(写在前面的话:非常感谢 @韭菜大神@冬神的指点,万分感谢。)

哎,说归说,还是需要继续学习CALCULATE函数,也是蛮无奈的。最近白茶在研究帕累托分析法,本期分享一下帕累托ABC分析法的基础——累计求和。

这里简要的说一下什么叫帕累托分析法:意大利经济学家,帕累托研究发现,美国80%的经济被20%的人所掌握着,而另外20%的经济却被80%的人所掌握。而且很多事情都符合这一“二八定律”,于是就诞生了帕累托的分析观点,将事物发生的频率划分为A、B、C三类,通过集中精力解决A类问题,可以缓解主要矛盾,同时,不忘B类、C类的次要影响,说白了就是将事物划分为主次层次。

其中,频率为0%~80%的,为A类因素,是主要影响因素;

频率为80%~90%的,为B类因素,是次要影响因素;

频率为90%~100%的,为C类因素,是一般影响因素。

这就是著名的帕累托ABC分析法。

小伙伴们,明白了没?我们不光要做帕累托分析图,还要知道原理。

以下是白茶做的示例文件:

这是头几天白茶做的,修改一下,将其导入PowerBI中。

之前呢,白茶在网上学了几个累计求和的公式,白茶分享一下。

第一种是利用EARFIER函数,如下:

这种方法,有一个很明显不对劲的地方,就是EARFIER这里,不能插入表和列,白茶当时不明白为什么,@韭菜大神指点我,这个函数没理解到位,就是EARFIER必须存在于行上下文中,且有两个行上下文,说得通俗一点就是要有原生表和派生表。这个函数有点抽象,白茶目前还理解的不是很到位。

第二种是利用VAR变量,如下:

这是第二种方式。@韭菜大神指点,有两处很明显的错误。一是公式的本意是按照销售数量不同值进行累计,可是矩阵中是按照日期;二是使用了ALL,可以看出最小的销售量是“5”,其他每个值都比5大,那么每一行都会进行汇总,结果当然是错误的。(解决办法是添加索引列,再进行筛选)

最后,感谢 @韭菜大神和 @冬神,两位大神的意见是一致的,既然判定销售数量有问题,那么判定时间就好了啊。一语点醒梦中人啊,而且这种方法可以避免一些上面两个代码有可能存在的错误,比如说当不同日期的销售数量一致的时候,那么上面的计算公式肯定会存在点问题,解决的办法是添加参数索引。但是按照这种日期筛选法,可以极大程度的避免这个。

代码如下:

累计求和 =
CALCULATE (SUM ('示例'[销售数量] ),FILTER ( ALL ('示例'),'示例'[时间].[Date] <= MAX ('示例'[时间].[Date] ) ))

其结果如图:

这次在矩阵中观察毫无问题!

看似简单的问题,白茶却浪费了很多时间,基础不牢,地动山摇啊。


小伙伴们❤GET了么?

白茶会不定期的分享一些函数卡片

(文件在知识星球[PowerBI丨需求圈])

这里是白茶,一个PowerBI的初学者。

下面这个知识星球是针对有实际需求的小伙伴,有需要的请加入下面的知识星球。

学习CALCULATE函数(六)丨帕累托之累计求和相关推荐

  1. 空间连接时计算总和_学习CALCULATE函数(六)丨帕累托之累计求和

    (写在前面的话:非常感谢@韭菜大神和@冬神的指点,万分感谢.) 哎,说归说,还是需要继续学习CALCULATE函数,也是蛮无奈的.最近白茶在研究帕累托分析法,本期分享一下帕累托ABC分析法的基础--累 ...

  2. 学习笔记—使用python画帕累托分布图

    ##模块导入 import numpy as np import pandas as pd import matplotlib.pyplot as plt plt.rcParams["fon ...

  3. PowerBi - TopN+帕累托

    PowerBi–topn+帕累托 (此数据虚构)仅供学习,不提供数据,谢谢 思考:其实基本上很多现象都满足二八定律,所以利用PowerBi的动态交互式图表定制出一份报告:基于TOPN+帕累托来分析不同 ...

  4. 帕累托图及其在Matlab中的应用

    1. 帕累托图原理 帕累托图又叫排列图.主次图,是按照发生频率大小顺序绘制的直方条图,表示有多少结果是由已确认类型或范畴的原因所造成.它是将出现的质量问题和质量改进项目按重要程度依次排列而采用的一种图 ...

  5. [11.7日学习记录]多目标优化和帕累托最优解集(未完成)

    目录 一.多目标优化问题MOP 1.1MOP定义 1.2支配和帕累托最优定义 二.求帕累托最优解集 2.1多目标进化算法MOEA 2.2 粒子群优化算法PSO Reference 一.多目标优化问题M ...

  6. 多目标进化优化_SDIM 学术讲座|分解多目标优化与帕累托多任务学习

    分解多目标优化与 帕累托多任务学习 2020年11月4日晚,香港城市大学电脑学系讲座教授.博士生导师.IEEE Fellow张青富教授应我院王振坤教授的邀请,在线举办了一场主题为"分解多目标 ...

  7. pareto最优解程序_NIPS 2018 | 作为多目标优化的多任务学习:寻找帕累托最优解

    原标题:NIPS 2018 | 作为多目标优化的多任务学习:寻找帕累托最优解 选自arXiv 作者:Ozan Sener.Vladlen Koltun 参与:李诗萌.王淑婷 多任务学习本质上是一个多目 ...

  8. pareto最优解程序_作为多目标优化的多任务学习:寻找帕累托最优解

    多任务学习本质上是一个多目标问题,因为不同任务之间可能产生冲突,需要对其进行取舍.本文明确将多任务学习视为多目标优化问题,以寻求帕累托最优解.而经过实验证明,本文提出的方法可以在现实假设下得到帕累托最 ...

  9. 笔记 Power BI 动态帕累托图制作

    帕累托图(Pareto chart)是将出现的质量问题和质量改进项目按照重要程度依次排列而采用的一种图表.以意大利经济学家V.Pareto的名字而命名的.帕累托图又叫排列图.主次图,是按照发生频率大小 ...

最新文章

  1. 中国AI专利申请量占全球74%,腾讯、百度、OPPO前五
  2. 结合项目实例 回顾传统设计模式(九)迭代器模式
  3. ML之KMeans:利用KMeans算法对Boston房价数据集(两特征+归一化)进行二聚类分析
  4. 【EasyUI】DataGrid自定义排序
  5. 设计模式——创建型模型
  6. wxpython富文本_去除富文本编辑器中的标签
  7. RDBMS DML DDL
  8. C# 基于 adb 控制安卓
  9. R语言---ggplot图片边缘空白设置和ggplot映射的shape值多余6个
  10. 【手把手教你】使用QuantLib进行债券估值和期权定价分析
  11. 【最新Unity3D—Particle System粒子系统】最新Unity2017.2018.2019.2020均适用且超详细
  12. ubuntu软件:无法从“extensions.gnome.org”下载更新
  13. 个人理财小助手 —— 数据库(二)
  14. 手把手教你玩多数据源动态切换
  15. java笔试题含答案总结五
  16. 初识UAC(理论概括介绍)
  17. cocos2dx - 安卓蓝牙游戏(c++调用)
  18. Generative Adversarial Learning Towards Fast Weakly Supervised Detection
  19. python后端开发技术论坛_python后端开发
  20. 2022年化工自动化控制仪表考试模拟100题及模拟考试

热门文章

  1. Git使用技巧--详细教程
  2. 用户相关命令与文件权限(普通、特殊、隐藏、ACL)
  3. Regin恶意软件:何以潜伏如此久?
  4. 安装VS2015卡在创建系统还原点
  5. BlueTooth: 蓝牙基带数据传输机理分析
  6. 解析.txt文件入库
  7. 汉字 计算机 坟墓,墓的拼音_墓组词_墓意思(解释)-常用汉字大全
  8. 逻辑设计法:数字电路在PLC编程中的体现
  9. 架构设计文章读后感6
  10. 设计模式之禅之单一职责原则