Powerpivot média móvel dax

O DAX inclui algumas funções de agregação estatística, como média, variância e desvio padrão. Outros cálculos estatísticos típicos exigem que você escreva expressões DAX mais longas. Excel, deste ponto de vista, tem uma linguagem muito mais rica. Os padrões estatísticos são uma coleção de cálculos estatísticos comuns: mediana, modo, média móvel, percentil e quartil. Gostaríamos de agradecer a Colin Banfield, Gerard Brueckl e Javier Guilln, cujos blogs inspiraram alguns dos seguintes padrões. Exemplo de padrão básico As fórmulas neste padrão são as soluções para cálculos estatísticos específicos. Você pode usar as funções DAX padrão para calcular a média (média aritmética) de um conjunto de valores. MÉDIA . Retorna a média de todos os números em uma coluna numérica. AVERAGEA. Retorna a média de todos os números em uma coluna, manipulando texto e valores não-numéricos (valores de texto não-numéricos e vazios como 0). AVERAGEX. Calcule a média em uma expressão avaliada em uma tabela. Média móvel A média móvel é um cálculo para analisar pontos de dados criando uma série de médias de diferentes subconjuntos do conjunto de dados completo. Você pode usar muitas técnicas DAX para implementar esse cálculo. A técnica mais simples é usar AVERAGEX, iterando uma tabela da granularidade desejada e calculando para cada iteração a expressão que gera o único ponto de dados para usar na média. Por exemplo, a seguinte fórmula calcula a média móvel nos últimos 7 dias, assumindo que você está usando uma tabela de data em seu modelo de dados. Usando AVERAGEX, você calcula automaticamente a medida em cada nível de granularidade. Ao usar uma medida que pode ser agregada (como SUM), então outra abordagem baseada em CALCULATE pode ser mais rápida. Você pode encontrar essa abordagem alternativa no padrão completo de média móvel. Você pode usar as funções DAX padrão para calcular a variância de um conjunto de valores. VAR. S. Retorna a variância de valores em uma coluna que representa uma amostra de população. VAR. P. Retorna a variância dos valores em uma coluna que representa a população inteira. VARX. S. Retorna a variância de uma expressão avaliada em uma tabela que representa uma amostra de população. VARX. P. Retorna a variância de uma expressão avaliada em uma tabela que representa toda a população. Desvio padrão Você pode usar as funções DAX padrão para calcular o desvio padrão de um conjunto de valores. STDEV. S. Retorna o desvio padrão de valores em uma coluna que representa uma amostra de população. STDEV. P. Retorna o desvio padrão de valores em uma coluna que representa toda a população. STDEVX. S. Retorna o desvio padrão de uma expressão avaliada em uma tabela que representa uma amostra de população. STDEVX. P. Retorna o desvio padrão de uma expressão avaliada em uma tabela que representa toda a população. A mediana é o valor numérico que separa a metade mais alta de uma população da metade inferior. Se houver um número ímpar de linhas, a mediana é o valor do meio (classificando as linhas do valor mais baixo para o valor mais alto). Se houver um número par de linhas, é a média dos dois valores médios. A fórmula ignora os valores em branco, que não são considerados parte da população. O resultado é idêntico à função MEDIAN no Excel. A Figura 1 mostra uma comparação entre o resultado retornado pelo Excel e a fórmula DAX correspondente para o cálculo médio. Figura 1 Exemplo de cálculo mediano no Excel e DAX. O modo é o valor que aparece mais frequentemente em um conjunto de dados. A fórmula ignora os valores em branco, que não são considerados parte da população. O resultado é idêntico às funções MODE e MODE. SNGL no Excel, que retornam apenas o valor mínimo quando existem vários modos no conjunto de valores considerados. A função Excel MODE. MULT retornaria todos os modos, mas você não pode implementá-lo como uma medida no DAX. A Figura 2 compara o resultado retornado pelo Excel com a fórmula DAX correspondente para o cálculo do modo. Figura 2 Exemplo de cálculo de modo no Excel e no DAX. Percentile O percentil é o valor abaixo do qual uma determinada porcentagem de valores em um grupo cai. A fórmula ignora os valores em branco, que não são considerados parte da população. O cálculo no DAX requer várias etapas, descritas na seção Padrão Completo, que mostra como obter os mesmos resultados das funções do Excel PERCENTILE, PERCENTILE. INC e PERCENTILE. EXC. Os quartis são três pontos que dividem um conjunto de valores em quatro grupos iguais, cada grupo compreendendo um quarto dos dados. Você pode calcular os quartis usando o padrão de Percentile, seguindo estas correspondências: Primeiro quartil quartil inferior 25º percentil Segunda quartil mediana 50º percentil Terceiro quartil quartil superior 75º percentil Padrão completo Alguns cálculos estatísticos têm uma descrição mais longa do padrão completo, porque Você pode ter implementações diferentes dependendo de modelos de dados e outros requisitos. Média móvel Normalmente, você avalia a média móvel fazendo referência ao nível de granularidade do dia. O modelo geral da seguinte fórmula possui esses marcadores: ltnumberofdaysgt é o número de dias para a média móvel. Ltdatecolumngt é a coluna de data da tabela de datas se você tiver uma ou a coluna de data da tabela contendo valores se não houver uma tabela de datas separada. Ltmeasuregt é a medida para calcular como a média móvel. O padrão mais simples usa a função AVERAGEX no DAX, que automaticamente considera apenas os dias para os quais há um valor. Como alternativa, você pode usar o seguinte modelo em modelos de dados sem uma tabela de datas e com uma medida que pode ser agregada (como SUM) durante todo o período considerado. A fórmula anterior considera um dia sem dados correspondentes como uma medida que possui 0 valor. Isso pode acontecer apenas quando você possui uma tabela de datas separada, que pode conter dias para os quais não há transações correspondentes. Você pode corrigir o denominador para a média usando apenas o número de dias para os quais há transações usando o seguinte padrão, onde: ltfacttablegt é a tabela relacionada à tabela de datas e contendo valores calculados pela medida. Você pode usar as funções DATESBETWEEN ou DATESINPERIOD em vez de FILTER, mas elas funcionam apenas em uma tabela de data normal, enquanto você pode aplicar o padrão descrito acima também a tabelas de datas não regulares e a modelos que não possuem tabela de data. Por exemplo, considere os diferentes resultados produzidos pelas duas medidas a seguir. Na Figura 3, você pode ver que não há vendas em 11 de setembro de 2005. No entanto, esta data está incluída na tabela de datas, portanto, há 7 dias (de 11 de setembro a 17 de setembro) com apenas 6 dias com dados. Figura 3 Exemplo de um cálculo da Média Mover considerando e ignorando datas sem vendas. A medida Média móvel 7 dias tem um número menor entre 11 de setembro e 17 de setembro, porque considera o 11 de setembro como um dia com 0 vendas. Se quiser ignorar dias sem vendas, use a medida Média móvel 7 dias sem zero. Esta pode ser a abordagem certa quando você possui uma tabela de data completa, mas deseja ignorar dias sem transações. Usando a fórmula Mover média 7 dias, o resultado é correto porque AVERAGEX considera automaticamente apenas valores não em branco. Tenha em mente que você pode melhorar o desempenho de uma média móvel, persistiendo o valor em uma coluna calculada de uma tabela com a granularidade desejada, como data, data ou produto. No entanto, a abordagem de cálculo dinâmico com uma medida oferece a capacidade de usar um parâmetro para o número de dias da média móvel (por exemplo, substituir ltnumberofdaysgt por uma medida que implementa o padrão da Tabela de Parâmetros). A mediana corresponde ao percentil 50, que você pode calcular usando o padrão Percentile. No entanto, o padrão Mediano permite otimizar e simplificar o cálculo mediano usando uma única medida, em vez das diversas medidas exigidas pelo padrão Percentile. Você pode usar essa abordagem quando você calcula a mediana para os valores incluídos no ltvaluecolumngt, conforme mostrado abaixo: Para melhorar o desempenho, você pode querer persistir o valor de uma medida em uma coluna calculada, se desejar obter a mediana para os resultados de Uma medida no modelo de dados. No entanto, antes de fazer essa otimização, você deve implementar o cálculo MedianX com base no seguinte modelo, usando esses marcadores: ltgranularitytablegt é a tabela que define a granularidade do cálculo. Por exemplo, pode ser a tabela Data se você deseja calcular a mediana de uma medida calculada no nível do dia, ou pode ser VALORES (8216DateYearMonth) se você deseja calcular a mediana de uma medida calculada no nível do mês. Ltmeasuregt é a medida para calcular para cada linha de ltgranularitytablegt para o cálculo mediano. Ltmeasuretablegt é a tabela contendo dados usados ​​pelo ltmeasuregt. Por exemplo, se o ltgranularitytablegt for uma dimensão como 8216Date8217, então o ltmeasuretablegt será 8216Internet Sales8217 contendo a coluna de Quantidade de Vendas da Internet somada pela medida Internet Total Sales. Por exemplo, você pode escrever a mediana de Internet Total Sales para todos os Clientes em Adventure Works da seguinte maneira: Dica O seguinte padrão: é usado para remover linhas do ltgranularitytablegt que não possuem dados correspondentes na seleção atual. É uma maneira mais rápida do que usar a seguinte expressão: No entanto, você pode substituir toda a expressão CALCULATETÁVEL com apenas ltgranularitytablegt se você quiser considerar os valores em branco do ltmeasuregt como 0. O desempenho da fórmula MedianX depende do número de linhas no Mesa iterada e sobre a complexidade da medida. Se o desempenho for ruim, você pode persistir o resultado do ltmeasuregt em uma coluna calculada do lttablegt, mas isso eliminará a capacidade de aplicar filtros ao cálculo mediano no horário da consulta. O Percentile Excel possui duas implementações diferentes do cálculo percentil com três funções: PERCENTILE, PERCENTILE. INC e PERCENTILE. EXC. Todos retornam o percentil K dos valores, onde K está no intervalo de 0 a 1. A diferença é que PERCENTILE e PERCENTILE. INC consideram K como um intervalo inclusivo, enquanto o PERCENTILE. EXC considera o intervalo K de 0 a 1 como exclusivo . Todas essas funções e suas implementações DAX recebem um valor percentil como parâmetro, que chamamos de valor do percentil K. ltKgt está no intervalo 0 a 1. As duas implementações DAX do percentil requerem algumas medidas semelhantes, mas diferentes o suficiente para exigir Dois conjuntos diferentes de fórmulas. As medidas definidas em cada padrão são: KPerc. O valor percentil corresponde a ltKgt. PercPos. A posição do percentil no conjunto de valores ordenados. ValueLow. O valor abaixo da posição percentil. ValueHigh. O valor acima da posição percentil. Percentile. O cálculo final do percentil. Você precisa das medidas ValueLow e ValueHigh caso o PercPos contenha uma parte decimal, pois então você deve interpolar entre ValueLow e ValueHigh para retornar o valor do percentil correto. A Figura 4 mostra um exemplo dos cálculos feitos com fórmulas de Excel e DAX, usando ambos os algoritmos do percentil (inclusivo e exclusivo). Figura 4 Cálculos de percentil usando fórmulas do Excel e o cálculo equivalente do DAX. Nas seções a seguir, as fórmulas Percentile executam o cálculo em valores armazenados em uma coluna de tabela, DataValue, enquanto as fórmulas PercentileX executam o cálculo em valores retornados por uma medida calculada em uma granularidade dada. Percentile Inclusive The Percentile A implementação inclusiva é a seguinte. Percentile Exclusive The Percentile A implementação exclusiva é a seguinte. PercentileX Inclusive A implementação PercentileX Inclusive é baseada no seguinte modelo, usando estes marcadores: ltgranularitytablegt é a tabela que define a granularidade do cálculo. Por exemplo, pode ser a tabela Data se você deseja calcular o percentil de uma medida no nível do dia, ou pode ser VALORES (8216DateYearMonth) se você deseja calcular o percentil de uma medida no nível do mês. Ltmeasuregt é a medida para calcular para cada linha de ltgranularitytablegt para cálculos percentis. Ltmeasuretablegt é a tabela contendo dados usados ​​pelo ltmeasuregt. Por exemplo, se o ltgranularitytablegt for uma dimensão tal como 8216Date, 8217, o ltmeasuretablegt será 8216Sales8217 contendo a coluna Montante somada pela medida Total Montante. Por exemplo, você pode escrever o PercentileXInc da quantidade total de vendas para todas as datas na tabela de data da seguinte forma: PercentileX Exclusive A implementação exclusiva do PercentileX é baseada no modelo a seguir, usando os mesmos marcadores usados ​​no PercentileX Inclusive: por exemplo, você Pode escrever o PercentileXExc do valor total das vendas para todas as datas na tabela de data da seguinte forma: Mantenha-me informado sobre os próximos padrões (boletim informativo). Desmarque para baixar livremente o arquivo. Publicado em 17 de março de 2017 por ROLANDO DE 12 MESES EM DAX Computing, a média de 12 meses em DAX parece uma tarefa simples, mas esconde alguma complexidade. Este artigo explica como escrever a melhor fórmula evitando armadilhas comuns usando funções de inteligência de tempo. Começamos com o modelo usual de dados AdventureWorks, com produtos, vendas e tabela de calendário. O Calendário foi marcado como uma tabela de calendário (é necessário trabalhar com qualquer função de inteligência do tempo) e nós construímos uma hierarquia simples ano-mês-data. Com esta configuração, é muito fácil criar uma primeira tabela dinâmica mostrando vendas ao longo do tempo: ao fazer análise de tendências, se as vendas estiverem sujeitas à sazonalidade ou, em geral, se você deseja remover o efeito de picos e queda nas vendas, A técnica comum é a de calcular o valor em um determinado período, geralmente 12 meses, e a média. A média móvel em 12 meses fornece um indicador suave da tendência e é muito útil em gráficos. Dado uma data, podemos calcular a média móvel de 12 meses com esta fórmula, que ainda possui alguns problemas que resolveremos mais tarde: O comportamento da fórmula é simples: calcula o valor de Vendas depois de criar um filtro no calendário que Mostra exatamente um ano completo de dados. O núcleo da fórmula é o DATESBETWEEN, que retorna um conjunto inclusivo de datas entre os dois limites. O menor é: lendo-o do mais íntimo: se estamos mostrando dados por um mês, digamos, julho de 2007, tomamos a última data visível usando LASTDATE, que retorna o último dia em julho de 2007. Então, usamos NEXTDAY para tomar o primeiro De agosto de 2007 e finalmente usamos SAMEPERIODLASTYEAR para mudar de volta um ano, produzindo 1 de agosto de 2006. O limite superior é simplesmente LASTDATE, ou seja, final de julho de 2007. Se usarmos esta fórmula em uma tabela dinâmica, o resultado parece ser bom, mas nós Tem um problema para a última data: de fato, como você pode ver na figura, o valor é calculado corretamente até 2008. Então, não há valor em 2009 (o que é correto, não temos vendas em 2009), mas existe Um valor surpreendente em dezembro de 2018, onde nossa fórmula mostra o grande total em vez de um valor em branco, como seria de esperar. Na verdade, em dezembro, o LASTDATE retorna o último dia do ano e NEXTDAY deve retornar o 1 de janeiro de 2017. Mas NEXTDAY é uma função de inteligência do tempo e espera-se que retornem conjuntos de datas existentes. Este fato não é muito evidente e vale mais algumas palavras. As funções de inteligência do tempo não executam matemática nas datas. Se você quiser tomar um dia após uma determinada data, você pode simplesmente adicionar 1 a qualquer coluna de data e o resultado será no dia seguinte. Em vez disso, as funções de inteligência do tempo mudam os conjuntos de datas de ida e volta ao longo do tempo. Assim, NEXTDAY adquire a sua entrada (no nosso caso uma tabela de uma única linha com o 31 de dezembro de 2018) e desloca-a um dia depois. O problema é que o resultado deve ser 1 de janeiro de 2017, mas, como a tabela do Calendário não contém essa data, o resultado é BLANK. Assim, nossa expressão calcula as vendas com um limite inferior em branco, o que significa o início dos tempos, resultando como resultado do grande total de vendas. Para corrigir a fórmula, basta alterar a ordem de avaliação do limite inferior: como você pode ver, agora NEXTDAY é chamado após a mudança de um ano de volta. Desta forma, nós levamos 31 de dezembro de 2018, movê-lo para 31 de dezembro de 2009 e levamos no dia seguinte, que é 1 de janeiro de 2018: uma data existente na tabela do calendário. O resultado é agora o esperado: neste ponto, precisamos apenas dividir esse número em 12 para obter a média móvel. Mas, como você pode facilmente imaginar, nem sempre podemos dividi-lo em 12. De fato, no início do período não há 12 meses para agregar, mas um número menor. Precisamos calcular o número de meses para os quais há vendas. Isso pode ser feito usando a filtragem cruzada da tabela do calendário com a tabela de vendas depois de aplicarmos o novo contexto de 12 meses. Definimos uma nova medida que calcula o número de meses existentes no período de 12 meses: você pode ver na próxima figura que a medida Mess12M calcula um valor correto: Vale ressaltar que a fórmula não funciona se você escolher um período Mais de 12 meses, porque o CalendarMonthName possui apenas 12 valores. Se você precisar de períodos mais longos, você precisará usar uma coluna YYYYMM para poder contar mais do que 12. A parte interessante desta fórmula que usa filtragem cruzada é o fato de que ele calcula o número de meses disponíveis mesmo quando você filtra usando outro atributos. Se, por exemplo, você selecionar a cor azul usando um cortador, as vendas começam em julho de 2007 (não em 2005, como acontece com muitas outras cores). Usando o filtro cruzado em Vendas, a fórmula calcula corretamente que, em julho de 2007, há um único mês de vendas disponíveis para o Blue: neste ponto, a média móvel é apenas um DIVIDE: quando usamos isso em uma tabela dinâmica, nós ainda Tem um pequeno problema: de fato, o valor é calculado também por meses para os quais não há vendas (ou seja, meses futuros): isso pode ser resolvido usando uma declaração IF para evitar que a fórmula mostre valores quando não há vendas. Eu não tenho nada contra IF, mas, para o desempenho viciado em você, sempre vale a pena lembrar que IF pode ser um assassino do desempenho, porque poderia forçar o mecanismo de fórmula DAX a entrar. Neste caso específico, a diferença é insignificante, mas , Como regra geral, a melhor maneira de remover o valor quando não há vendas é confiar em fórmulas de mecanismo de armazenamento puro como esta: Comparando um gráfico usando o Avg12M com outro que mostra Vendas, você pode facilmente apreciar como a média móvel Descreve as tendências de uma maneira muito mais limpa: mantenha-me informado sobre os próximos artigos (boletim informativo). Desmarque para baixar livremente o arquivo. SQL Server Denali PowerPivot Alberto Ferrari já escreveu sobre o cálculo de médias móveis em DAX usando uma coluna calculada. Gostaria de apresentar uma abordagem diferente aqui usando uma medida calculada. Para a média móvel, calculo uma média móvel diária (nos últimos 30 dias) aqui. Para o meu exemplo, estou usando a pasta de trabalho do PowerPivot, que pode ser baixada como parte dos Projetos do Modelo Tabular SSAS das amostras do Denali CTP 3. Nesta publicação, estou desenvolvendo a fórmula passo a passo. No entanto, se você estiver com pressa, você pode querer diretamente para os resultados finais abaixo. Com o ano de calendário de 2003 no filtro, a data em colunas e o valor das vendas (da tabela de Vendas na Internet) nos detalhes, os dados da amostra se parecem com isto: em cada contexto de linhas, a expressão 8216DateDate fornece o contexto atual, ou seja, a data dessa linha . Mas, a partir de uma medida calculada, não podemos referir esta expressão (como não existe uma linha atual para a tabela Data), em vez disso, devemos usar uma expressão como LastDate (8216DateDate). Então, para obter os últimos trinta dias, podemos usar essa expressão. Agora podemos resumir nossas vendas na internet para cada um desses dias usando a função de resumo: Resumir (DatasInPeriod (8216DateDate, LastDate (8216DateDate), - 30, DIA), 8217DateDate 8220SalesAmountSum8221. Soma (8216Internet SalesSales Amount)) E, finalmente, estavam usando a função DAX AverageX para calcular a média desses 30 valores: Quantidade de vendas (30d avg): AverageX (Resumir (DatasInPeriod (8216DateDate, LastDate (8216DateDate), - 30, DIA), 8217DateDate. 8220SalesAmountSum8221. Soma (8216Internet SalesSales Amount)), SalesAmountSum) Este é o cálculo que estamos usando na nossa tabela de vendas na Internet, conforme mostrado na captura de tela abaixo: Ao adicionar este cálculo à tabela dinâmica a partir do acima, O resultado é assim: olhando o resultado, parece que não temos dados antes de 1º de janeiro de 2003: o primeiro valor para a média móvel é idêntico ao valor do dia (não há linhas antes dessa data). O segundo valor para a média móvel é na verdade a média dos dois primeiros dias e assim por diante. Isso não é bastante correto, mas estou voltando a esse problema em um segundo. A captura de tela mostra a computação para a média móvel de 31 de janeiro como a média dos valores diários de 2 a 31 de janeiro. Nossa medida calculada também funciona bem quando os filtros são aplicados. Na captura de tela a seguir, usei duas categorias de produtos para a série de dados: como nossa medida calculada funciona em níveis de agregação maiores. Para descobrir, estou usando a hierarquia do Calendário nas linhas (em vez da data). Por simplicidade, removi o semestre e o quarto dos níveis usando as opções da tabela dinâmica Excels (opção ShowHide fields). Como você pode ver, o cálculo ainda funciona bem. Aqui, o agregado mensal é a média móvel para o último dia do mês específico. Você pode ver isso claramente em janeiro (valor de 14,215.01 também aparece na captura de tela acima como valor para 31 de janeiro). Se este fosse o requisito de negócios (o que parece razoável para uma média diária), a agregação funciona bem em um nível mensal (caso contrário, teremos que ajustar nosso cálculo e este será um tópico da próxima publicação). Mas, embora a agregação faça sentido em um nível mensal, se expandimos essa visão para o nível do dia, você verá que nossa medida calculada simplesmente retorna o valor das vendas para esse dia, e não a média dos últimos 30 dias. Como isso pode ser. O problema resulta do contexto em que calculamos a nossa soma, como destacado no seguinte código: Valor de Vendas (30d avg): AverageX (Resumir (datasinperiod (8216DateDate, LastDate (8216DateDate), - 30, DIA), 8217DateDate. 8220SalesAmountSum8221. Soma (valor de vendas 8216Internet Sales)), SalesAmountSum) Uma vez que avaliamos essa expressão no período de datas determinado, o único contexto que é substituído aqui é 8216DateDate. Em nossa hierarquia, utilizamos atributos diferentes de nossa dimensão (Ano, Mês e Dia do mês). Como esse contexto ainda está presente, o cálculo também é filtrado por esses atributos. E isso explica por que o contexto dos dias atuais ainda está presente para cada linha. Para deixar as coisas claras, desde que avaliemos esta expressão fora do contexto de uma data, tudo está bem à medida que a seguinte consulta DAX é executada pelo Management Studio na perspectiva de vendas da Internet do nosso modelo (usando o banco de dados tabular com os mesmos dados ): Avaliar (resumir (datasinperíodo (8216DateDate, data (2003,1,1), - 5, DIA), 8217DateDate. 8220SalesAmountSum8221. Soma (8216Internet SalesSales Amount))) Aqui, reduzi o período de tempo para 5 dias e também Uma data fixa como LastDate () resultaria na última data da tabela de dimensão da minha data para a qual nenhum dado está presente nos dados da amostra. Aqui está o resultado da consulta: No entanto, depois de configurar um filtro para 2003, nenhuma linha de dados fora de 2003 será incluída na soma. Isso explica a observação acima: parecia que só temos dados a partir de 1º de janeiro de 2003. E agora, sabemos o porquê: o ano de 2003 estava no filtro (como você pode ver na primeira captura de tela desta postagem) e Portanto, estava presente no cálculo da soma. Agora, tudo o que temos a fazer é eliminar esses filtros adicionais porque já estavam filtrando nossos resultados por Data. A maneira mais fácil de fazer isso é usar a função Calcular e aplicar ALL () para todos os atributos para os quais queremos remover o filtro. Como temos alguns desses atributos (Ano, Mês, Dia, Dia da semana), e queremos remover o filtro de todos eles, mas o atributo de data, a função de atalho ALLEXCEPT é muito útil aqui. Se você tiver um fundo MDX, você vai se perguntar por que não temos um problema semelhante ao usar SSAS no modo OLAP (BISM Multidimensional). O motivo é que o nosso banco de dados OLAP tem relações de atributos, então, depois de definir o atributo data (chave), os outros atributos também são alterados automaticamente e não precisamos cuidar disso (veja a minha postagem aqui). Mas no modelo tabular não temos relações de atributos (nem mesmo um verdadeiro atributo de chave) e, portanto, precisamos eliminar filtros indesejados de nossos cálculos. Então, aqui estamos com o Valor de Vendas (30d avg): AverageX (Summarize (datasinperiod (8216DateDate, LastDate (8216DateDate), - 30, DAY), 8217DateDate. 8220SalesAmountSum8221. Calcule (Sum (8216Internet SalesSales Amount), ALLEXCEPT (8216Date8217,8217DateDate ))), SalesAmountSum) E esta é a nossa tabela dinâmica final no Excel: para ilustrar a média móvel, aqui está o mesmo extrato de dados em uma vista de gráfico (Excel): embora filtrássemos nossos dados em 2003, a média móvel para o primeiro 29 dias de 2003 corretamente leva em conta os dias correspondentes de 2002. Você reconhecerá os valores dos 30 e 31 de janeiro da nossa primeira abordagem, pois foram os primeiros dias para os quais nosso primeiro cálculo teve uma quantidade suficiente de dados (30 dias completos).