12 Monat Bewegen Durchschnitt Excel




12 Monat Bewegen Durchschnitt ExcelMoving Average Dieses Beispiel lehrt, wie Sie den gleitenden Durchschnitt einer Zeitreihe in Excel berechnen. Eine Bewegung wird verwendet, um Unregelma?igkeiten (Spitzen und Taler) zu glatten, um Trends leicht zu erkennen. 1. Erstens, werfen wir einen Blick auf unsere Zeitreihe. 2. Klicken Sie auf der Registerkarte Daten auf Datenanalyse. Hinweis: Klicken Sie hier, um das Analyse-ToolPak-Add-In zu laden. 3. Wahlen Sie Verschiebender Durchschnitt aus, und klicken Sie auf OK. 4. Klicken Sie im Feld Eingabebereich auf den Bereich B2: M2. 5. Klicken Sie in das Feld Intervall und geben Sie 6 ein. 6. Klicken Sie in das Feld Ausgabebereich und wahlen Sie Zelle B3 aus. 8. Zeichnen Sie ein Diagramm dieser Werte. Erlauterung: Da wir das Intervall auf 6 setzen, ist der gleitende Durchschnitt der Durchschnitt der letzten 5 Datenpunkte und der aktuelle Datenpunkt. Als Ergebnis werden Spitzen und Taler geglattet. Die Grafik zeigt eine zunehmende Tendenz. Excel kann den gleitenden Durchschnitt fur die ersten 5 Datenpunkte nicht berechnen, da nicht genugend fruhere Datenpunkte vorhanden sind. 9. Wiederholen Sie die Schritte 2 bis 8 fur Intervall 2 und Intervall 4. Fazit: Je gro?er das Intervall, desto mehr werden die Spitzen und Taler geglattet. Je kleiner das Intervall, desto naher sind die gleitenden Mittelwerte, um die tatsachlichen Datenpunkte. Rolling 12 Monate Durchschnitt im DAX Berechnung der rollenden 12-Monats-Durchschnitt in DAX sieht aus wie eine einfache Aufgabe, aber es verbirgt sich etwas Komplexitat. Dieser Artikel beschreibt, wie die beste Formel zu schreiben, um haufige Fallstricke mit Zeit Intelligenz Funktionen zu vermeiden. Wir beginnen mit dem ublichen AdventureWorks Datenmodell mit Produkten, Verkauf und Kalender Tabelle. Der Kalender wurde als Kalender-Tabelle markiert (es ist notwendig, mit jeder Zeit Intelligenz-Funktion zu arbeiten) und wir bauten eine einfache Hierarchie Jahr-Monat-Datum. Mit dieser Einrichtung ist es sehr einfach, eine erste PivotTable zu erstellen, die den Umsatz im Laufe der Zeit zeigt: Wenn Trendanalysen durchgefuhrt werden, wenn der Verkauf saisonal bedingt ist oder allgemeiner, wenn Sie den Effekt von Spitzen und Tropfen im Verkauf entfernen mochten, Gemeinsame Technik ist, dass der Berechnung der Wert uber einen bestimmten Zeitraum, in der Regel 12 Monate, und durchschnittlich. Der rollende Durchschnitt uber 12 Monate bietet einen reibungslosen Indikator fur den Trend und ist sehr nutzlich in Charts. Angesichts eines Datums konnen wir den zwolfmonatigen fortlaufenden Durchschnitt mit dieser Formel berechnen, die noch einige Probleme hat, die wir spater losen werden: Das Verhalten der Formel ist einfach: es berechnet den Wert von Sales nach dem Erstellen eines Filters auf dem Kalender, der Zeigt genau ein Jahr voller Daten. Der Kern der Formel ist das DATESBETWEEN, das einen inklusiven Satz von Daten zwischen den beiden Grenzen zuruckgibt. Der untere Punkt lautet: Lesen aus dem Innersten: Wenn wir Daten fur einen Monat zeigen, sagen wir Juli 2007, nehmen wir das letzte sichtbare Datum mit LASTDATE, das den letzten Tag im Juli 2007 zuruckgibt. Dann benutzen wir NEXTDAY, um den 1. zu nehmen Von August 2007 und wir verwenden schlie?lich SAMEPERIODLASTYEAR, um es zuruck zu verschieben ein Jahr, mit dem 1. August 2006. Die obere Grenze ist einfach LASTDATE, dh Ende Juli 2007. Wenn wir diese Formel in einer PivotTable verwenden, sieht das Ergebnis gut aus, aber wir Haben Sie ein Problem fur das letzte Datum: In der Tat, wie Sie in der Figur sehen konnen, wird der Wert bis 2008 korrekt berechnet. Dann gibt es keinen Wert im Jahr 2009 (was richtig ist, haben wir nicht Umsatz im Jahr 2009), aber es gibt Ein uberraschender Wert im Dezember 2010, wo unsere Formel zeigt die Gesamtsumme statt einen leeren Wert, wie wir erwarten wurden. In der Tat, am Dezember gibt LASTDATE den letzten Tag des Jahres und NEXTDAY sollte am 1. Januar 2011 zuruckgegeben werden. Aber NEXTDAY ist eine Zeit-Intelligenz-Funktion und es wird erwartet, dass Satze von bestehenden Daten zuruckzugeben. Diese Tatsache ist nicht sehr offensichtlich und es ist ein paar Worte mehr wert. Zeit-Intelligenz-Funktionen fuhren keine mathematische Daten aus. Wenn Sie den Tag nach einem bestimmten Datum nehmen mochten, konnen Sie einfach 1 zu einer beliebigen Datumsspalte hinzufugen und das Ergebnis ist der nachste Tag. Stattdessen verschieben Zeit-Intelligenz-Funktionen Mengen von Datum hin und her im Laufe der Zeit. So nimmt NEXTDAY seine Eingabe (in unserem Fall eine einreihige Tabelle mit dem 31. Dezember 2010) auf und verschiebt es einen Tag spater. Das Problem ist, dass das Ergebnis 1. Januar 2011 sein sollte, aber da die Kalendertabelle dieses Datum nicht enthalt, ist das Ergebnis BLANK. So berechnet unser Ausdruck Umsatz mit einem leeren unteren Grenze, die den Beginn der Zeit bedeutet, was als Ergebnis der Gesamtsumme der Verkaufe bedeutet. Um die Formel zu korrigieren, genugt es, die Auswertungsreihenfolge der unteren Grenze zu andern: Wie Sie sehen konnen, wird NEXTDAY nach der Umschaltung von einem Jahr aufgerufen. Auf diese Weise nehmen wir 31 Dezember 2010, verschieben Sie es auf 31 Dezember 2009 und nehmen Sie am nachsten Tag, der 1. Januar 2010 ist: ein vorhandenes Datum in der Kalender-Tabelle. Das Ergebnis ist nun das Erwartete: An dieser Stelle mussen wir nur diese Zahl durch 12 dividieren, um den rollenden Durchschnitt zu erhalten. Aber, wie Sie sich leicht vorstellen konnen, konnen wir nicht immer durch 12 teilen. In der Tat, am Anfang der Zeit gibt es nicht 12 Monate zu aggregieren, sondern eine niedrigere Zahl. Wir mussen die Anzahl der Monate berechnen, fur die es Verkaufe gibt. Dies kann durch Cross-Filterung der Kalender-Tabelle mit der Verkaufstabelle, nachdem wir den neuen 12 Monate Kontext angewendet werden, erreicht werden. Wir definieren eine neue Kennzahl, die die Anzahl der bestehenden Monate im Zeitraum von 12 Monaten berechnet: Sie konnen in der nachsten Abbildung sehen, dass die Months12M-Methode einen korrekten Wert berechnet: Es ist zu beachten, dass die Formel nicht funktioniert, wenn Sie einen Zeitraum wahlen Langer als 12 Monate, da der CalendarMonthName nur 12 Werte hat. Wenn Sie langere Zeitraume benotigen, mussen Sie eine YYYYMM-Spalte verwenden, um mehr als 12 zahlen zu konnen. Der interessante Teil dieser Formel, die die Kreuzfilterung verwendet, ist die Tatsache, dass sie die Anzahl der verfugbaren Monate berechnet, auch wenn Sie andere Filter verwenden Attribute. Wenn Sie zum Beispiel die blaue Farbe mit einem Slicer auswahlen, dann starten Sie im Juli 2007 (nicht im Jahr 2005, wie es fur viele andere Farben passiert). Mit dem Cross-Filter von Sales berechnet die Formel korrekt, dass es im Juli 2007 einen einmonatigen Verkaufsumsatz fur Blue gibt: An diesem Punkt ist der rollende Durchschnitt nur ein DIVIDE weg: Wenn wir ihn in einer Pivot-Tabelle verwenden, sind wir noch Haben ein kleines Problem: Tatsachlich wird der Wert auch fur Monate berechnet, fur die es keine Verkaufe gibt (dh zukunftige Monate): Dies kann mit einer IF-Anweisung gelost werden, um zu verhindern, dass die Formel Werte anzeigt, wenn es keine Verkaufe gibt. Ich habe nichts gegen IF, aber fur die Performance-suchtig unter euch, es ist immer daran zu erinnern, dass IF ein Performance-Killer sein konnte, denn es konnte DAX Formel Motor Kraft treten in. In diesem speziellen Fall ist der Unterschied vernachlassigbar, aber , In der Regel der beste Weg, um den Wert zu entfernen, wenn es keine Verkaufe gibt, ist auf reine Speicher-Engine-Formeln wie folgt verlassen: Vergleich eines Diagramms mit dem Avg12M mit einem anderen, die Verkaufe zeigt, konnen Sie leicht zu schatzen wissen, wie der rollende Durchschnitt Umrei?t Trends in viel sauberer Weise: Halten Sie mich informiert uber kommende Artikel (Newsletter). Deaktivieren Sie die Datei frei herunterladen.