问MAPE电源BI表中的不正确总计

EN

Seymour的回答看起来不错，但我想补充一点，在这个场景中，粒度很重要。

假设您有一个像这这样的星型模式，您可以用下面的公式定义度量总量预测、总实际误差、绝对误差和绝对百分比误差。

Total Forecast            = SUM ( Forecast[Forecast] )
Total Actual              = SUM ( Actual[Actual] )
Absolute Error            = ABS ( [Total Forecast] - [Total Actual] )
Absolute Percentage Error = DIVIDE ( [Absolute Error], [Total Actual] )

这是你到目前为止要做的事情。

​

​

在这里，您要问的是如何计算绝对百分比误差之和。

根据定义，绝对百分比误差表示绝对误差除以实际总的值，而不考虑钻取级别。因此，在总数中，它显示为0.52，即绝对误差(1,457.27)除以实际总数(2,786.27)。如果您希望它在总计级别上进行不同的计算，则需要显式地实现此逻辑。

您的要求将更明确地说明如下：

1. 计算在每个ItemName、年份和月份粒度中的绝对百分比误差值。
2. 将它们相加到中。

实现此逻辑所需的函数是SUMX。此外，您可以显式地使用SUMMARIZE来确保计算特定粒度中的绝对百分比错误。

MAPEX = SUMX (
    SUMMARIZE (
        Forecast,
        'Product'[ItemName],
        'Calendar'[Year],
        'Calendar'[Month]
    ),
    [Absolute Percentage Error]
)

​

​

到目前为止，我一直在强调粒度。这是因为如果您没有意识到粒度，结果在某些情况下可能看起来很奇怪。

在上面的图像中，MAPEX看起来与绝对百分比误差相同，但总误差除外。然而，如果你按季度而不是按月进行向下钻，你会注意到这是完全不一样的。

​

​

绝对百分比误差在季度级别显示绝对误差和总实际值的商数，而MAPEX仍在汇总绝对百分比误差的月值，尽管表中没有显示月份。

所以，我的最后一句话是，每当你发明像MAPEX这样的新方法时，你总是需要问自己，它是否对每一个可能的颗粒都有意义。

解决这一问题的一种方法是使用一个名为MAPEX的自定义列，而不是用于计算的度量。如果有特殊的原因，你需要使用DAX，请随时让我知道，我可能会想出一些事情。

列=ABS((实际操作-预测)/Actuals)

编辑:以防万一，您创建新列的方式是在视图选项卡中使用此按钮。

​

​

或者，您可以在看来适合我的查询编辑器中创建自定义列。

​

​

就这样吧

变量_mytable = SELECTCOLUMNS(FactTable，"MAPE"，ABS(实际操作-预测)/Actuals)返回Sumx(_mytable，MAPE)