Υπολογισμοί στο Power Pivot

ΣΗΜΑΝΤΙΚΟ: Αυτό το άρθρο προέρχεται από μηχανική μετάφραση, δείτε την αποποίηση ευθυνών. Θα βρείτε την αγγλική έκδοση του παρόντος άρθρου εδώ για αναφορά.

Πολλά ανάλυση δεδομένων και μοντελοποίηση προβλήματα στο Power Pivot μπορούν να επιλυθούν με τη χρήση τους υπολογισμούς. Υπάρχουν δύο είδη υπολογισμών στο Power Pivot, υπολογιζόμενες στήλες και μετρήσεις. Και οι δύο τύποι υπολογισμών Χρησιμοποιήστε τύπους. Σε πολλές περιπτώσεις, για παράδειγμα, όταν δημιουργείτε μια μέτρηση χρησιμοποιώντας τη δυνατότητα Αυτόματης άθροισης με μια συνάρτηση τυπικής συγκέντρωσης όπως ΆΘΡΟΙΣΜΑ ή μέσο ΌΡΟ, δεν χρειάζεται να δημιουργήσετε έναν τύπο σε όλα. Ο τύπος δημιουργείται αυτόματα για εσάς από Power Pivot. Σε άλλες περιπτώσεις, ίσως χρειαστεί να δημιουργήσετε ένα προσαρμοσμένο τύπο μόνοι σας. Στο Power Pivot, μπορείτε να δημιουργήσετε τύπους προσαρμοσμένος υπολογισμός με τη χρήση παραστάσεων ανάλυσης δεδομένων (DAX).

Οι τύποι DAX στο Power Pivot έχουν πολλές ομοιότητες με τους τύπους του Excel. Στην πραγματικότητα, το DAX χρησιμοποιεί πολλές από τις ίδιες συναρτήσεις, τελεστές και σύνταξη με τους τύπους του Excel. Ωστόσο, το DAX διαθέτει επίσης επιπλέον συναρτήσεις που είναι σχεδιασμένες για να λειτουργούν με σχεσιακά δεδομένα και να εκτελούν πιο δυναμικούς υπολογισμούς.

Είδη υπολογισμών στο Power Pivot

Υπολογιζόμενες στήλες

Με τις υπολογιζόμενες στήλες, μπορείτε να προσθέτετε νέα δεδομένα σε πίνακες του Power Pivot. Αντί να επικολλήσετε ή να εισαγάγετε τιμές στη στήλη, δημιουργείτε έναν τύπο DAX που ορίζει τις τιμές της στήλης. Για να μάθετε περισσότερα, ανατρέξτε στα παρακάτω άρθρα:

Υπολογιζόμενες στήλες στο Power Pivot

Δημιουργία πεδίου υπολογισμού

Μετρήσεις

Μετρήσεις που χρησιμοποιούνται στην ανάλυση των δεδομένων; Για παράδειγμα, αθροίσματα, μέσους όρους, ελάχιστο ή μέγιστο τιμές, πλήθος ή πιο σύνθετων υπολογισμών που δημιουργείτε χρησιμοποιώντας έναν τύπο DAX. Η τιμή του μέτρηση αλλάζει πάντα απόκριση σε επιλογές γραμμών, στηλών και φίλτρα, επιτρέποντάς για Εξερεύνηση ad hoc στοιχεία. Για περισσότερες πληροφορίες, ανατρέξτε στα ακόλουθα άρθρα:

Μετρήσεις στο Power Pivot

Δημιουργία μέτρησης

Βασικοί δείκτες απόδοσης

Βασικοί δείκτες απόδοσης (KPI) βασίζονται σε μια συγκεκριμένη μέτρηση και έχει σχεδιαστεί για να συμβάλλουν στον γρήγορο υπολογισμό της τρέχουσας τιμής και της κατάστασης μιας μονάδας μέτρησης έναντι ενός καθορισμένου στόχου.

Βασικοί δείκτες απόδοσης (KPI) στο PowerPivot

Οι τύποι του Power Pivot χρησιμοποιούν τη γλώσσα παραστάσεων ανάλυσης δεδομένων (DAX)

Το DAX είναι μια συλλογή συναρτήσεων, τελεστών και σταθερών που μπορούν να χρησιμοποιηθούν σε έναν τύπο, μια παράσταση ή για τον υπολογισμό και την επιστροφή μίας ή περισσότερων τιμών. Με απλά λόγια, το DAX σας βοηθά να δημιουργήσετε νέες πληροφορίες από δεδομένα που υπάρχουν ήδη στο μοντέλο δεδομένων σας. Για να μάθετε περισσότερα, ανατρέξτε στα παρακάτω άρθρα:

Κατανόηση του DAX

Παραστάσεις ανάλυσης δεδομένων (DAX) στο Power Pivot

Αναφορά παραστάσεων ανάλυσης δεδομένων (DAX)

Σενάρια DAX στο PowerPivot

Επανυπολογισμός τύπων στο Power Pivot

Πώς χρησιμοποιείται το DAX

Γρήγορη έναρξη: Μάθετε τα βασικά στοιχεία του DAX σε 30 λεπτά

Δημιουργία τύπων για υπολογισμούς

Συναρτήσεις DAX

Αναφορά συνάρτησης DAX (DAX)

Σύνθετοι τύποι

Περιβάλλον σε τύπους (DAX) του Power Pivot

Αναζητήσεις σε τύπους Power Pivot

Συναθροίσεις στο Power Pivot

Φιλτράρισμα δεδομένων σε τύπους DAX

Ημερομηνίες στο Power Pivot

Άλλοι πόροι DAX

Wiki Κέντρου πόρων DAX (TechNet)

ΣΗΜΕΙΩΣΗ : Αποποίηση ευθυνών αυτόματης μετάφρασης: Αυτό το άρθρο έχει μεταφραστεί από ένα σύστημα υπολογιστή χωρίς ανθρώπινη παρέμβαση. Η Microsoft προσφέρει αυτές τις αυτόματες μεταφράσεις για να βοηθά τους μη αγγλόφωνους χρήστες να απολαμβάνουν περιεχόμενο σχετικά με προϊόντα, υπηρεσίες και τεχνολογίες της Microsoft. Το άρθρο προέρχεται από μηχανική μετάφραση, συνεπώς ενδέχεται να περιέχει λάθη λεξιλογίου, σύνταξης ή γραμματικής.

Κοινή χρήση Facebook Facebook Twitter Twitter Ηλεκτρονικό ταχυδρομείο Ηλεκτρονικό ταχυδρομείο

Σας βοήθησαν αυτές οι πληροφορίες;

Πολύ ωραία! Έχετε άλλα σχόλια;

Πώς μπορούμε να το βελτιώσουμε;

Σας ευχαριστούμε για τα σχόλιά σας!

×