如何用DAX实现降噪加权移动平均

移动平均，大家都清楚了，但是降噪，加权后再移动平均，将移动平均的能力推向了更高境界。

什么是降噪加权移动平均

对于一堆点，可以通过移动平均观察其趋势，如下：

可以看出：

• 有些点距离中间区域太远。
• 移动平均线如果全部考虑所有点，会被拉扯。

对此，我们希望把周围太远的点过滤掉，于是就有了：

通过调节降噪区滑杆，将实现：

• 周围外侧的点被排除。
• 移动平均的计算仅仅考虑绿色部分的点。
• 移动平均也更加平滑。

实现方案

以下给出 DAX 相关计算。

最高值与最低值

MATX.Y.Max = 
MAXX( CALCULATETABLE( VALUES( 'Calendar'[Date] ) , ALL( 'Calendar'[Date] ) )  , [MATX.KPI] )

MATX.Y.Min = 
MINX( CALCULATETABLE( VALUES( 'Calendar'[Date] ) , ALL( 'Calendar'[Date] ) )  , [MATX.KPI] )

对于学习 DAX 的小伙伴，可以好好看看，这里是如何清除筛选并保留外部筛选的技巧。

降噪算法

以下给出非常重要的 DAX 点集降噪算法，如下：

MATX.KPI.By Scope = 

VAR vY = [MATX.KPI] - [MATX.Y.Min]
VAR vL = [MATX.Y.Max] - [MATX.Y.Min]
RETURN
IF( vY >= vL * MIN('Option.X'[Option.X] ) / 100 && vY <= vL * MAX('Option.X'[Option.X] ) / 100 , [MATX.KPI] )

这里的算法原理如下：

• vL 表示最高和最低之间的跨度。
• vY 表示相对于最低值的实际距离。
• 通过滑竿进行判断，给出一个百分比的区间，通过视觉可以直接判断是不是包括在内。
• 如果 vY 在上述滑竿给出的范围内，则是合理有效，否则就是噪声点，进行排除。

移动平均算法模板

以下给出移动平均的算法模板，如下：

MATX.Value = 
AVERAGEX( 
    DATESINPERIOD( 'Calendar'[Date] , MAX( 'Calendar'[Date] ) , - [Start:Option.Y.Value] , DAY ) ,
    //[MATX.KPI] //
    [MATX.KPI.By Scope] * [MATX.Weight]
)

这是标准的移动平均算法模板，其中：

• 给出了移动平均的框架。
• 在计算环节用度量值给出实现一种委托。
• 将移动平均的实际计算委托给实际的度量值。
• 其中考虑了权重。

作图技巧

也许你已经完成了上述内容的模仿和抄袭，在作图的时候，考察了你对 PowerBI 图形的理解。这里使用的技巧包括：

• 只使用了一个折线图。
• 灵活的运用了：
  • 只显示点，不显示折线。
  • 只显示折线，不显示点。

总结

如果你具有复杂而真实的业务数据，有很多时候是有实际干扰的，例如：活动，促销以及客户导入等操作，通过本案例的降噪加权移动平均，可以比移动平均更加巧妙地计算多个点的实际趋势。

大家可以自己动手试试了。

现在大家可以自己体验了。

在订阅了BI佐罗讲授的《BI真经》之《BI进行时》课程区，除了可以下载本文案例，还可以观看视频讲解。