惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

B
Blog
V
Vulnerabilities – Threatpost
Apple Machine Learning Research
Apple Machine Learning Research
V
V2EX
博客园 - 叶小钗
阮一峰的网络日志
阮一峰的网络日志
人人都是产品经理
人人都是产品经理
Latest news
Latest news
博客园 - 三生石上(FineUI控件)
美团技术团队
aimingoo的专栏
aimingoo的专栏
Google Online Security Blog
Google Online Security Blog
Security Archives - TechRepublic
Security Archives - TechRepublic
T
Threatpost
Y
Y Combinator Blog
T
Tailwind CSS Blog
CTFtime.org: upcoming CTF events
CTFtime.org: upcoming CTF events
A
Arctic Wolf
C
Cyber Attacks, Cyber Crime and Cyber Security
小众软件
小众软件
Recent Commits to openclaw:main
Recent Commits to openclaw:main
T
Tenable Blog
W
WeLiveSecurity
L
LINUX DO - 热门话题
D
Docker
Cyberwarzone
Cyberwarzone
量子位
A
About on SuperTechFans
The Last Watchdog
The Last Watchdog
雷峰网
雷峰网
C
CERT Recently Published Vulnerability Notes
P
Palo Alto Networks Blog
The Hacker News
The Hacker News
Blog — PlanetScale
Blog — PlanetScale
P
Proofpoint News Feed
OSCHINA 社区最新新闻
OSCHINA 社区最新新闻
F
Full Disclosure
The Cloudflare Blog
T
The Blog of Author Tim Ferriss
T
The Exploit Database - CXSecurity.com
Engineering at Meta
Engineering at Meta
O
OpenAI News
Hacker News - Newest:
Hacker News - Newest: "LLM"
Scott Helme
Scott Helme
IT之家
IT之家
S
Secure Thoughts
MongoDB | Blog
MongoDB | Blog
L
Lohrmann on Cybersecurity
博客园 - 司徒正美
Google DeepMind News
Google DeepMind News

博客园 - 哥本哈士奇(aspnetx)

Raw Data Vault vs Business Data Vault Neo4j 多跳查询实战:从社交网络场景理解图遍历 Git 本地版本管理学习笔记 看完《低智商犯罪》,学习Cypher构建知识图谱 LangChain DeepAgents 学习笔记 LangChain Deepagent 版本0.6.1中间件一个bug Neo4j笔记(五):查询的处理流程 微软 SQL Server 版本演进史:从诞生到 SQL Server 2025 提升 Text2SQL 准确率 SQLServer Management Studio(SSMS) 22 Copilot 最佳实践学习笔记 SQLServer RAG笔记4:从服务层到前端交互 SQLServer RAG笔记5:为SQLServer 2025配置Ollama SQL Server RAG 笔记3:SQLServer2025 向量数据库 详解传统RAG、Text2SQL、Graph RAG:适用场景与问题示例汇总 SQL Server RAG 笔记2:图数据库服务层与前端可视化构建 SQL Server RAG 笔记1:图数据库构建 Neo4j 笔记(四):一篇文章如何入库的 数据仓库笔记 第六篇:PSA 层 SCD2 处理方式 数据仓库笔记 第五篇:Data Mart 层(数据集市) 数据仓库笔记 第四篇:Star Schema 层(维度建模) 数据仓库笔记 第三篇:常用缓慢变化维处理方式介绍 数据仓库笔记 第二篇:PSA 层(持久化暂存区)详解 数据仓库笔记 第一篇:数据仓库的定义、历史与意义 Neo4j 笔记(三):数据建模与程序连接实战 Neo4j 基础教程(二):Cypher CRUD 完全指南 Neo4j 基础教程(一):安装与快速入门 Power BI学习笔记第20篇:面试题汇总 · 第三篇:高级应用与最佳实践篇 Power BI学习笔记第19篇:面试题汇总 · 第二篇:数据建模与 DAX 篇 Power BI学习笔记第18篇:面试题汇总 · 第一篇:基础概念篇 Power BI学习笔记第15篇:企业级报表开发与最佳实践 Power BI学习笔记第13篇:高级可视化与自定义图表 Power BI学习笔记第14篇:Power Query 高级数据处理 Power BI学习笔记第12篇:DAX 高级计算与性能优化 Power BI学习笔记第11篇:高级数据建模与关系设计 Power BI学习笔记第10篇:实战案例 — 销售数据分析仪表板 Power BI学习笔记第08篇:报表交互与筛选器 Power BI学习笔记第09篇:Power BI Service 发布与共享 Power BI学习笔记第07篇:可视化图表设计与最佳实践 Power BI学习笔记第06篇:DAX 进阶:时间智能与复杂计算 Power BI学习笔记第05篇:DAX 基础:计算列与度量值 Power BI学习笔记第04篇:数据建模与关系管理 Power BI学习笔记第03篇:Power Query 数据清洗与转换 Power BI学习笔记第02篇:数据获取与连接数据源 Power BI学习笔记第01篇:Power BI 简介与环境搭建 Power BI Dashboard 常用布局方案推荐 Power BI 示例一览 OpenClaw 核心八大 MD 文件 Microsoft Agent Framework 智能体调用工具 Microsoft Agent Framework 创建智能体 一个简单案例理解OpenClaw的做梦过程 SQLAlchemy 学习笔记 LangChain RAG索引与查询 - 学习笔记 LangChain使用deep agent并且加载SKILL 本地系统对接大模型智能体的若干尝试 财务分析报告 - 常用Power BI DAX公式详解 用SKILL实现请假流程信息收集 使用小龙虾来操作猿编程的遥控车 使用OpenClaw的Skills对接本地系统 OpenClaw必装Skill全指南 Dify Agentic RAG 笔记 # 简单的神经网络计算过程 - 正负判断 使用Gradio构建AI前端 - RAG的QA模块 使用Gradio构建AI前端 - RAG召回测试 Streamlit + LangChain 1.0 简单实现智能问答前后端 利用AI Agent,辅助销售团队制定培训和考试内容 实现AI和BI整合的初步思路和探索-Part3 实现AI和BI整合的初步思路和探索-Part2 实现AI和BI整合的初步思路和探索 以《出师表》作为例子,对比通用分块和父子分块的区别 LangChain RAG 学习笔记:从文档加载到问答服务 记录无法修改OneDrive文件的解决方法 Power BI制作指标达成跟踪器
Power BI学习笔记-周报销售数据分析
哥本哈士奇(aspnet · 2025-09-02 · via 博客园 - 哥本哈士奇(aspnetx)

Power BI学习笔记-周报销售数据分析

简介

来自B站的Power BI学习视频的学习笔记。
记录来自B站的Power BI教学视频,由“高级财务BP-Ni”发布,视频发布者主要发布财务类相关的PBI视频,视频长度30分钟左右。
视频链接:
【powerbi周报分析模型搭建教程,30分钟详细讲解!-哔哩哔哩】 https://b23.tv/l45rz8m
视频很不错,推荐大家也一起观看学习,这个视频是我自己的学习笔记,方便后续快速查找相应的知识点。

视频讲解的是是基于销量的分析,维度包括时间,产品,渠道,城市等。
Dashboard的设计相对也比较简洁,左侧一个时间筛选,年加月,右侧一个大的透视表,行上维度是产品,列上维度是周。度量数据包括销售额,周环比增长率。销售额伴随着条件格式的柱图,增长率带有向上和向下的箭头。
img

学习重点:

这个视频可以巩固的知识点:

  • 跟周WEEK相关函数的使用
  • 基于周的环比计算
  • 自动创建日期维度表
  • 度量值的条件格式丰富数据展现

自动创建日期维度表

视频时间点:03:10
创建时间维度表的方法很多。
其中一种方法是以下方法创建时间维度表:

日期表 = 
    VAR startdate = DATE(2020, 1, 1)
    VAR enddate = DATE(2030, 12, 31)
    RETURN
    ADDCOLUMNS(
        CALENDAR(startdate, enddate),
        "年份", YEAR([Date]),
        "季度", "Q" & FORMAT([Date], "Q"),
        "月份", MONTH([Date]),
        "月份名称", FORMAT([Date], "MMMM"),
        "星期几", SWITCH(WEEKDAY([Date], 2),1,"周一",2,"周二",3,"周三",4,"周四",5,"周五",6,"周六",7,"周日"),
        "是否周末", IF(WEEKDAY([Date], 2) > 5, "是", "否")
)

指定好相应的范围就可以自动生成对应的数据。
视频里用的是另外一种方法:

日期表 = CALENDARAUTO()

这个首先会创建一个有一个字段date的时间表。然后可以再根据此字段,创建其它字段比如YEAR, MONTH, DAY等。

跟周WEEK相关函数的使用

然后通过WEEKNUM创建日期属于第几周。

第几周 = WEEKNUM('日期表'[Date])

接下来计算在周里的第几天,着重讲了下WEEKDAY函数的第二个参数,取值为1和2的区别,1是以周日为一周的第一天,2是以周一为一周的第一天。这个来自于东西方使用习惯的差别。

周几 = WEEKDAY('日期表'[Date],2)

周环比和同比的计算

视频时间点:15:20
因为是周报,而且左侧提供了月份的筛选,所以环比就涉及到一个问题。比如一个月的最后一周可能只有两天,这样拿这一周的数据对比上一周的数据是没有意义的,所以这里要实现的效果是,这一周有几天,那么就跟前一周对应的天做对比。

周环比金额 = CALCULATE([销售额], DATEADD('日期表'[Date], -7 DAY))

这里顺便提一下,同比的计算。

同比 = 
VAR CurrentValue = SUM('表名'[数值列]) 
VAR PreviousYearValue = CALCULATE( SUM('表名'[数值列]), SAMEPERIODLASTYEAR('日期表'[日期]) // 自动匹配去年同期 ) 
RETURN IF(PreviousYearValue = 0, 0, (CurrentValue - PreviousYearValue) / PreviousYearValue)

个人笔记:如果要按周来看数据的话,那么就应该避免按月去晒数据,不然就会像同比计算一样,总会有这样那样的歧义,

度量值的条件格式丰富数据的展现

视频时间点:31:15
右键度量值,选择条件格式,这里可以指定: