för många andra färger Med hjälp av korsfiltret vid försäljning beräknar formeln korrekt att i juli 2007 finns en enda månad tillgänglig försäljning för Blue. At denna punkt rullar den rullande Genomsnittet är bara en DIVIDE away. When vi använder det i ett pivottabell, har vi fortfarande en liten fråga faktiskt, värdet beräknas också i månader för vilka det inte finns någon försäljning dvs framtida månader. Detta kan lösas med hjälp av ett IF-uttalande för att förhindra formeln från visar värden när det inte finns någon försäljning jag har inget emot IF men för prestanda-beroende av dig är det alltid värt att komma ihåg att IF kan vara en prestandamördare eftersom det skulle kunna tvinga DAX-formulärsmotorn att sparka in I det här specifika fallet, Skillnaden är försumbar men som en allmän regel är det bästa sättet att ta bort värdet när det inte finns någon försäljning att förlita sig på rena lagringsmotorformler som att det här visar ett diagram med hjälp av Avg12M med en annan som visar Försäljning som du lätt kan uppskatta hur det rullande genomsnittet skisserar trender på ett mycket renare sätt. Håll mig informerad om kommande artiklar nyhetsbrev Avmarkera för att ladda ner filen fritt. DAX innehåller några statistiska aggregeringsfunktioner, såsom medelvärde, varians och standardavvikelse. Andra typiska statistiska beräkningar kräver att du Skriv längre DAX-uttryck Excel, från denna synvinkel, har ett mycket rikare språk. Statistiska mönster är en samling av gemensamma statistiska beräkningar median, mod e, glidande medelvärde, percentil och kvartil Vi tackar Colin Banfield, Gerard Brueckl och Javier Guilln, vars bloggar inspirerade några av följande mönster. Baskiskt exempel. Formlerna i detta mönster är lösningarna för specifika statistiska beräkningar. Du kan använda standard DAX-funktioner för att beräkna det genomsnittliga aritmetiska genomsnittet av en uppsättning värden. AVVERAGE returnerar medeltalet av alla siffror i en numerisk kolumn. AVERAGEA returnerar genomsnittsvärdet av alla siffror i en kolumn och hanterar både text och icke-numeriska Värden icke-numeriska och tomma textvärden räknas som 0.AVERAGEX beräkna medelvärdet på ett uttryck som utvärderas över en tabell. Moving Average. The rörliga genomsnittet är en beräkning för att analysera datapunkter genom att skapa en serie medeltal av olika delsatser av hela data Set Du kan använda många DAX-tekniker för att genomföra denna beräkning Den enklaste tekniken använder AVERAGEX, itererar ett bord med önskad granularitet och beräknar för varje iteration expres Sion som genererar den enkla datapunkten att använda i genomsnittsvärdet. Exempelvis beräknar följande formel det glidande medeltalet de senaste 7 dagarna, förutsatt att du använder en datortabell i din datormodell. Med hjälp av AVERAGEX beräknar du automatiskt åtgärden vid Varje granularitetsnivå Vid användning av en åtgärd som kan aggregeras som SUM, kan en annan metod baserad på BERÄKNING vara snabbare. Du kan hitta detta alternativa tillvägagångssätt i det fullständiga mönstret för Moving Average. Du kan använda standard DAX-funktioner för att beräkna variansen av en Uppsättning värden. VAR S returnerar varians av värden i en kolumn som representerar en provpopulation. VAR P returnerar variansen av värden i en kolumn som representerar hela populationen. VARX S returnerar variansen av ett uttryck utvärderat över en tabell som representerar en provpopulation. VARX P returnerar variansen av ett uttryck utvärderat över en tabell som representerar hela populationen. Standardavvikelse. Du kan använda standard DAX-funktioner för att beräkna E standardavvikelsen för en uppsättning värden. STDEV S returnerar standardavvikelsen för värden i en kolumn som representerar en provpopulation. STDEV P returnerar standardavvikelsen för värden i en kolumn som representerar hela populationen. STDEVX S returnerar standardavvikelsen för en Uttryck utvärderas över en tabell som representerar en provpopulation. STDEVX P returnerar standardavvikelsen för ett uttryck som utvärderas över en tabell som representerar hela populationen. Median är det numeriska värdet som skiljer den högre halvan av en population från den undre halvan Om det finns en udda antal rader, medianen är mittvärdet sorterar raderna från lägsta värde till högsta värde Om det finns ett jämnt antal rader är det genomsnittet av de två mittenvärdena Formeln ignorerar tomma värden, vilka inte anses vara delade Av befolkningen Resultatet är identiskt med MEDIAN-funktionen i Excel. Figur 1 visar en jämförelse mellan resultatet returnerat av Excel och motsvarande DAX-formel för medianberäkningen. Figur 1 Exempel på medianberäkning i Excel och DAX. Läget är det värde som oftast förekommer i en uppsättning data. Formeln ignorerar tomma värden som inte anses vara en del av befolkningen. Resultatet är identiskt med MODE och funktioner i Excel, som endast returnerar minimivärdet när det finns flera lägen i den angivna värden. Excel-funktionen skulle returnera alla lägen, men du kan inte implementera det som ett mått i DAX. Figur 2 jämför resultatet returnerat i Excel med motsvarande DAX-formel för lägesberäkningen. Figur 2 Exempel på modberäkning i Excel och DAX. Procentilen är det värde under vilket en viss procentandel av värdena i en grupp faller. Formeln ignorerar tomma värden, vilka inte anses vara delade av befolkningen Beräkningen i DAX kräver flera steg, som beskrivs i avsnittet Komplett mönster, som visar hur man får samma resultat av Excel-funktionerna PERCENTILE, och kvartilerna. är tre punkter som delar upp en uppsättning värden i fyra lika grupper. Varje grupp omfattar en fjärdedel av data. Du kan beräkna kvartilerna med hjälp av Percentilmönstret, efter dessa motsvarigheter. Första kvartil lägre kvartil 25: e percentilen. Andra kvartilmedianen 50: e percentilen. Third quartile upper quartile 75th percentileplete Pattern. A några statistiska beräkningar har en längre beskrivning av det fullständiga mönstret, eftersom du kanske har olika implementeringar beroende på datamodeller och andra requirements. Moving Average. Usually utvärderar du glidande medelvärde genom att referera till dagen Granularitetsnivå Den allmänna mallen med följande formel har dessa markörer. numberofdays är antalet dagar för det rörliga genomsnittet. Date kolumn är datumkolumnen i datumtabellen om du har en eller kolumnen för datum i tabellen som innehåller värden om det finns Ingen separat date table. measure är måttet att beräkna som glidande medel. Det enklaste mönstret använder AVERAGEX func I DAX, som automatiskt endast beaktar de dagar för vilka det finns ett värde. Som ett alternativ kan du använda följande mall i datamodeller utan en datortabell och med en åtgärd som kan aggregeras som SUM under hela perioden som beaktas . Den tidigare formuleringen anser att en dag saknar motsvarande data som en åtgärd som har 0-värde. Detta kan bara hända när du har en separat datumtabell, som kan innehålla dagar för vilka det inte finns några motsvarande transaktioner. Du kan fixa nämnaren för det genomsnittliga med hjälp av endast antalet dagar för vilka det finns transaktioner med följande mönster, where. facttable är tabellen relaterad till datumtabellen och innehåller värden som beräknas av åtgärden. Du kan använda funktionerna DATESBETWEEN eller DATESINPERIOD istället för FILTER, men dessa fungerar bara i en vanlig datum tabell, medan du kan använda det ovan beskrivna mönstret också till vanliga datum tabeller och till modeller som inte har en datortabell. Till exempel, överväga olika resultat som produceras av följande två åtgärder. I figur 3 kan du se att det inte finns någon försäljning den 11 september 2005. Detta datum ingår dock i datumtabellen så det finns 7 dagar från den 11 september till den 17 september som har Endast 6 dagar med data. Figur 3 Exempel på en rörlig genomsnittsberäkning med tanke på och ignorera datum utan försäljning. Åtgärdsgenomsnittet 7 dagar har ett lägre antal mellan 11 september och 17 september, eftersom det anser 11 september som en dag med 0 försäljning Om du vill ignorera dagar utan försäljning ska du använda åtgärden Moving Average 7 Days No Zero Det här kan vara rätt sätt när du har en fullständig datortabell men du vill ignorera dagar utan transaktioner Med hjälp av Moving Average 7 Days formel, resultatet är korrekt eftersom AVERAGEX automatiskt endast tar hänsyn till icke-tomma värden. Tänk på att du kan förbättra prestanda för ett glidande medelvärde genom att fortsätta värdet i en beräknad kolumn på ett bord med önskad granulär såsom datum eller datum och produkt. Det dynamiska beräkningsförfarandet med en åtgärd erbjuder emellertid möjligheten att använda en parameter för antalet dagar i det glidande medlet, t. ex. ersätta antal dagar med ett mått som implementerar parameterns tabellmönster. Medianen motsvarar Till den 50: e procentilen, som du kan beräkna med hjälp av percentilmönstret. Medianmönstret gör det möjligt att optimera och förenkla medianberäkningen med en enda åtgärd istället för de flera åtgärder som krävs av procentmönstret. Du kan använda denna metod när du Beräkna medianen för värden som ingår i värdesumman, enligt nedan. För att förbättra prestanda kanske du vill fortsätta värdet av en åtgärd i en beräknad kolumn om du vill få medianen för resultaten av en åtgärd i datamodellen. , innan du gör denna optimering, bör du genomföra MedianX-beräkningen baserat på följande mall, med hjälp av dessa markörer. granularitytable är tabellen som d beräknar graden av beräkningen. Exempelvis kan det vara datumdatabasen om du vill beräkna medianen för en åtgärd beräknad på dagsnivån, eller det kan vara värden Datum Årsmonter om du vill beräkna medianen av en åtgärd beräknad till månaden level. measure är måttet att beräkna för varje rad av granularitytable för median calculation. measuretable är tabellen som innehåller data som används enligt mätning. Till exempel, om granularitetstabellen är en dimension som Date, så är mätbarheten Internet Sales som innehåller Kolumnen för Internet-försäljningsbelopp summerad av Internet Total Sales-metoden. Till exempel kan du skriva medianen av Internet Total Sales för alla kunder i Adventure Works enligt följande. Tipp Följande pattern. is användes för att ta bort rader från granularitytable som inte har någon motsvarande data i det aktuella urvalet Det är ett snabbare sätt än att använda följande uttryck. Dock kan du ersätta hela CALCULATETABLE-uttrycket med bara gr Anularitytable om du vill överväga tomma värden för åtgärden som 0. Prestanda för MedianX-formel beror på antalet rader i tabellen iterated och på åtgärdens komplexitet Om prestanda är dålig kan du fortsätta att måttet resulterar i en Beräknad kolumn i tabellen, men detta kommer att ta bort möjligheten att tillämpa filter på medianberäkningen vid frågan. Excel har två olika implementeringar av percentilberäkning med tre funktioner PERCENTILE, och De returnerar alla K-th-procenten av värden, där K ligger inom intervallet 0 till 1 Skillnaden är den PERCENTILE och anser K som ett inkluderande intervall, samtidigt som K-intervallet 0 till 1 är exklusivt. Alla dessa funktioner och deras DAX-implementeringar får ett procentilvärde som parameter, som vi kallar KK percentilvärdet ligger inom intervallet 0 till 1. De två DAX-implementeringarna av percentil kräver några åtgärder som är likartade men tillräckligt olika för att kräva två olika uppsättningar av formler. Åtgärden s definieras i varje mönster är. KPerc Det procentuella värdet det motsvarar K. PercPos Positionen för percentilen i den sorterade uppsättningen värden. ValueLösenordet Värdet under percentilpositionen. ValueHögt Värdet över procentuellt läge. Percentil Den slutliga beräkningen av percentilen. Du behöver ValueLow och ValueHigh-åtgärderna om PercPos innehåller en decimaldel, för då måste du interpolera mellan ValueLow och ValueHigh för att returnera rätt percentilvärde. Figur 4 visar ett exempel på beräkningarna som gjorts med Excel och DAX-formler, med båda algoritmerna för percentil inklusive och exklusiva. Figur 4 Percentilberäkningar med Excel-formler och motsvarande DAX-beräkning. I följande avsnitt utförs Percentile-formlerna beräkningen på värden som lagras i en tabellkolumn, Data Value, medan PercentileX Formler exekverar beräkningen på värden som returneras av en åtgärd beräknad vid en given granularitet. Percentile Inclusive. The Percentile Inclusive implementation är följande. Percentile Exclusive. The Percentile Exclusive implementation är följande. PercentileX Inclusive. The Implementation PercentileX Inclusive är baserat på följande mall, med hjälp av dessa markörer. Granularitytable är tabellen som definierar beräkningsgrunderna. Till exempel, Det kan vara datumtabellen om du vill beräkna procentilen för en åtgärd på dagsnivån, eller det kan vara värden Datum Årsmonter om du vill beräkna procentilen för en åtgärd på månadsnivån. Mätning är åtgärden att beräkna för varje rad av granularitetstabell för percentilberäkning. Measuretable är tabellen innehållande data som används enligt mätning. Till exempel, om granularitetstabellen är en dimension som Date, så är mätvärdet Försäljning innehållande kolumnen Summan summerad med Totalbeloppet. Du kan skriva PercentileXInc av Totalsumman av Försäljningen för alla datum i datumtabellen enligt följande. PercentileX Exc lusive. The PercentileX Exklusiv implementering baseras på följande mall, med samma markörer som används i PercentileX Inclusive. Till exempel kan du skriva PercentileXExc av Total försäljningsbelopp för alla datum i datumtabellen enligt följande. Håll mig informerad om kommande mönster nyhetsbrev Avmarkera för att ladda ner filen fritt. Publicerad den 17 mars 2014 av. SQL Server Denali PowerPivot. Alberto Ferrari skrev redan om att beräkna glidande medelvärden i DAX med hjälp av en beräknad kolumn. Jag skulle vilja presentera en annan metod här med hjälp av en beräknad åtgärd För glidande medelvärde beräknar jag ett dagligt glidande medelvärde de senaste 30 dagarna här. För mitt exempel använder jag PowerPivot-arbetsboken som kan hämtas som en del av SSAS-tabellmodellprojekten från Deali CTP 3-proverna. Det här inlägget, jag utvecklar formeln steg för steg Men om du har bråttom kanske du direkt vill hoppa till de slutliga resultaten nedan. Med kalenderåret 2003 på filtret, d Åt i kolumner och försäljningsbelopp från bordets Internet-försäljning i detaljerna, ser exempeldata ut. I varje rads sammanhang ger uttrycket Date Date det aktuella sammanhanget, dvs datumet för den här raden. Men från en beräknad åtgärd kan vi inte referera till det här uttrycket eftersom det inte finns någon aktuell rad för datumtabellen, istället måste vi använda ett uttryck som LastDate Date Date. So för att få de senaste trettio dagarna kan vi använda detta uttryck. Vi kan nu sammanfatta vår internetförsäljning för var och en av dessa dagar med hjälp av sammanfattningsfunktionen. Summarize DateInPeriod Date Date, LastDate Date Date, -30, DAY, Date Date SalesAmountSum Summa Internet Sales Sales Amount. And äntligen använder vi DAX-funktionen AverageX för att beräkna genomsnittet av de 30 värden. Saldot belopp 30d avg AverageX Summarize DatesInPeriod Date Date, Date Date, -30, DAY, Date Date SalesAmountSum Summa Internet Sales Sales Amount, SalesAmountSum. This är den beräkning som vi använder i vår Internet Sales tabell som visas i skärmdumpen nedan. När du lägger till denna beräkning till pivottabellen ovanifrån ser resultatet ut så här. Ser vi på resultatet verkar det som om vi inte har några data före 1 januari 2003. Det första värdet för glidande medelvärdet är identiskt med dagvärdet finns inga rader före det datumet Det andra värdet för glidande medelvärdet är faktiskt genomsnittet för de första två dagarna och så vidare Detta är inte riktigt men jag kommer tillbaka till det här problemet på en sekund Skärmdumpen visar Beräkningen för glidande medelvärdet av den 31 januari som genomsnittet av de dagliga värdena från 2 januari till 31.Our beräknade åtgärd fungerar också bra när filter tillämpas. I följande skärmdump använde jag två produktkategorier för dataserierna. Hur gör vår beräknad åtgärd arbete på högre aggregeringsnivåer För att få reda på, jag m använder kalenderhierarkin på raderna istället för datum För enkelhet tog jag bort terminen och kvartalet med hjälp av Excel s pivottabellalternativ Visa Dölj fältalternativ. Som du kan se fungerar kalkylen fortfarande bra Här är månadsaggregatet det rörliga genomsnittet för den sista dagen i den specifika månaden. Du kan se detta tydligt för januarivärdet på 14.215 01 visas också i skärmbilden ovan som värde för 31 januari Om det här var företagskravet som låter rimligt för ett dagligt genomsnitt, fungerar aggregationen bra på månadsnivå annars kommer vi att behöva finjustera vår beräkning och detta kommer att vara ett ämne för kommande post. Men även om aggregering är meningsfullt på månadsnivå, om vi utvidgar den här vyn till dagsnivån så ser du att vår beräknade åtgärd helt enkelt återvänder försäljningsbeloppet för den dagen, inte medeltalet de senaste 30 dagarna. Hur kan detta vara Problemresultatet från det sammanhang där vi beräknar vår summa, vilket framgår av följande kod. Sala Belopp 30d avg GenomsnittX Summa datumdatum Datum Datum, sista datum Datum, -30, DAG, Datum Datum FörsäljningAmountSum Summa Internet Försäljning Försäljningsbelopp, SalesAmountSum. Since vi utvärderar detta uttryck under den angivna datumperioden är det enda sammanhanget som överskridits här Datum Datum I vår hierarki använder vi oss av olika attribut från vår dimension Kalender År, Månad och Dag Månad Eftersom denna kontext är Fortfarande närvarande, beräknas även beräkningen av dessa attribut. Och det förklarar varför vi nuvarande kontext fortfarande finns för varje rad. För att klargöra det, så länge vi utvärderar detta uttryck utanför ett datumkontext, är allt bra som Följande DAX-fråga visar när den körs av Management Studio på Internet-försäljningsperspektivet av vår modell med hjälp av tabelldatabasen med samma data. utvärdera summera datumintervall Datum Datum, datum 2003,1,1, -5, DAG, datum Datum FörsäljningAmountSum Sum Internet Försäljningsandel. Här reducerade jag tidsperioden till 5 dagar och ställde också in ett fast datum eftersom LastDate skulle resultera i den sista dagen för min datumdimensionstabell för vilken inga data finns i samp le data Här är resultatet av frågan. Men efter att ha satt ett filter till 2003 kommer inga data rader utanför 2003 att inkluderas i summan. Detta förklarar anmärkningen ovan. Det såg ut som att vi endast har data från och med 1 januari 2003 Och nu vet vi varför år 2003 var på filtret som du kan se i det första skärmbildet av detta inlägg och var därför närvarande vid beräkningen av summan Nu är allt vi behöver göra för att bli av med de extra filtren eftersom Vi filtrerar redan våra resultat efter datum Det enklaste sättet att göra det är att använda Calculate-funktionen och tillämpa ALL för alla attribut som vi vill ta bort filtret. Eftersom vi har några av attributen År, Månad, Dag, Veckodag, och vi vill ta bort filtret från alla men datumattributet är genvägsfunktionen ALLEXCEPT mycket användbar här. Om du har en MDX-bakgrund kommer du att undra varför vi inte får ett liknande problem när du använder SSAS i OLAP-läge BISM Flerdimensionell Anledningen är att vår OLAP d Atabas har attribut förhållanden, så efter att ha satt datumnyckel attributet ändras de andra attributen automatiskt också och vi behöver inte ta hand om det här se mitt inlägg här Men i tabellmodellen har vi inte attribut förhållanden inte ens en sann nyckel attribut och därför måste vi eliminera oönskade filter från våra beräkningar. Så här är vi med. Salvbeloppet 30d avg AverageX Summarize dateinperiod Datum Datum, Sista Datum Datum, -30, DAG, Datum Datum FörsäljningAmountSum Beräkna Summa Internet Försäljningsbelopp, ALLEXCEPT Date, Date Date, SalesAmountSum. And detta är vårt sista pivottabell i Excel. För att illustrera det glidande genomsnittet, här är det samma extraktet av data i en grafisk vy Excel. Trots att vi filtrerade våra data 2003 var det rörliga genomsnittet för de första 29 dagar 2003 korrekt tar hänsyn till motsvarande dagar 2002 Du kommer att känna igen värdena för 30 och 31 januari från vårt första tillvägagångssätt eftersom dessa var de första dagarna för vilka vår första beräkning På hade en tillräcklig mängd data full 30 dagar.