การสร้างแบบจำลองข้อมูลด้วย DAX - คู่มือฉบับย่อ

ผู้มีอำนาจตัดสินใจในทุกองค์กรได้ระบุถึงความจำเป็นในการวิเคราะห์ข้อมูลในอดีตขององค์กรของตนโดยเฉพาะและของอุตสาหกรรมโดยทั่วไป สิ่งนี้กลายเป็นสิ่งสำคัญในโลกแห่งการแข่งขันในปัจจุบันเพื่อตอบสนองความท้าทายทางธุรกิจที่เปลี่ยนแปลงตลอดเวลา

Big Data และ Business Intelligence กลายเป็นคำที่นิยมในโลกธุรกิจ แหล่งข้อมูลมีขนาดใหญ่มากและรูปแบบข้อมูลก็เปลี่ยนไป ความจำเป็นของชั่วโมงนี้คือการมีเครื่องมือที่ใช้งานง่ายเพื่อจัดการกับข้อมูลจำนวนมหาศาลที่ไหลตลอดเวลาโดยใช้เวลาน้อยลงเพื่อรับข้อมูลเชิงลึกและตัดสินใจที่เกี่ยวข้องในเวลาที่เหมาะสม

นักวิเคราะห์ข้อมูลไม่สามารถรอให้แผนกไอทีประมวลผลข้อมูลที่จำเป็นได้อีกต่อไป พวกเขาต้องการเครื่องมือที่มีประโยชน์ซึ่งช่วยให้พวกเขาเข้าใจข้อมูลที่ต้องการได้อย่างรวดเร็วและทำให้พร้อมใช้งานในรูปแบบที่ช่วยให้ผู้มีอำนาจตัดสินใจดำเนินการที่จำเป็นในเวลาที่เหมาะสม

Microsoft Excel มีเครื่องมือที่มีประสิทธิภาพที่เรียกว่า Power Pivot ซึ่งพร้อมใช้งานเป็น Add-in ใน Excel เวอร์ชันก่อนหน้าและมีฟีเจอร์ในตัวใน Excel 2016 ฐานข้อมูลของ Power Pivot เรียกว่าแบบจำลองข้อมูลและภาษาของสูตรที่ใช้งานได้ บนแบบจำลองข้อมูลที่เรียกว่า DAX (Data Aการฟอกไต Expressions) ช่วยให้ผู้ใช้ Excel สามารถทำงานต่างๆเช่นการสร้างแบบจำลองและการวิเคราะห์ข้อมูลได้ในเวลาไม่นาน

ในบทช่วยสอนนี้คุณจะได้เรียนรู้การสร้างแบบจำลองและการวิเคราะห์ข้อมูลโดยใช้ DAX โดยยึดตามแบบจำลองข้อมูล Power Pivot ตัวอย่างฐานข้อมูลกำไรและการวิเคราะห์ใช้สำหรับภาพประกอบตลอดบทช่วยสอนนี้

แนวคิดการสร้างแบบจำลองและการวิเคราะห์ข้อมูล

ข้อมูลที่คุณได้รับจากแหล่งต่างๆที่เรียกว่าข้อมูลดิบจำเป็นต้องมีการประมวลผลก่อนที่คุณจะสามารถใช้เพื่อวัตถุประสงค์ในการวิเคราะห์ คุณจะได้เรียนรู้เกี่ยวกับสิ่งเหล่านี้ในบท - แนวคิดการสร้างแบบจำลองและการวิเคราะห์ข้อมูล

การสร้างแบบจำลองและการวิเคราะห์ข้อมูลด้วย Excel Power Pivot

เนื่องจากเครื่องมือที่คุณจะใช้ในบทช่วยสอนนี้คือ Excel Power Pivot คุณจึงต้องรู้ว่าขั้นตอนการสร้างแบบจำลองและวิเคราะห์ข้อมูลดำเนินการอย่างไรใน Power Pivot คุณจะได้เรียนรู้สิ่งเหล่านี้ในระดับที่กว้างขึ้นในบทนี้ - การสร้างแบบจำลองและการวิเคราะห์ข้อมูลด้วย Excel Power Pivot

เมื่อคุณดำเนินการในบทต่อ ๆ ไปคุณจะได้เรียนรู้เกี่ยวกับแง่มุมต่างๆของฟังก์ชัน Power Pivot, DAX และ DAX ในการสร้างแบบจำลองและการวิเคราะห์ข้อมูล

ในตอนท้ายของบทช่วยสอนคุณจะสามารถดำเนินการสร้างแบบจำลองและวิเคราะห์ข้อมูลด้วย DAX สำหรับบริบทใด ๆ ที่มีอยู่

Business Intelligence (BI) กำลังได้รับความสำคัญในหลายสาขาและองค์กร การตัดสินใจและการคาดการณ์โดยอาศัยข้อมูลในอดีตกลายเป็นสิ่งสำคัญในโลกแห่งการแข่งขันที่เติบโตขึ้นเรื่อย ๆ มีข้อมูลจำนวนมากทั้งจากภายในและภายนอกจากแหล่งข้อมูลที่หลากหลายสำหรับการวิเคราะห์ข้อมูลทุกประเภท

อย่างไรก็ตามความท้าทายคือการดึงข้อมูลที่เกี่ยวข้องออกจากข้อมูลขนาดใหญ่ที่มีอยู่ตามข้อกำหนดในปัจจุบันและจัดเก็บในลักษณะที่เป็นมิตรกับการคาดการณ์ข้อมูลเชิงลึกที่แตกต่างจากข้อมูล รูปแบบข้อมูลที่ได้รับจากการใช้เงื่อนไขทางธุรกิจที่สำคัญจึงเป็นเครื่องมือสื่อสารที่มีคุณค่า แบบจำลองข้อมูลยังจำเป็นต้องมีวิธีที่รวดเร็วในการสร้างรายงานตามความจำเป็น

การสร้างแบบจำลองข้อมูลสำหรับระบบ BI ช่วยให้คุณสามารถรับมือกับความท้าทายด้านข้อมูลมากมาย

ข้อกำหนดเบื้องต้นสำหรับโมเดลข้อมูลสำหรับ BI

แบบจำลองข้อมูลสำหรับ BI ควรเป็นไปตามข้อกำหนดของธุรกิจที่กำลังทำการวิเคราะห์ข้อมูล ต่อไปนี้เป็นพื้นฐานขั้นต่ำที่โมเดลข้อมูลต้องเป็นไปตาม -

โมเดลข้อมูลต้องเป็นแบบเฉพาะธุรกิจ

รูปแบบข้อมูลที่เหมาะสำหรับธุรกิจหนึ่งสายงานอาจไม่เหมาะกับสายธุรกิจอื่น ดังนั้นแบบจำลองข้อมูลจะต้องได้รับการพัฒนาโดยพิจารณาจากธุรกิจเฉพาะข้อกำหนดทางธุรกิจที่ใช้ประเภทข้อมูลและความสัมพันธ์ ควรขึ้นอยู่กับวัตถุประสงค์และประเภทของการตัดสินใจในองค์กร

โมเดลข้อมูลจำเป็นต้องมี Intelligence ในตัว

โมเดลข้อมูลควรรวมข้อมูลอัจฉริยะในตัวผ่านข้อมูลเมตาลำดับชั้นและการสืบทอดที่อำนวยความสะดวกในกระบวนการ Business Intelligence ที่มีประสิทธิภาพและประสิทธิผล ด้วยวิธีนี้คุณจะสามารถจัดหาแพลตฟอร์มทั่วไปสำหรับผู้ใช้ที่แตกต่างกันโดยไม่ต้องทำกระบวนการซ้ำ ๆ

โมเดลข้อมูลต้องมีความแข็งแกร่ง

แบบจำลองข้อมูลควรนำเสนอข้อมูลเฉพาะสำหรับธุรกิจอย่างแม่นยำ ควรเปิดใช้งานดิสก์และหน่วยความจำที่มีประสิทธิภาพเพื่ออำนวยความสะดวกในการประมวลผลและรายงานอย่างรวดเร็ว

โมเดลข้อมูลต้องสามารถปรับขนาดได้

แบบจำลองข้อมูลควรสามารถรองรับสถานการณ์ทางธุรกิจที่เปลี่ยนแปลงได้อย่างรวดเร็วและมีประสิทธิภาพ อาจต้องรวมข้อมูลใหม่หรือประเภทข้อมูลใหม่ การรีเฟรชข้อมูลอาจต้องได้รับการจัดการอย่างมีประสิทธิภาพ

การสร้างแบบจำลองข้อมูลสำหรับ BI

การสร้างแบบจำลองข้อมูลสำหรับ BI ประกอบด้วยขั้นตอนต่อไปนี้ -

• การสร้างข้อมูล
• กำลังโหลดข้อมูล
• การกำหนดความสัมพันธ์ระหว่างตาราง
• การกำหนดชนิดข้อมูล
• การสร้างข้อมูลเชิงลึกใหม่

การสร้างข้อมูล

ข้อมูลที่จำเป็นในการสร้างแบบจำลองข้อมูลอาจมาจากแหล่งต่างๆและอาจอยู่ในรูปแบบที่แตกต่างกัน คุณต้องพิจารณาว่าส่วนใดของข้อมูลจากแหล่งข้อมูลเหล่านี้ที่จำเป็นสำหรับการวิเคราะห์ข้อมูลเฉพาะ สิ่งนี้เรียกว่าการสร้างข้อมูล

ตัวอย่างเช่นหากคุณกำลังดึงข้อมูลของพนักงานทั้งหมดในองค์กรคุณต้องตัดสินใจว่ารายละเอียดของพนักงานแต่ละคนเกี่ยวข้องกับบริบทปัจจุบันอย่างไร กล่าวอีกนัยหนึ่งคุณต้องกำหนดคอลัมน์ของตารางพนักงานที่ต้องนำเข้า เนื่องจากยิ่งจำนวนคอลัมน์ในตารางในแบบจำลองข้อมูลมีจำนวนน้อยเท่าไหร่การคำนวณบนตารางก็จะเร็วขึ้นเท่านั้น

กำลังโหลดข้อมูล

คุณต้องโหลดข้อมูลที่ระบุ - ตารางข้อมูลที่มีคอลัมน์ที่เลือกในแต่ละตาราง

การกำหนดความสัมพันธ์ระหว่างตาราง

จากนั้นคุณจะต้องกำหนดความสัมพันธ์เชิงตรรกะระหว่างตารางต่างๆที่อำนวยความสะดวกในการรวมข้อมูลจากตารางเหล่านั้นเช่นถ้าคุณมีตาราง - ผลิตภัณฑ์ - ที่มีข้อมูลเกี่ยวกับผลิตภัณฑ์และตาราง - การขาย - กับธุรกรรมการขายต่างๆของผลิตภัณฑ์ ด้วยการกำหนดความสัมพันธ์ระหว่างสองตารางคุณสามารถสรุปยอดขายผลิตภัณฑ์ที่ชาญฉลาด

การกำหนดประเภทข้อมูล

การระบุประเภทข้อมูลที่เหมาะสมสำหรับข้อมูลในแบบจำลองข้อมูลมีความสำคัญต่อความแม่นยำของการคำนวณ สำหรับแต่ละคอลัมน์ในแต่ละตารางที่คุณนำเข้าคุณต้องกำหนดประเภทข้อมูล ตัวอย่างเช่นประเภทข้อมูลข้อความประเภทข้อมูลจำนวนจริงประเภทข้อมูลจำนวนเต็มเป็นต้น

การสร้างข้อมูลเชิงลึกใหม่

นี่เป็นขั้นตอนสำคัญในการสร้างแบบจำลองวันที่สำหรับ BI แบบจำลองข้อมูลที่สร้างขึ้นอาจต้องใช้ร่วมกันกับหลาย ๆ คนที่ต้องการทำความเข้าใจแนวโน้มข้อมูลและตัดสินใจที่จำเป็นในเวลาอันสั้น ดังนั้นการสร้างข้อมูลเชิงลึกใหม่จากแหล่งข้อมูลจะได้ผลโดยหลีกเลี่ยงการทำซ้ำในการวิเคราะห์

ข้อมูลเชิงลึกใหม่สามารถอยู่ในรูปแบบของข้อมูลเมตาที่นักธุรกิจเฉพาะเจาะจงสามารถเข้าใจและใช้งานได้ง่าย

การวิเคราะห์ข้อมูล

เมื่อแบบจำลองข้อมูลพร้อมแล้วสามารถวิเคราะห์ข้อมูลได้ตามความต้องการ การนำเสนอผลการวิเคราะห์ก็เป็นขั้นตอนที่สำคัญเช่นกันเนื่องจากการตัดสินใจจะขึ้นอยู่กับรายงาน

Microsoft Excel Power Pivot เป็นเครื่องมือที่ยอดเยี่ยมสำหรับการสร้างแบบจำลองและการวิเคราะห์ข้อมูล

• โมเดลข้อมูลคือฐานข้อมูล Power Pivot

• DAX เป็นภาษาของสูตรที่สามารถใช้เพื่อสร้างข้อมูลเมตาด้วยข้อมูลในแบบจำลองข้อมูลโดยใช้สูตร DAX

• Power PivotTables ใน Excel ที่สร้างขึ้นด้วยข้อมูลและข้อมูลเมตาในแบบจำลองข้อมูลช่วยให้คุณสามารถวิเคราะห์ข้อมูลและนำเสนอผลลัพธ์ได้

ในบทช่วยสอนนี้คุณจะได้เรียนรู้การสร้างแบบจำลองข้อมูลด้วยโมเดลข้อมูล Power Pivot และ DAX และการวิเคราะห์ข้อมูลด้วย Power Pivot ถ้าคุณยังใหม่กับ Power Pivot โปรดดูบทแนะนำของ Excel Power Pivot

คุณได้เรียนรู้ขั้นตอนกระบวนการสร้างแบบจำลองข้อมูลในบทที่แล้ว - แนวคิดการสร้างแบบจำลองและการวิเคราะห์ข้อมูล ในบทนี้คุณจะได้เรียนรู้วิธีดำเนินการแต่ละขั้นตอนด้วย Power Pivot data model และ DAX

ในส่วนต่อไปนี้คุณจะได้เรียนรู้ขั้นตอนกระบวนการเหล่านี้แต่ละขั้นตอนที่ใช้กับแบบจำลองข้อมูล Power Pivot และวิธีใช้ DAX

การสร้างข้อมูล

ใน Excel Power Pivot คุณสามารถนำเข้าข้อมูลจากแหล่งข้อมูลประเภทต่างๆและในขณะนำเข้าคุณสามารถดูและเลือกตารางและคอลัมน์ที่คุณต้องการนำเข้าได้

• ระบุแหล่งข้อมูล

• ค้นหาประเภทแหล่งข้อมูล ตัวอย่างเช่นฐานข้อมูลหรือบริการข้อมูลหรือแหล่งข้อมูลอื่น ๆ

• ตัดสินใจว่าข้อมูลใดที่เกี่ยวข้องในบริบทปัจจุบัน

• ตัดสินใจเกี่ยวกับประเภทข้อมูลที่เหมาะสมสำหรับข้อมูล ในแบบจำลองข้อมูล Power Pivot คุณสามารถมีชนิดข้อมูลเพียงชนิดเดียวสำหรับทั้งคอลัมน์ในตาราง

• ระบุว่าตารางใดเป็นตารางข้อเท็จจริงและตารางมิติใด

• ตัดสินใจเกี่ยวกับความสัมพันธ์เชิงตรรกะที่เกี่ยวข้องระหว่างตาราง

กำลังโหลดข้อมูลลงในโมเดลข้อมูล

คุณสามารถโหลดข้อมูลลงในโมเดลข้อมูลด้วยตัวเลือกต่างๆที่มีให้ในหน้าต่าง Power Pivot บน Ribbon คุณสามารถค้นหาตัวเลือกเหล่านี้ได้ในกลุ่มรับข้อมูลภายนอก

คุณจะได้เรียนรู้วิธีโหลดข้อมูลจากฐานข้อมูล Access ลงในโมเดลข้อมูลในบท - การโหลดข้อมูลลงในโมเดลข้อมูล

เพื่อวัตถุประสงค์ในการอธิบายจะใช้ฐานข้อมูล Access ที่มีข้อมูลกำไรและขาดทุน

การกำหนดประเภทข้อมูลในแบบจำลองข้อมูล

ขั้นตอนต่อไปในกระบวนการสร้างแบบจำลองข้อมูลใน Power Pivot คือการกำหนดชนิดข้อมูลของคอลัมน์ในตารางที่โหลดลงในโมเดลข้อมูล

คุณจะได้เรียนรู้วิธีกำหนดประเภทข้อมูลของคอลัมน์ในตารางในบท - การกำหนดประเภทข้อมูลในตัวแบบข้อมูล

การสร้างความสัมพันธ์ระหว่างตาราง

ขั้นตอนต่อไปในกระบวนการสร้างแบบจำลองข้อมูลใน Power Pivot คือการสร้างความสัมพันธ์ระหว่างตารางในแบบจำลองข้อมูล

คุณจะได้เรียนรู้วิธีสร้างความสัมพันธ์ระหว่างตารางในบท - การขยายตัวแบบข้อมูล

การสร้างข้อมูลเชิงลึกใหม่

ในแบบจำลองข้อมูลคุณสามารถสร้างข้อมูลเมตาที่จำเป็นสำหรับการสร้างข้อมูลเชิงลึกใหม่โดย -

• การสร้างคอลัมน์จากการคำนวณ
• การสร้างตารางวันที่
• การสร้างมาตรการ

จากนั้นคุณสามารถวิเคราะห์ข้อมูลโดยการสร้าง Power PivotTables แบบไดนามิกที่ยึดตามคอลัมน์ในตารางและการวัดที่ปรากฏเป็นเขตข้อมูลในรายการเขตข้อมูล PivotTable

การเพิ่มคอลัมน์จากการคำนวณ

คอลัมน์จากการคำนวณในตารางคือคอลัมน์ที่คุณเพิ่มลงในตารางโดยใช้สูตร DAX

คุณจะได้เรียนรู้วิธีการเพิ่มคอลัมน์จากการคำนวณในตารางในแบบจำลองข้อมูลในบท - การขยายตัวแบบข้อมูล

การสร้างตารางวันที่

ในการใช้ฟังก์ชัน Time Intelligence ในสูตร DAX เพื่อสร้างข้อมูลเมตาคุณต้องมีตารางวันที่ หากคุณยังใหม่กับตารางวันที่โปรดดูบท - การทำความเข้าใจตารางวันที่

คุณจะได้เรียนรู้วิธีสร้างตารางวันที่ในโมเดลข้อมูลในบท - การขยายตัวแบบข้อมูล

การสร้างมาตรการ

คุณสามารถสร้างการวัดต่างๆในตารางข้อมูลโดยใช้ฟังก์ชัน DAX และสูตร DAX สำหรับการคำนวณที่แตกต่างกันตามที่จำเป็นสำหรับการวิเคราะห์ข้อมูลในบริบทปัจจุบัน

นี่คือขั้นตอนสำคัญของการสร้างแบบจำลองข้อมูลด้วย DAX

คุณจะได้เรียนรู้วิธีสร้างมาตรการเพื่อวัตถุประสงค์ต่างๆของการวิเคราะห์กำไรและขาดทุนในบทต่อ ๆ ไป

การวิเคราะห์ข้อมูลด้วย Power PivotTables

คุณสามารถสร้าง Power PivotTables สำหรับแต่ละแง่มุมของการวิเคราะห์กำไรและขาดทุน เมื่อคุณเรียนรู้วิธีสร้างการวัดโดยใช้ DAX ในบทต่อ ๆ ไปคุณจะได้เรียนรู้วิธีวิเคราะห์ข้อมูลด้วยมาตรการเหล่านี้โดยใช้ Power PivotTables

คุณสามารถโหลดข้อมูลจากแหล่งข้อมูลประเภทต่างๆลงในโมเดลข้อมูล สำหรับสิ่งนี้คุณสามารถค้นหาตัวเลือกต่างๆในกลุ่มรับข้อมูลภายนอกบน Ribbon ในหน้าต่าง Power Pivot

ดังที่คุณสังเกตได้คุณสามารถโหลดข้อมูลจากฐานข้อมูลหรือจากบริการข้อมูลหรือแหล่งข้อมูลประเภทอื่น ๆ

เมื่อคุณโหลดข้อมูลจากแหล่งข้อมูลลงในโมเดลข้อมูลการเชื่อมต่อจะถูกสร้างขึ้นกับแหล่งข้อมูล สิ่งนี้เปิดใช้งานการรีเฟรชข้อมูลเมื่อข้อมูลต้นทางเปลี่ยนแปลง

การเริ่มต้นด้วยโมเดลข้อมูลใหม่

ในส่วนนี้คุณจะได้เรียนรู้วิธีการสร้างแบบจำลองข้อมูลสำหรับการวิเคราะห์กำไรและขาดทุน ข้อมูลสำหรับการวิเคราะห์อยู่ในฐานข้อมูล Microsoft Access

คุณสามารถเริ่มรูปแบบข้อมูลใหม่ได้ดังนี้ -

• เปิดสมุดงาน Excel ใหม่
• คลิกแท็บ PowerPivot บน Ribbon
• คลิกจัดการในกลุ่มโมเดลข้อมูล

หน้าต่าง Power Pivot จะปรากฏขึ้น หน้าต่างจะว่างเปล่าเนื่องจากคุณยังไม่ได้โหลดข้อมูลใด ๆ

กำลังโหลดข้อมูลจากฐานข้อมูล Access ไปยัง Data Model

ในการโหลดข้อมูลจากฐานข้อมูล Access ให้ทำตามขั้นตอนต่อไปนี้ -

• คลิกจากฐานข้อมูลในกลุ่มรับข้อมูลภายนอกบน Ribbon
• คลิกจาก Access ในรายการแบบเลื่อนลง

กล่องโต้ตอบตัวช่วยสร้างการนำเข้าตารางจะปรากฏขึ้น

• เรียกดูไฟล์ Access

• ตั้งชื่อที่จำง่ายสำหรับการเชื่อมต่อ

• คลิกปุ่มถัดไป ส่วนถัดไปของตัวช่วยสร้างการนำเข้าตารางจะปรากฏขึ้น

• ในตัวช่วยสร้างการนำเข้าตารางให้เลือกตัวเลือก - เลือกจากรายการตารางและมุมมองเพื่อเลือกข้อมูลที่จะนำเข้า

• คลิกปุ่มถัดไป ส่วนถัดไปของตัวช่วยสร้างการนำเข้าตารางจะปรากฏดังที่แสดงในภาพหน้าจอต่อไปนี้

• เลือกตารางทั้งหมด

• ตั้งชื่อที่เป็นมิตรกับตาราง สิ่งนี้จำเป็นเนื่องจากชื่อเหล่านี้ปรากฏใน Power PivotTables และด้วยเหตุนี้ทุกคนจึงควรเข้าใจ

การเลือกคอลัมน์ในตาราง

คุณอาจไม่ต้องการคอลัมน์ทั้งหมดในตารางที่เลือกสำหรับการวิเคราะห์ปัจจุบัน ดังนั้นคุณต้องเลือกเฉพาะคอลัมน์ที่คุณเลือกในขณะที่สร้างข้อมูล

• คลิกปุ่มดูตัวอย่างและตัวกรอง ส่วนถัดไปของตัวช่วยสร้างการนำเข้าตาราง - ตัวอย่างของตารางที่เลือก - ปรากฏขึ้น

• ดังที่เห็นในภาพหน้าจอด้านบนส่วนหัวของคอลัมน์จะมีช่องทำเครื่องหมาย เลือกคอลัมน์ที่คุณต้องการนำเข้าในตารางที่เลือก

• คลิกตกลง ทำซ้ำเช่นเดียวกันกับตารางอื่น ๆ

การนำเข้าข้อมูลลงในโมเดลข้อมูล

คุณอยู่ในขั้นตอนสุดท้ายของการโหลดข้อมูลลงในโมเดลข้อมูล คลิกปุ่มเสร็จสิ้นในตัวช่วยสร้างการนำเข้าตาราง ส่วนถัดไปของตัวช่วยสร้างการนำเข้าตารางจะปรากฏขึ้น

สถานะการนำเข้าจะแสดงขึ้น ในที่สุดสถานะจะแสดงความสำเร็จเมื่อการโหลดข้อมูลเสร็จสมบูรณ์

การดูข้อมูลในแบบจำลองข้อมูล

ตารางที่นำเข้าจะปรากฏในหน้าต่าง Power Pivot นี่คือมุมมองของแบบจำลองข้อมูล

คุณสามารถสังเกตสิ่งต่อไปนี้ -

• แต่ละตารางจะปรากฏในแท็บแยกกัน
• ชื่อแท็บเป็นชื่อตารางตามลำดับ
• พื้นที่ด้านล่างของข้อมูลมีไว้สำหรับการคำนวณ

การดูชื่อการเชื่อมต่อ

คลิกการเชื่อมต่อที่มีอยู่ในกลุ่มรับข้อมูลภายนอก กล่องโต้ตอบการเชื่อมต่อที่มีอยู่จะปรากฏดังที่แสดงในภาพหน้าจอต่อไปนี้

ดังที่เห็นในภาพหน้าจอด้านบนชื่อการเชื่อมต่อที่ระบุจะปรากฏภายใต้ PowerPivot Data Connections

ในโมเดลข้อมูล Power Pivot ข้อมูลทั้งหมดในคอลัมน์ต้องเป็นชนิดข้อมูลเดียวกัน เพื่อให้คำนวณได้อย่างถูกต้องคุณต้องตรวจสอบให้แน่ใจว่าประเภทข้อมูลของแต่ละคอลัมน์ในแต่ละตารางในแบบจำลองข้อมูลเป็นไปตามข้อกำหนด

ตารางในแบบจำลองข้อมูล

ในแบบจำลองข้อมูลที่สร้างขึ้นในบทก่อนหน้ามี 3 ตาราง -

• Accounts
• ที่ตั้งทางภูมิศาสตร์
• ข้อมูลการเงิน

การตรวจสอบประเภทข้อมูลที่เหมาะสม

เพื่อให้แน่ใจว่าคอลัมน์ในตารางเป็นไปตามต้องการคุณต้องตรวจสอบประเภทข้อมูลในหน้าต่าง Power Pivot

• คลิกคอลัมน์ในตาราง

• สังเกตชนิดข้อมูลของคอลัมน์ตามที่แสดงบน Ribbon ในกลุ่มการจัดรูปแบบ

หากชนิดข้อมูลของคอลัมน์ที่เลือกไม่เหมาะสมให้เปลี่ยนประเภทข้อมูลดังนี้

• คลิกลูกศรลงถัดจากประเภทข้อมูลในกลุ่มการจัดรูปแบบ

• คลิกประเภทข้อมูลที่เหมาะสมในรายการแบบเลื่อนลง

• ทำซ้ำสำหรับทุกคอลัมน์ในตารางทั้งหมดในโมเดลข้อมูล

คอลัมน์ในตารางบัญชี

ในตารางบัญชีคุณมีคอลัมน์ต่อไปนี้ -

ซีเนียร์ No	คอลัมน์และคำอธิบาย
1	Account ประกอบด้วยหมายเลขบัญชีหนึ่งหมายเลขสำหรับแต่ละแถว คอลัมน์มีค่าที่ไม่ซ้ำกันและใช้ในการกำหนดความสัมพันธ์กับตารางข้อมูลการเงิน
2	Class คลาสที่เชื่อมโยงกับแต่ละบัญชี ตัวอย่าง - ค่าใช้จ่ายรายได้สุทธิ ฯลฯ
3	Sub Class อธิบายประเภทของค่าใช้จ่ายหรือรายได้ ตัวอย่าง - คน

คอลัมน์ทั้งหมดในตารางบัญชีมีลักษณะเป็นคำอธิบายดังนั้นจึงเป็นประเภทข้อมูลแบบข้อความ

คอลัมน์ในตารางภูมิศาสตร์ที่ตั้ง

ตาราง Geography Locn มีข้อมูลเกี่ยวกับศูนย์กำไรแต่ละแห่ง

คอลัมน์ศูนย์กำไรประกอบด้วยเอกลักษณ์ของศูนย์กำไรหนึ่งรายการสำหรับแต่ละแถว คอลัมน์นี้มีค่าที่ไม่ซ้ำกันและใช้ในการกำหนดความสัมพันธ์กับตารางข้อมูลการเงิน

คอลัมน์ในตารางข้อมูลการเงิน

ในตารางข้อมูลการเงินคุณมีคอลัมน์ต่อไปนี้ -

คอลัมน์	คำอธิบาย	ประเภทข้อมูล
เดือนบัญชี	เดือนและปี	ข้อความ
ศูนย์กำไร	เอกลักษณ์ของศูนย์กำไร	ข้อความ
บัญชีผู้ใช้	หมายเลขบัญชี. แต่ละบัญชีสามารถมีศูนย์กำไรได้หลายแห่ง	ข้อความ
งบประมาณ	จำนวนงบประมาณรายเดือนสำหรับแต่ละศูนย์กำไร	สกุลเงิน
ตามจริง	จำนวนเงินจริงรายเดือนสำหรับแต่ละศูนย์กำไร	สกุลเงิน
พยากรณ์	จำนวนเงินคาดการณ์รายเดือนสำหรับศูนย์กำไรแต่ละแห่ง	สกุลเงิน
คนจริง	จำนวนพนักงานที่แท้จริงของสิ้นเดือนสำหรับแต่ละศูนย์กำไรของแต่ละบัญชี	จำนวนทั้งหมด
คนงบประมาณ	จำนวนพนักงานงบประมาณสิ้นเดือนสำหรับแต่ละศูนย์กำไรของแต่ละคนบัญชี	จำนวนทั้งหมด
พยากรณ์ผู้คน	จำนวนพนักงานคาดการณ์สิ้นเดือนสำหรับแต่ละศูนย์กำไรของแต่ละคนบัญชี	จำนวนทั้งหมด

ประเภทของตารางในแบบจำลองข้อมูล

ทั้งตาราง Accounts และ Geography Locn เป็นตารางมิติหรือที่เรียกว่า lookup tables.

Finance Data tableคือตารางข้อเท็จจริงหรือที่เรียกว่าตารางข้อมูล ตารางข้อมูลการเงินประกอบด้วยข้อมูลที่จำเป็นสำหรับการคำนวณกำไรและการวิเคราะห์ นอกจากนี้คุณยังจะสร้างข้อมูลเมตาในรูปแบบของการวัดและคอลัมน์จากการคำนวณในตารางข้อมูลการเงินนี้เพื่อสร้างแบบจำลองข้อมูลสำหรับการคำนวณกำไรและขาดทุนประเภทต่างๆในขณะที่คุณดำเนินการตามบทช่วยสอนนี้

การวิเคราะห์ข้อมูลเกี่ยวข้องกับการเรียกดูข้อมูลในช่วงเวลาหนึ่งและทำการคำนวณตามช่วงเวลา ตัวอย่างเช่นคุณอาจต้องเปรียบเทียบผลกำไรของปีปัจจุบันกับผลกำไรของปีก่อน ในทำนองเดียวกันคุณอาจต้องคาดการณ์การเติบโตและผลกำไรในอีกไม่กี่ปีข้างหน้า สำหรับสิ่งเหล่านี้คุณต้องใช้การจัดกลุ่มและการรวมในช่วงเวลาหนึ่ง

DAX มีฟังก์ชัน Time Intelligence หลายอย่างที่ช่วยให้คุณคำนวณส่วนใหญ่ได้ อย่างไรก็ตามฟังก์ชัน DAX เหล่านี้ต้องการตารางวันที่สำหรับการใช้งานกับตารางอื่น ๆ ในแบบจำลองข้อมูล

คุณสามารถนำเข้าตารางวันที่พร้อมกับข้อมูลอื่น ๆ จากแหล่งข้อมูลหรือคุณสามารถสร้างตารางวันที่ด้วยตัวเองในแบบจำลองข้อมูล

ในบทนี้คุณจะเข้าใจแง่มุมต่างๆของตารางวันที่ หากคุณคุ้นเคยกับตารางวันที่ในโมเดลข้อมูล Power Pivot คุณสามารถข้ามบทนี้และดำเนินการกับบทต่อ ๆ ไปได้ มิฉะนั้นคุณสามารถเข้าใจตารางวันที่ในโมเดลข้อมูล Power Pivot

ตารางวันที่คืออะไร?

ตารางวันที่คือตารางในแบบจำลองข้อมูลโดยมีวันที่ที่ต่อเนื่องกันอย่างน้อยหนึ่งคอลัมน์ในช่วงเวลาที่กำหนด สามารถมีคอลัมน์เพิ่มเติมแทนช่วงเวลาต่างๆ อย่างไรก็ตามสิ่งที่จำเป็นคือคอลัมน์ของวันที่ที่ต่อเนื่องกันตามที่ฟังก์ชัน DAX Time Intelligence ต้องการ

ตัวอย่างเช่น,

• ตารางวันที่สามารถมีคอลัมน์เช่นวันที่เดือนบัญชีไตรมาสบัญชีและปีบัญชี

• ตารางวันที่สามารถมีคอลัมน์เช่นวันที่เดือนไตรมาสและปี

ตารางวันที่ที่มีวันที่ติดกัน

สมมติว่าคุณต้องทำการคำนวณในช่วงของปีปฏิทิน จากนั้นตารางวันที่ต้องมีคอลัมน์อย่างน้อยหนึ่งคอลัมน์ที่มีชุดวันที่ที่ต่อเนื่องกันรวมทั้งวันที่ทั้งหมดในปีปฏิทินนั้น ๆ

ตัวอย่างเช่นสมมติว่าข้อมูลที่คุณต้องการที่จะดูมีจากวันที่ 1 เมษายน 2014 ผ่านพฤศจิกายน 30 ^TH 2016

• หากคุณมีการรายงานเกี่ยวกับปฏิทินปีคุณต้องตารางวันกับคอลัมน์ - วันซึ่งมีทุกวันตั้งแต่เดือนมกราคม 1 ^{เซนต์} , 2014 31 ธันวาคม^ST 2016 ในลำดับ

• หากคุณมีการรายงานเกี่ยวกับปีงบประมาณและสิ้นปีงบประมาณของคุณคือ 30 ^THมิถุนายนที่คุณต้องการตารางวันกับคอลัมน์ - วันซึ่งมีทุกวันตั้งแต่เดือนกรกฎาคม 1 ^ST 2013 ถึงเดือนมิถุนายน 30 ^TH 2017 ใน ลำดับ.

• หากคุณต้องรายงานทั้งในปฏิทินและปีบัญชีคุณสามารถมีตารางวันที่เดียวที่ครอบคลุมช่วงวันที่ที่ต้องการ

ตารางวันที่ของคุณต้องมีวันทั้งหมดสำหรับช่วงของทุกปีในช่วงเวลาที่กำหนด ดังนั้นคุณจะได้รับวันที่ที่ติดต่อกันภายในช่วงเวลานั้น

หากคุณรีเฟรชข้อมูลเป็นประจำด้วยข้อมูลใหม่คุณจะมีวันที่สิ้นสุดขยายออกไปหนึ่งหรือสองปีเพื่อที่คุณจะได้ไม่ต้องอัปเดตตารางวันที่บ่อยๆ

ตารางวันที่ดูเหมือนภาพหน้าจอต่อไปนี้

การเพิ่มตารางวันที่ในโมเดลข้อมูล

คุณสามารถเพิ่มตารางวันที่ลงในโมเดลข้อมูลได้ด้วยวิธีใดวิธีหนึ่งดังต่อไปนี้ -

• การนำเข้าจากฐานข้อมูลเชิงสัมพันธ์หรือแหล่งข้อมูลอื่น ๆ

• การสร้างตารางวันที่ใน Excel จากนั้นคัดลอกหรือลิงก์ไปยังตารางใหม่ใน Power Pivot

• การนำเข้าจาก Microsoft Azure Marketplace

การสร้างตารางวันที่ใน Excel และคัดลอกไปยังตัวแบบข้อมูล

การสร้างตารางวันที่ใน Excel และการคัดลอกไปยังแบบจำลองข้อมูลเป็นวิธีที่ง่ายและยืดหยุ่นที่สุดในการสร้างตารางข้อมูลในแบบจำลองข้อมูล

• เปิดแผ่นงานใหม่ใน Excel

• ประเภท - วันที่ในแถวแรกของคอลัมน์

• พิมพ์วันที่แรกในช่วงวันที่ที่คุณต้องการสร้างในแถวที่สองในคอลัมน์เดียวกัน

• เลือกเซลล์คลิกจุดจับเติมแล้วลากลงเพื่อสร้างคอลัมน์ของวันที่ที่ติดกันในช่วงวันที่ที่ต้องการ

ตัวอย่างเช่นพิมพ์ 1/1/2014 คลิกที่จับเติมแล้วลากลงเพื่อเติมวันที่ที่ต่อเนื่องกันจนถึงวันที่ 31/12/2016

• คลิกคอลัมน์วันที่
• คลิกแท็บ INSERT บน Ribbon
• คลิกตาราง
• ตรวจสอบช่วงของตาราง
• คลิกตกลง

ตารางของวันที่คอลัมน์เดียวพร้อมแล้วใน Excel

• เลือกตาราง
• คลิกคัดลอกบน Ribbon
• คลิกหน้าต่าง Power Pivot
• คลิกวางบน Ribbon

สิ่งนี้จะเพิ่มเนื้อหาของคลิปบอร์ดไปยังตารางใหม่ในโมเดลข้อมูล ดังนั้นคุณสามารถใช้วิธีเดียวกันในการสร้างตารางวันที่ในแบบจำลองข้อมูลที่มีอยู่ได้เช่นกัน

วางกล่องโต้ตอบแสดงตัวอย่างดังที่แสดงในภาพหน้าจอต่อไปนี้

• พิมพ์วันที่ในกล่องชื่อตาราง
• ดูตัวอย่างข้อมูล

• เลือกช่อง - ใช้แถวแรกเป็นส่วนหัวของคอลัมน์
• คลิกตกลง

ซึ่งจะคัดลอกเนื้อหาของคลิปบอร์ดไปยังตารางใหม่ในโมเดลข้อมูล

ตอนนี้คุณมีตารางวันที่ในแบบจำลองข้อมูลที่มีคอลัมน์เดียวของวันที่ติดกัน ส่วนหัวของคอลัมน์คือวันที่ตามที่คุณระบุในตาราง Excel

การเพิ่มคอลัมน์วันที่ใหม่ในตารางวันที่

จากนั้นคุณสามารถเพิ่มคอลัมน์จากการคำนวณลงในตารางวันที่ตามความต้องการสำหรับการคำนวณของคุณ

ตัวอย่างเช่นคุณสามารถเพิ่มคอลัมน์ - วันเดือนปีและไตรมาสดังต่อไปนี้ -

• Day

  =DAY('Date'[Date])

• Month

  =MONTH('Date'[Date])

• Year

  =YEAR('Date'[Date])

• ไตรมาส

  = CONCATENATE ("QTR", INT (('วันที่' [เดือน] +2) / 3))

ตารางวันที่ที่เป็นผลลัพธ์ในแบบจำลองข้อมูลดูเหมือนภาพหน้าจอต่อไปนี้

ดังนั้นคุณสามารถเพิ่มคอลัมน์จากการคำนวณจำนวนเท่าใดก็ได้ในตารางวันที่ สิ่งที่สำคัญและจำเป็นคือตารางวันที่ต้องมีคอลัมน์ของวันที่ที่ต่อเนื่องกันซึ่งครอบคลุมระยะเวลาที่คุณทำการคำนวณ

การสร้างตารางวันที่สำหรับปีปฏิทิน

โดยทั่วไปปีปฏิทินจะรวมวันที่ 1 มกราคมถึง 31 ธันวาคมของปีและยังรวมถึงวันหยุดที่ทำเครื่องหมายไว้สำหรับปีนั้น ๆ ด้วย เมื่อคุณทำการคำนวณคุณอาจต้องพิจารณาเฉพาะวันทำการเท่านั้นไม่รวมวันหยุดสุดสัปดาห์และวันหยุด

สมมติว่าคุณต้องการสร้างตารางวันที่สำหรับปีปฏิทิน 2017

• สร้างตาราง Excel กับวันที่คอลัมน์ประกอบด้วยวันต่อเนื่องกันตั้งแต่วันที่ 1 ^{เซนต์}เดือนมกราคม 2017-31 ^{เซนต์}ธันวาคม 2017 (โปรดดูที่ส่วนก่อนหน้านี้ทราบวิธีการทำเช่นนี้.)

• คัดลอกตาราง Excel และวางลงในตารางใหม่ในแบบจำลองข้อมูล (ดูส่วนก่อนหน้านี้เพื่อทราบวิธีการดำเนินการนี้)

• ตั้งชื่อตารางว่าปฏิทิน

• เพิ่มคอลัมน์จากการคำนวณต่อไปนี้ -

  • วัน = DAY ('ปฏิทิน' [วันที่])

  • เดือน = MONTH ('ปฏิทิน' [วันที่])

  • ปี = YEAR ('ปฏิทิน' [วันที่])

  • วันในสัปดาห์ = FORMAT ('ปฏิทิน' [วันที่], "DDD")

  • ชื่อเดือน = FORMAT ('ปฏิทิน' [วันที่], "MMM")

การเพิ่มวันหยุดลงในตารางปฏิทิน

เพิ่มวันหยุดลงในตารางปฏิทินดังนี้ -

• รับรายชื่อวันหยุดประจำปีที่ประกาศไว้

• ตัวอย่างเช่นสำหรับสหรัฐอเมริกาคุณสามารถดูรายการวันหยุดของปีใดก็ได้ที่ต้องการจากลิงค์ต่อไปนี้ http://www.calendar-365.com/.

• คัดลอกและวางลงในแผ่นงาน Excel

• คัดลอกตาราง Excel และวางลงในตารางใหม่ในแบบจำลองข้อมูล

• ตั้งชื่อตารางเป็นวันหยุด

• ถัดไปคุณสามารถเพิ่มคอลัมน์จากการคำนวณของวันหยุดลงในตารางปฏิทินโดยใช้ฟังก์ชัน DAX LOOKUPVALUE

=LOOKUPVALUE(Holidays[Holiday],Holidays[Date],'Calendar'[Date])

ฟังก์ชัน DAX LOOKUPVALUE จะค้นหาพารามิเตอร์ที่สามนั่นคือปฏิทิน [วันที่] ในพารามิเตอร์ที่สองคือวันหยุด [วันที่] และส่งกลับพารามิเตอร์แรกคือวันหยุด [วันหยุด] หากมีการจับคู่ ผลลัพธ์จะมีลักษณะเหมือนที่แสดงในภาพหน้าจอต่อไปนี้

การเพิ่มคอลัมน์ในปีงบประมาณ

ปีงบประมาณมักจะมีวันที่จาก 1 ^{เซนต์}ของเดือนหลังจากที่สิ้นปีงบประมาณที่จะสิ้นสุดปีงบประมาณถัดไป ตัวอย่างเช่นถ้าสิ้นปีงบประมาณ 31 ^{เซนต์}มีนาคมแล้วปีงบประมาณช่วงตั้งแต่วันที่ 1 ^{เซนต์}เดือนเมษายนถึงวันที่ 31 ^{เซนต์}มีนาคม

คุณสามารถรวมรอบระยะเวลาทางการเงินในตารางปฏิทินโดยใช้สูตร DAX -

• เพิ่มการวัดสำหรับปีงบประมาณ

  FYE:=3

• เพิ่มคอลัมน์จากการคำนวณต่อไปนี้ -

  • Fiscal Year

    = IF ('ปฏิทิน' [เดือน] <= 'ปฏิทิน' [FYE], 'ปฏิทิน' [ปี], 'ปฏิทิน' [ปี] +1)

  • Fiscal Month

    = IF ('ปฏิทิน' [เดือน] <= 'ปฏิทิน' [FYE], 12-'ปฏิทิน' [FYE] + 'ปฏิทิน' [เดือน], 'ปฏิทิน' [เดือน] - 'ปฏิทิน' [FYE])

  • Fiscal Quarter

    = INT (('ปฏิทิน' [เดือนบัญชี] +2) / 3)

การตั้งค่าคุณสมบัติตารางวันที่

เมื่อคุณใช้ฟังก์ชัน DAX Time Intelligence เช่น TOTALYTD, PREVIOUSMONTH และ DATESBETWEEN ฟังก์ชันเหล่านี้ต้องการข้อมูลเมตาเพื่อให้ทำงานได้อย่างถูกต้อง Date Table Property ตั้งค่าข้อมูลเมตาดังกล่าว

การตั้งค่าคุณสมบัติตารางวัน -

• เลือกตารางปฏิทินในหน้าต่าง Power Pivot
• คลิกแท็บออกแบบบน Ribbon
• คลิกทำเครื่องหมายเป็นตารางวันที่ในกลุ่มปฏิทิน
• คลิกทำเครื่องหมายเป็นตารางวันที่ในรายการแบบเลื่อนลง

กล่องโต้ตอบทำเครื่องหมายเป็นตารางวันที่จะปรากฏขึ้น เลือกคอลัมน์วันที่ในตารางปฏิทิน ต้องเป็นคอลัมน์ของชนิดข้อมูลวันที่และต้องมีค่าที่ไม่ซ้ำกัน คลิกตกลง

ในบทนี้คุณจะได้เรียนรู้วิธีขยายโมเดลข้อมูลที่สร้างขึ้นในบทก่อนหน้านี้ การขยายโมเดลข้อมูลประกอบด้วย -

• การเพิ่มตาราง
• การเพิ่มคอลัมน์จากการคำนวณในตารางที่มีอยู่
• การสร้างมาตรการในตารางที่มีอยู่

ในสิ่งเหล่านี้การสร้างมาตรการเป็นสิ่งสำคัญเนื่องจากเกี่ยวข้องกับการให้ข้อมูลเชิงลึกใหม่ในแบบจำลองข้อมูลซึ่งจะช่วยให้ผู้ที่ใช้แบบจำลองข้อมูลหลีกเลี่ยงการทำงานซ้ำและยังประหยัดเวลาในขณะที่วิเคราะห์ข้อมูลและการตัดสินใจ

เนื่องจากการวิเคราะห์กำไรและขาดทุนเกี่ยวข้องกับการทำงานกับช่วงเวลาและคุณจะใช้ฟังก์ชัน DAX Time Intelligence คุณจึงต้องมีตารางวันที่ในแบบจำลองข้อมูล

หากคุณยังใหม่กับตารางวันที่ให้อ่านบท - การทำความเข้าใจตารางวันที่

คุณสามารถขยายโมเดลข้อมูลได้ดังนี้ -

• ในการสร้างความสัมพันธ์ระหว่างตารางข้อมูลเช่นตารางข้อมูลการเงินและตารางวันที่คุณต้องสร้างคอลัมน์จากการคำนวณวันที่ในตารางข้อมูลการเงิน

• ในการคำนวณประเภทต่างๆคุณต้องสร้างความสัมพันธ์ระหว่างตารางข้อมูล - ข้อมูลการเงินและตารางการค้นหา - บัญชีและที่ตั้งทางภูมิศาสตร์

• คุณต้องสร้างมาตรการต่างๆที่ช่วยให้คุณทำการคำนวณหลาย ๆ อย่างและทำการวิเคราะห์ที่จำเป็น

ขั้นตอนเหล่านี้เป็นขั้นตอนการสร้างแบบจำลองข้อมูลสำหรับการวิเคราะห์กำไรและขาดทุนโดยใช้แบบจำลองข้อมูล อย่างไรก็ตามนี่คือลำดับขั้นตอนสำหรับการวิเคราะห์ข้อมูลประเภทใด ๆ ที่คุณต้องการดำเนินการกับแบบจำลองข้อมูล Power Pivot

นอกจากนี้คุณจะได้เรียนรู้วิธีสร้างมาตรการและวิธีใช้มาตรการเหล่านี้ใน Power PivotTables ในบทต่อ ๆ ไป สิ่งนี้จะทำให้คุณมีความเข้าใจอย่างเพียงพอเกี่ยวกับการสร้างแบบจำลองข้อมูลด้วย DAX และการวิเคราะห์ข้อมูลด้วย Power PivotTables

การเพิ่มตารางวันที่ในโมเดลข้อมูล

สร้างตารางวันที่สำหรับช่วงเวลาที่ครอบคลุมปีบัญชีดังนี้ -

• สร้างตารางที่มีคอลัมน์เดียวที่มีส่วนหัว - วันที่และวันที่ที่ต่อเนื่องกันตั้งแต่ 7/1/2011 ถึง 6/30/2018 ในแผ่นงาน Excel ใหม่

• คัดลอกตารางจาก Excel แล้ววางลงในหน้าต่าง Power Pivot สิ่งนี้จะสร้างตารางใหม่ในโมเดลข้อมูล Power Pivot

• ตั้งชื่อตารางเป็นวันที่

• ตรวจสอบให้แน่ใจว่าคอลัมน์วันที่ในตารางวันที่เป็นประเภทข้อมูล - วันที่ (DateTime)

ถัดไปคุณต้องเพิ่มคอลัมน์จากการคำนวณ - ปีบัญชีไตรมาสบัญชีเดือนปีงบประมาณและเดือนในตารางวันที่ดังนี้ -

ปีงบประมาณ

สมมติว่าสิ้นปีงบประมาณคือ 30 มิถุนายนTH จากนั้นช่วงปีงบประมาณปีตั้งแต่วันที่ 1 ^{เซนต์}กรกฎาคมถึง 30 ^{ปีบริบูรณ์}มิถุนายน ยกตัวอย่างเช่นงวด 1 กรกฎาคม^ST 2011 (2011/07/01) เพื่อมิถุนายน 30 ^TH , 2012 (2012/06/30) จะเป็นปีงบการเงิน 2012

ในตารางวันที่สมมติว่าคุณต้องการแทนค่าเดียวกันกับปีงบประมาณ 2555

• ก่อนอื่นคุณต้องแยกส่วนของปีการเงินของวันที่และต่อท้ายด้วย FY

  • สำหรับวันที่ในเดือนกรกฎาคม 2011 ถึงธันวาคม 2011 ปีการเงินคือ 1 + 2011

  • สำหรับวันที่ในเดือนมกราคม 2012 ถึงมิถุนายน 2012 ปีการเงินคือ 0 + 2012

  • หากต้องการสรุปโดยทั่วไปหากเดือนของสิ้นปีการเงินคือปีงบประมาณให้ทำดังต่อไปนี้ -

    Integer Part of ((Month – 1)/FYE) + Year

  • จากนั้นใช้อักขระ 4 ตัวขวาสุดเพื่อรับปีการเงิน

• ใน DAX คุณสามารถแทนค่าเดียวกับ -

  RIGHT (INT ((MONTH ('Date' [Date]) - 1) / 'Date' [FYE]) + YEAR ('Date' [Date]), 4)

• เพิ่มคอลัมน์จากการคำนวณปีบัญชีในตารางวันที่ด้วยสูตร DAX -

  = "FY" & RIGHT (INT ((MONTH ('Date' [Date]) - 1) / 'Date' [FYE]) + YEAR ('Date' [Date]), 4)

ไตรมาสที่ผ่านมา

หาก FYE หมายถึงเดือนของสิ้นปีการเงินไตรมาสการเงินจะได้รับเป็น

Integer Part of ((Remainder of ((Month+FYE-1)/12) + 3)/3)

• ใน DAX คุณสามารถแทนค่าเดียวกับ -

  INT ((MOD (เดือน ('วันที่' [วันที่]) + 'วันที่' [FYE] -1,12) +3) / 3)

• เพิ่มคอลัมน์จากการคำนวณไตรมาสบัญชีในตารางวันที่ด้วยสูตร DAX -

  = 'Date' [FiscalYear] & "- Q" & FORMAT (INT ((MOD (MONTH ('Date' [Date]) + 'Date' [FYE] -1,12) + 3) / 3), "0" )

เดือนบัญชี

หาก FYE หมายถึงวันสิ้นปีการเงินรอบเดือนการเงินจะได้รับเป็น

(Remainder of (Month+FYE-1)/12) + 1

• ใน DAX คุณสามารถแทนค่าเดียวกับ -

  MOD (MONTH ('Date' [Date]) + 'Date' [FYE] -1,12) +1

• เพิ่มคอลัมน์จากการคำนวณเดือนทางบัญชีในตารางวันที่ด้วยสูตร DAX -

  = 'วันที่' [ปีงบประมาณ] & "- P" & FORMAT (MOD (MONTH ([Date]) + [FYE] -1,12) +1, "00")

เดือน

สุดท้ายเพิ่มคอลัมน์เดือนจากการคำนวณที่แสดงถึงหมายเลขเดือนในปีการเงินดังนี้ -

= FORMAT (MOD (MONTH ([วันที่]) + [FYE] -1,12) +1, "00") & "-" & FORMAT ([วันที่], "mmm")

ตารางวันที่ที่ได้จะดูเหมือนภาพหน้าจอต่อไปนี้

ทำเครื่องหมายตาราง - วันที่เป็นตารางวันที่ด้วยคอลัมน์ - วันที่เป็นคอลัมน์ที่มีค่าเฉพาะดังที่แสดงในภาพหน้าจอต่อไปนี้

การเพิ่มคอลัมน์จากการคำนวณ

ในการสร้างความสัมพันธ์ระหว่างตารางข้อมูลทางการเงินและตารางวันที่คุณต้องมีคอลัมน์ของค่าวันที่ในตารางข้อมูลการเงิน

• เพิ่มคอลัมน์จากการคำนวณวันที่ในตารางข้อมูลทางการเงินด้วยสูตร DAX -

  = DATEVALUE ('ข้อมูลการเงิน' [เดือนบัญชี])

การกำหนดความสัมพันธ์ระหว่างตารางในโมเดลข้อมูล

คุณมีตารางต่อไปนี้ในแบบจำลองข้อมูล -

• ตารางข้อมูล - ข้อมูลการเงิน
• ตารางการค้นหา - ที่ตั้งบัญชีและภูมิศาสตร์
• ตารางวันที่ - วันที่

ในการกำหนดความสัมพันธ์ระหว่างตารางในแบบจำลองข้อมูลให้ทำตามขั้นตอนต่อไปนี้ -

• ดูตารางในมุมมองไดอะแกรมของ Power Pivot

• สร้างความสัมพันธ์ต่อไปนี้ระหว่างตาราง -

  • ความสัมพันธ์ระหว่างตารางข้อมูลการเงินและตารางบัญชีกับคอลัมน์บัญชี

  • ความสัมพันธ์ระหว่างตารางข้อมูลทางการเงินและตารางภูมิศาสตร์กับคอลัมน์ศูนย์กำไร

  • ความสัมพันธ์ระหว่างตารางข้อมูลการเงินและตารางวันที่กับคอลัมน์วันที่

การซ่อนคอลัมน์จากเครื่องมือไคลเอ็นต์

หากมีคอลัมน์ใด ๆ ในตารางข้อมูลที่คุณไม่ได้ใช้เป็นเขตข้อมูลใน PivotTable ใด ๆ คุณสามารถซ่อนคอลัมน์เหล่านี้ในแบบจำลองข้อมูลได้ จากนั้นจะไม่ปรากฏในรายการเขตข้อมูล PivotTable

ในตารางข้อมูลการเงินคุณมี 4 คอลัมน์ ได้แก่ เดือนบัญชีวันที่บัญชีและศูนย์กำไรที่คุณจะไม่ใช้เป็นเขตข้อมูลใน PivotTable ใด ๆ ดังนั้นคุณสามารถซ่อนเพื่อไม่ให้ปรากฏในรายการเขตข้อมูล PivotTable

• เลือกคอลัมน์ - เดือนทางบัญชีวันที่บัญชีและศูนย์กำไรในตารางข้อมูลการเงิน

• คลิกขวาและเลือกซ่อนจากเครื่องมือไคลเอนต์ในรายการแบบเลื่อนลง

การสร้างมาตรการในตาราง

คุณพร้อมสำหรับการสร้างแบบจำลองและการวิเคราะห์ข้อมูลด้วย DAX โดยใช้แบบจำลองข้อมูลและ Power PivotTables

ในบทต่อ ๆ ไปคุณจะได้เรียนรู้วิธีสร้างมาตรการและวิธีใช้ใน Power PivotTables คุณจะสร้างมาตรการทั้งหมดในตารางข้อมูลนั่นคือตารางข้อมูลการเงิน

คุณจะสร้างการวัดโดยใช้สูตร DAX ในตารางข้อมูล - ข้อมูลทางการเงินซึ่งคุณสามารถใช้ใน PivotTables จำนวนเท่าใดก็ได้สำหรับการวิเคราะห์ข้อมูล การวัดผลเป็นข้อมูลเมตาเป็นหลัก การสร้างมาตรการในตารางข้อมูลเป็นส่วนหนึ่งของการสร้างแบบจำลองข้อมูลและการสรุปไว้ใน Power PivotTables เป็นส่วนหนึ่งของการวิเคราะห์ข้อมูล

คุณสามารถสร้างมาตรการต่างๆในแบบจำลองข้อมูลเพื่อใช้ใน Power PivotTables จำนวนเท่าใดก็ได้ ซึ่งจะสร้างแบบจำลองข้อมูลและกระบวนการวิเคราะห์ด้วยโมเดลข้อมูลโดยใช้ DAX

ดังที่คุณได้เรียนรู้ก่อนหน้านี้ในส่วนก่อนหน้านี้การสร้างแบบจำลองและการวิเคราะห์ข้อมูลขึ้นอยู่กับธุรกิจและบริบทเฉพาะ ในบทนี้คุณจะได้เรียนรู้การสร้างแบบจำลองและการวิเคราะห์ข้อมูลตามฐานข้อมูลกำไรและขาดทุนตัวอย่างเพื่อทำความเข้าใจวิธีสร้างมาตรการที่จำเป็นและใช้ใน Power PivotTables ต่างๆ

คุณสามารถใช้วิธีการเดียวกันในการสร้างแบบจำลองและการวิเคราะห์ข้อมูลสำหรับธุรกิจและบริบทใด ๆ

การสร้างมาตรการตามข้อมูลการเงิน

ในการสร้างรายงานทางการเงินใด ๆ คุณต้องทำการคำนวณจำนวนเงินสำหรับช่วงเวลาองค์กรบัญชีหรือตำแหน่งทางภูมิศาสตร์ที่เฉพาะเจาะจง นอกจากนี้คุณยังต้องทำการคำนวณจำนวนพนักงานและต้นทุนต่อจำนวนพนักงาน ในแบบจำลองข้อมูลคุณสามารถสร้างหน่วยวัดพื้นฐานที่สามารถใช้ซ้ำได้ในการสร้างมาตรการอื่น ๆ นี่เป็นวิธีที่มีประสิทธิภาพในการสร้างแบบจำลองข้อมูลด้วย DAX

ในการคำนวณสำหรับการวิเคราะห์ข้อมูลกำไรขาดทุนคุณสามารถสร้างมาตรการต่างๆเช่นผลรวมปีต่อปีปีต่อวันไตรมาสต่อวันผลต่างจำนวนพนักงานต้นทุนต่อจำนวนพนักงาน ฯลฯ คุณสามารถ ใช้มาตรการเหล่านี้ใน Power PivotTables เพื่อวิเคราะห์ข้อมูลและรายงานผลการวิเคราะห์

ในส่วนต่อไปนี้คุณจะได้เรียนรู้วิธีสร้างมาตรการทางการเงินพื้นฐานและวิเคราะห์ข้อมูลด้วยมาตรการเหล่านั้น มาตรการนี้เรียกว่ามาตรการพื้นฐานเนื่องจากสามารถใช้ในการสร้างมาตรการทางการเงินอื่น ๆ คุณจะได้เรียนรู้วิธีสร้างมาตรการสำหรับช่วงเวลาก่อนหน้าและใช้ในการวิเคราะห์

การสร้างมาตรการทางการเงินพื้นฐาน

ในการวิเคราะห์ข้อมูลทางการเงินงบประมาณและการคาดการณ์มีบทบาทสำคัญ

งบประมาณ

งบประมาณคือการประมาณรายได้และค่าใช้จ่ายของ บริษัท สำหรับปีการเงิน งบประมาณจะคำนวณในช่วงต้นปีการเงินโดยคำนึงถึงเป้าหมายและเป้าหมายของ บริษัท มาตรการด้านงบประมาณจำเป็นต้องได้รับการวิเคราะห์เป็นครั้งคราวในระหว่างปีการเงินเนื่องจากสภาวะตลาดอาจมีการเปลี่ยนแปลงและ บริษัท อาจต้องปรับเป้าหมายและเป้าหมายให้สอดคล้องกับแนวโน้มปัจจุบันในอุตสาหกรรม

พยากรณ์

การคาดการณ์ทางการเงินคือการประมาณผลลัพธ์ทางการเงินในอนาคตของ บริษัท โดยการตรวจสอบข้อมูลรายรับและรายจ่ายในอดีตของ บริษัท คุณสามารถใช้การพยากรณ์ทางการเงินดังต่อไปนี้ -

• เพื่อกำหนดวิธีการจัดสรรงบประมาณสำหรับระยะเวลาในอนาคต

• เพื่อติดตามผลการดำเนินงานที่คาดหวังของ บริษัท

• ในการตัดสินใจอย่างทันท่วงทีเพื่อจัดการกับข้อบกพร่องต่อเป้าหมายหรือเพื่อเพิ่มโอกาสที่จะเกิดขึ้นให้ได้มากที่สุด

จริง

ในการคำนวณงบประมาณและการคาดการณ์คุณต้องมีรายรับและค่าใช้จ่ายจริง ณ เวลาใดก็ได้

คุณสามารถสร้างมาตรการทางการเงินพื้นฐาน 3 รายการต่อไปนี้ที่สามารถใช้ในการสร้างมาตรการทางการเงินอื่น ๆ ในโหมดข้อมูล -

• รวมงบประมาณ
• ผลรวมจริง
• ผลรวมการคาดการณ์

การวัดผลเหล่านี้เป็นผลรวมของคอลัมน์ - งบประมาณตามจริงและการคาดการณ์ในตารางข้อมูลการเงิน

จัดทำมาตรการฐานการเงินดังนี้ -

Budget Sum

ผลรวมงบประมาณ: = SUM ('ข้อมูลการเงิน' [งบประมาณ])

Actual Sum

ผลรวมจริง: = SUM ('ข้อมูลการเงิน' [ตามจริง])

Forecast Sum

ผลรวมการคาดการณ์: = SUM ('ข้อมูลการเงิน' [การคาดการณ์])

การวิเคราะห์ข้อมูลด้วยมาตรการทางการเงินพื้นฐาน

ด้วยมาตรการทางการเงินพื้นฐานและตารางวันที่คุณสามารถทำการวิเคราะห์ได้ดังต่อไปนี้ -

• สร้าง Power PivotTable
• เพิ่มเขตข้อมูลปีบัญชีจากตารางวันที่ไปยังแถว
• เพิ่มการวัดผลรวมงบประมาณผลรวมจริงและผลรวมการคาดการณ์ (ที่ปรากฏเป็นเขตข้อมูลในรายการเขตข้อมูล PivotTable) ให้กับค่า

การสร้างมาตรการทางการเงินสำหรับช่วงเวลาก่อนหน้า

ด้วยมาตรการทางการเงินพื้นฐานสามแบบและตารางวันที่คุณสามารถสร้างมาตรการทางการเงินอื่น ๆ

สมมติว่าคุณต้องการเปรียบเทียบผลรวมจริงของไตรมาสกับผลรวมจริงของไตรมาสก่อนหน้า คุณสามารถสร้างการวัด - ผลรวมจริงของไตรมาสก่อนหน้า

ผลรวมจริงของไตรมาสก่อนหน้า: = คำนวณ ([ผลรวมจริง], DATEADD ('วันที่' [วันที่], 1, QUARTER))

ในทำนองเดียวกันคุณสามารถสร้างหน่วยวัด - ผลรวมจริงของปีก่อนหน้า

ปีก่อนผลรวมจริง: = คำนวณ ([ผลรวมจริง], DATEADD ('วันที่' [วันที่], 1, ปี))

การวิเคราะห์ข้อมูลด้วยมาตรการทางการเงินสำหรับช่วงเวลาก่อนหน้า

ด้วยการวัดพื้นฐานการวัดสำหรับช่วงเวลาก่อนหน้าและตารางวันที่คุณสามารถทำการวิเคราะห์ได้ดังนี้ -

• สร้าง Power PivotTable
• เพิ่มฟิลด์ Fiscal Quarter จากตาราง Date ไปยัง Rows
• เพิ่มมาตรการผลรวมจริงและผลรวมจริงของไตรมาสก่อนหน้าเป็นค่า
• สร้าง Power PivotTable อื่น
• เพิ่มเขตข้อมูลปีบัญชีจากตารางวันที่ไปยังแถว
• เพิ่มมาตรการผลรวมจริงและผลรวมจริงของปีก่อนเป็นค่า

Year-over-Year (YoY) เป็นตัวชี้วัดการเติบโต ได้จากการลบผลรวมจริงของปีที่แล้วออกจากผลรวมจริง

หากผลลัพธ์เป็นบวกแสดงถึงการเพิ่มขึ้นจริงและหากเป็นลบจะสะท้อนถึงการลดลงของความเป็นจริงกล่าวคือถ้าเราคำนวณปีต่อปีเป็น -

year-over-year = (actual sum –prior year actual sum)

• หากผลรวมจริง> ผลรวมจริงของปีก่อนปีต่อปีจะเป็นบวก
• หากผลรวมจริง <ผลรวมจริงของปีก่อนปีต่อปีจะเป็นลบ

ในข้อมูลทางการเงินบัญชีต่างๆเช่นบัญชีค่าใช้จ่ายจะมียอดเงินเดบิต (บวก) และบัญชีรายรับจะมีจำนวนเครดิต (ติดลบ) ดังนั้นสำหรับบัญชีค่าใช้จ่ายสูตรข้างต้นจึงใช้ได้ดี

อย่างไรก็ตามสำหรับบัญชีรายรับควรเป็นแบบย้อนกลับกล่าวคือ

• หากผลรวมจริง> ผลรวมจริงของปีก่อนปีต่อปีควรเป็นลบ
• หากผลรวมจริง <ผลรวมจริงของปีก่อนหน้าปีต่อปีควรเป็นบวก

ดังนั้นสำหรับบัญชีรายรับคุณต้องคำนวณปีต่อปีเป็น -

year-over-year = -(actual sum – prior year actual sum)

การสร้างมาตรวัดปีต่อปี

คุณสามารถสร้างการวัดแบบปีต่อปีด้วยสูตร DAX ต่อไปนี้ -

YoY: = IF (มี (บัญชี, บัญชี [Class], "รายได้สุทธิ"), - ([ผลรวมจริง] - [ผลรวมจริงของปีก่อน]), [ผลรวมจริง] - [ผลรวมจริงของปีก่อน])

ในสูตร DAX ข้างต้น -

• ฟังก์ชัน DAX CONTAINS จะส่งกลับค่า TRUE หากแถวมี "รายได้สุทธิ" ในคอลัมน์คลาสในตารางบัญชี

• จากนั้นฟังก์ชัน DAX IF จะส่งกลับ - ([ผลรวมจริง] - [ผลรวมจริงของปีก่อน])

• มิฉะนั้นฟังก์ชัน DAX IF จะส่งกลับ [ผลรวมจริง] - [ผลรวมจริงของปีก่อน]

การสร้างการวัดเปอร์เซ็นต์ปีต่อปี

คุณสามารถแทนปีต่อปีเป็นเปอร์เซ็นต์ด้วยอัตราส่วน -

(YoY) / (Prior Year Actual Sum)

คุณสามารถสร้างการวัดเปอร์เซ็นต์แบบปีต่อปีด้วยสูตร DAX ต่อไปนี้ -

YoY%: = IF ([ผลรวมจริงของปีก่อน], [YoY] / ABS ([ผลรวมจริงของปีก่อน]), BLANK ())

ฟังก์ชัน DAX IF ถูกใช้ในสูตรข้างต้นเพื่อให้แน่ใจว่าไม่มีการหารด้วยศูนย์

การวิเคราะห์ข้อมูลด้วยมาตรการปีต่อปี

สร้าง Power PivotTable ดังต่อไปนี้ -

• เพิ่มฟิลด์ Class และ Sub Class จากตาราง Accounts ไปยัง Rows
• เพิ่มมาตรการ - ผลรวมจริง, ผลรวมจริงของปีก่อน, YoY และ YoY% เป็นมูลค่า
• แทรกตัวแบ่งส่วนข้อมูลบนฟิลด์ปีบัญชีจากตารางวันที่
• เลือก FY2016 ในตัวแบ่งส่วนข้อมูล

การสร้างงบประมาณปีต่อปี

คุณสามารถสร้างการวัดงบประมาณปีต่อปีได้ดังนี้ -

งบประมาณ YoY: = IF (ประกอบด้วย (บัญชี, บัญชี [ชั้น], "รายได้สุทธิ"), - ([ยอดรวมงบประมาณ] - [ผลรวมจริงของปีก่อน]), [ยอดรวมงบประมาณ] - [ผลรวมจริงของปีก่อน])

การสร้างการวัดเปอร์เซ็นต์ของงบประมาณปีต่อปี

คุณสามารถสร้างการวัดเปอร์เซ็นต์ของงบประมาณปีต่อปีได้ดังนี้ -

งบประมาณ YoY%: = IF ([ผลรวมจริงของปีก่อน], [งบประมาณ YoY] / ABS ([ผลรวมจริงของปีก่อน]), BLANK ())

การวิเคราะห์ข้อมูลด้วยมาตรการงบประมาณปีต่อปี

สร้าง Power PivotTable ดังต่อไปนี้ -

• เพิ่มฟิลด์ Class และ Sub Class จากตาราง Accounts ไปยัง Rows
• เพิ่มมาตรการ - ผลรวมงบประมาณ, ผลรวมจริงของปีก่อน, งบประมาณ YoY และงบประมาณ YoY% เป็นมูลค่า
• แทรกตัวแบ่งส่วนข้อมูลบนฟิลด์ปีบัญชีจากตารางวันที่
• เลือก FY2016 ในตัวแบ่งส่วนข้อมูล

การสร้างการคาดการณ์แบบปีต่อปี

คุณสามารถสร้างการคาดการณ์แบบปีต่อปีได้ดังนี้ -

การคาดการณ์ YoY: = IF (มี (บัญชี, บัญชี [Class], "รายได้สุทธิ"), - ([ผลรวมการคาดการณ์] - [ผลรวมจริงของปีก่อน]), [ผลรวมการคาดการณ์] - [ผลรวมจริงของปีก่อน])

การสร้างการวัดเปอร์เซ็นต์การคาดการณ์ปีต่อปี

คุณสามารถสร้างการวัดเปอร์เซ็นต์การคาดการณ์ปีต่อปีได้ดังนี้ -

คาดการณ์ YoY%: = IF ([ผลรวมจริงของปีก่อน], [คาดการณ์ YoY] / ABS ([ผลรวมจริงของปีก่อน]), BLANK ())

การวิเคราะห์ข้อมูลด้วยมาตรการคาดการณ์ปีต่อปี

สร้าง Power PivotTable ดังต่อไปนี้ -

• เพิ่มฟิลด์ Class และ Sub Class จากตาราง Accounts ไปยัง Rows
• เพิ่มมาตรการ - ผลรวมการคาดการณ์ผลรวมจริงของปีก่อนการคาดการณ์ YoY และการคาดการณ์ YoY% เป็นค่า
• แทรกตัวแบ่งส่วนข้อมูลในฟิลด์ปีบัญชีจากตารางข้อมูล
• เลือก FY2016 ในตัวแบ่งส่วนข้อมูล

คุณสามารถสร้างการวัดความแปรปรวนเช่นผลต่างงบประมาณความแปรปรวนที่จะคาดการณ์และคาดการณ์ผลต่างกับงบประมาณ คุณยังสามารถวิเคราะห์ข้อมูลทางการเงินตามมาตรการเหล่านี้

การสร้างความแปรปรวนของการวัดผลรวมของงบประมาณ

สร้างผลต่างกับการวัดผลรวมงบประมาณ (VTB Sum) ดังนี้ -

ผลรวม VTB: = [ผลรวมงบประมาณ] - [ผลรวมจริง]

การสร้างความแปรปรวนของการวัดเปอร์เซ็นต์ของงบประมาณ

สร้างความแปรปรวนของการวัดเปอร์เซ็นต์งบประมาณ (VTB%) ดังนี้ -

VTB%: = IF ([ผลรวมงบประมาณ], [VTB Sum] / ABS ([ผลรวมงบประมาณ]), BLANK ())

การวิเคราะห์ข้อมูลด้วยความแปรปรวนกับมาตรการงบประมาณ

สร้าง Power PivotTable ดังต่อไปนี้ -

• เพิ่มปีบัญชีจากตารางวันที่ไปยังแถว
• เพิ่มหน่วยวัดผลรวมจริง, ผลรวมงบประมาณ, ผลรวม VTB, VTB% จากตารางข้อมูลทางการเงินเป็นค่า

การสร้างความแปรปรวนเพื่อวัดผลรวมการคาดการณ์

สร้างความแปรปรวนของผลรวมพยากรณ์ (VTF Sum) ดังนี้ -

VTF Sum: = [ผลรวมการคาดการณ์] - [ผลรวมจริง]

การสร้างความแปรปรวนในการวัดเปอร์เซ็นต์การคาดการณ์

สร้างความแปรปรวนให้กับการวัดเปอร์เซ็นต์การคาดการณ์ (VTF%) ดังนี้ -

VTF%: = IF ([ผลรวมการคาดการณ์], [ผลรวม VTF] / ABS ([ผลรวมการคาดการณ์]), ว่าง ())

การวิเคราะห์ข้อมูลด้วยความแปรปรวนกับมาตรการพยากรณ์

สร้าง Power PivotTable ดังต่อไปนี้ -

• เพิ่มปีบัญชีจากตารางวันที่ไปยังแถว
• เพิ่มหน่วยวัดผลรวมจริง, ผลรวมการคาดการณ์, ผลรวม VTF, VTF% จากตารางข้อมูลทางการเงินเป็นค่า

การสร้างความแปรปรวนของการคาดการณ์เพื่อวัดผลรวมงบประมาณ

สร้างความแปรปรวนของการคาดการณ์กับผลรวมของงบประมาณ (การคาดการณ์ VTB Sum) การวัดดังนี้ -

ผลรวม VTB การคาดการณ์: = [ผลรวมงบประมาณ] - [ผลรวมการคาดการณ์]

การสร้างความแปรปรวนของการคาดการณ์เพื่อวัดเปอร์เซ็นต์ของงบประมาณ

สร้างความแปรปรวนของการคาดการณ์กับเปอร์เซ็นต์งบประมาณ (Forecast VTB Percentage) ดังนี้ -

คาดการณ์ VTB%: = IF ([ผลรวมงบประมาณ], [ผลรวม VTB ที่คาดการณ์] / ABS ([ผลรวมงบประมาณ]), ว่าง ())

การวิเคราะห์ข้อมูลด้วยความแปรปรวนของการคาดการณ์กับมาตรการงบประมาณ

สร้าง Power PivotTable ดังต่อไปนี้ -

• เพิ่มปีบัญชีจากตารางวันที่ไปยังแถว
• เพิ่มการวัดผลรวมงบประมาณผลรวมการคาดการณ์ผลรวม VTB การคาดการณ์ VTB% จากตารางข้อมูลการเงินเป็นค่า

ในการคำนวณผลลัพธ์ที่มียอดดุลเริ่มต้นจากจุดเริ่มต้นของรอบระยะเวลาเช่นปีบัญชีจนถึงช่วงเวลาที่กำหนดคุณสามารถใช้ฟังก์ชัน DAX Time Intelligence สิ่งนี้จะช่วยให้คุณสามารถวิเคราะห์ข้อมูลในระดับเดือน

ในบทนี้คุณจะได้เรียนรู้วิธีสร้างการวัดแบบปีต่อวันและวิธีดำเนินการวิเคราะห์ข้อมูลด้วยสิ่งเดียวกัน

การสร้างการวัดผลรวมจริงแบบปีต่อวัน

สร้างการวัดผลรวมจริงแบบปีต่อวันดังนี้ -

YTD ผลรวมจริง: = TOTALYTD ([ผลรวมจริง], 'Date' [Date], ALL ('Date'), "6/30")

การสร้างการวัดผลรวมงบประมาณแบบปีต่อวัน

สร้างการวัดผลรวมงบประมาณปีต่อวันดังต่อไปนี้ -

YTD Budget Sum: = TOTALYTD ([Budget Sum], 'Date' [Date], ALL ('Date'), "6/30")

การสร้างการวัดผลรวมการคาดการณ์ปีต่อวัน

สร้างการวัดผลรวมการคาดการณ์ปีต่อวันดังต่อไปนี้ -

ผลรวมการคาดการณ์ YTD: = TOTALYTD ([ผลรวมการคาดการณ์], 'วันที่' [วันที่], ทั้งหมด ('วันที่'), "6/30")

การสร้างการวัดผลรวมจริงแบบปีต่อวันก่อนหน้า

สร้างการวัดผลรวมจริงแบบปีต่อวันก่อนหน้าดังนี้ -

YTD ก่อนหน้าผลรวมจริง: = TOTALYTD ([ผลรวมจริงของปีก่อน], 'วันที่' [วันที่], ทั้งหมด ('วันที่'), "6/30")

การวิเคราะห์ข้อมูลด้วยมาตรการปีต่อวัน

สร้าง Power PivotTable ดังต่อไปนี้ -

• เพิ่มตารางเดือนจากวันที่ไปยังแถว

• เพิ่มหน่วยวัดผลรวมจริง YTD ผลรวมงบประมาณ YTD และผลรวมการคาดการณ์ YTD จากตารางข้อมูลทางการเงินเป็นค่า

• แทรกตัวแบ่งส่วนข้อมูลในปีบัญชีจากตารางวันที่

• เลือก FY2016 ในตัวแบ่งส่วนข้อมูล

สร้าง Power PivotTable ดังต่อไปนี้ -

• เพิ่มตารางเดือนจากวันที่ไปยังแถว

• เพิ่มมาตรการผลรวมจริง YTD ผลรวมจริงปีก่อนผลรวมจริงและ YTD ปีก่อนผลรวมจริงจากตารางข้อมูลการเงินเป็นค่า

• แทรกตัวแบ่งส่วนข้อมูลในปีบัญชีจากตารางวันที่

• เลือก FY2016 ในตัวแบ่งส่วนข้อมูล

ในการคำนวณผลลัพธ์ที่มียอดดุลเริ่มต้นจากจุดเริ่มต้นของรอบระยะเวลาเช่นไตรมาสทางการเงินจนถึงช่วงเวลาที่กำหนดคุณสามารถใช้ฟังก์ชัน DAX Time Intelligence สิ่งนี้จะช่วยให้คุณสามารถวิเคราะห์ข้อมูลในระดับเดือน

ในบทนี้คุณจะได้เรียนรู้วิธีสร้างการวัดแบบไตรมาสต่อวันและวิธีดำเนินการวิเคราะห์ข้อมูลด้วยสิ่งเดียวกัน

การสร้างการวัดผลรวมแบบไตรมาสต่อวัน

สร้างการวัดผลรวมจริงแบบไตรมาสต่อวันดังนี้ -

QTD ผลรวมจริง: = TOTALQTD ([ผลรวมจริง], 'วันที่' [วันที่], ทั้งหมด ('วันที่'))

การสร้างการวัดผลรวมของงบประมาณรายไตรมาสถึงวันที่

สร้างการวัดผลรวมงบประมาณรายไตรมาสดังต่อไปนี้ -

QTD Budget Sum: = TOTALQTD ([Budget Sum], 'Date' [Date], ALL ('Date'))

การสร้างการวัดผลรวมของการคาดการณ์รายไตรมาสถึงวันที่

สร้างการวัดผลรวมงบประมาณรายไตรมาสดังต่อไปนี้ -

QTD Budget Sum: = TOTALQTD ([Budget Sum], 'Date' [Date], ALL ('Date'))

การสร้างการวัดผลรวมของการคาดการณ์รายไตรมาสถึงวันที่

สร้างการวัดผลรวมการคาดการณ์รายไตรมาสดังนี้ -

ผลรวมการคาดการณ์ QTD: = TOTALQTD ([ผลรวมการคาดการณ์], 'วันที่' [วันที่], ทั้งหมด ('วันที่'))

การสร้างการวัดผลรวมจริงแบบไตรมาสก่อนหน้า

สร้างการวัดผลรวมจริงของไตรมาสก่อนหน้าดังต่อไปนี้ -

ผลรวมจริงของ QTD ก่อนหน้า: = TOTALQTD ([ผลรวมจริงของไตรมาสก่อน], 'วันที่' [วันที่], ทั้งหมด ('วันที่'))

การวิเคราะห์ข้อมูลด้วยมาตรการรายไตรมาสถึงวันที่

สร้าง Power PivotTable ดังต่อไปนี้ -

• เพิ่มเดือนบัญชีจากตารางวันที่ไปยังแถว

• เพิ่มการวัดผลรวมจริงผลรวมจริง QTD ผลรวมงบประมาณ QTD และผลรวมการคาดการณ์ QTD จากตารางข้อมูลการเงินเป็นค่า

• แทรกตัวแบ่งส่วนข้อมูลในไตรมาสบัญชีจากตารางวันที่

• เลือก FY2016-Q2 ในตัวแบ่งส่วนข้อมูล

สร้าง Power PivotTable ดังต่อไปนี้ -

• เพิ่มเดือนบัญชีจากตารางวันที่ไปยังแถว

• เพิ่มมาตรการผลรวมจริงผลรวมจริง QTD ผลรวมจริงของไตรมาสก่อนหน้าและผลรวมจริงของ QTD ก่อนหน้าจากตารางข้อมูลการเงินเป็นค่า

• แทรกตัวแบ่งส่วนข้อมูลในตารางไตรมาสบัญชีจากวันที่

• เลือก FY2016-Q1 ในตัวแบ่งส่วนข้อมูล

การจัดทำงบประมาณเกี่ยวข้องกับการประมาณกระแสเงินสดของ บริษัท ในรอบปีบัญชี ฐานะทางการเงินของ บริษัท เป้าหมายรายได้ที่คาดว่าจะได้รับและค่าใช้จ่ายจะถูกนำมาพิจารณาในการจัดทำงบประมาณ

อย่างไรก็ตามสภาวะตลาดอาจมีการเปลี่ยนแปลงในระหว่างปีบัญชีและ บริษัท อาจต้องรีเซ็ตเป้าหมายใหม่ สิ่งนี้ต้องมีการวิเคราะห์ข้อมูลทางการเงินด้วยงบประมาณที่ประมาณไว้ ณ จุดเริ่มต้นของปีบัญชี (ผลรวมงบประมาณ) และผลรวมที่ใช้จ่ายจริงตั้งแต่ต้นปีบัญชีจนถึงวันที่ (YTD ผลรวมจริง)

เมื่อใดก็ได้ในระหว่างปีการเงินคุณสามารถคำนวณสิ่งต่อไปนี้ -

ยอดคงเหลือที่ยังไม่ได้ใช้จ่าย

ยอดคงเหลือที่ยังไม่ได้ใช้จ่ายคืองบประมาณที่เหลืออยู่หลังจากค่าใช้จ่ายจริงกล่าวคือ

Unexpended Balance = YTD Budget Sum – YTD Actual Sum

ความสำเร็จของงบประมาณ%

Budget Attainment% คือเปอร์เซ็นต์ของงบประมาณที่คุณใช้ไปจนถึงปัจจุบันกล่าวคือ

Budget Attainment % = YTD Actual Sum/YTD Budget Sum

การคำนวณเหล่านี้ช่วย บริษัท ที่ใช้งบประมาณในการตัดสินใจ

การสร้างการวัดยอดคงเหลือที่ไม่ได้ใช้จ่าย

คุณสามารถสร้างการวัดยอดคงเหลือที่ยังไม่ได้ใช้จ่ายได้ดังนี้ -

ยอดคงเหลือที่ยังไม่ได้ใช้จ่าย: = คำนวณ ([ผลรวมงบประมาณ YTD], ทั้งหมด ('ข้อมูลการเงิน' [วันที่])) - [YTD ผลรวมจริง]

การสร้างการวัดเปอร์เซ็นต์ความสำเร็จของงบประมาณ

คุณสามารถสร้างการวัดเปอร์เซ็นต์ความสำเร็จของงบประมาณได้ดังนี้ -

ความสำเร็จของงบประมาณ%: = IF ([YTD Budget Sum], [YTD Actual Sum] / CALCULATE ([YTD Budget Sum], ALL ('Finance Data' [Date])), BLANK ())

การวิเคราะห์ข้อมูลด้วยมาตรการงบประมาณ

สร้าง Power PivotTable ดังต่อไปนี้ -

• เพิ่มเดือนจากตารางวันที่ไปยังแถว

• เพิ่มการวัดผลรวมงบประมาณ, ผลรวมงบประมาณ YTD, ผลรวมจริง YTD,% ความสำเร็จของงบประมาณและยอดคงเหลือที่ยังไม่ได้ใช้จ่ายจากตารางข้อมูลทางการเงินเป็นค่า

• แทรกตัวแบ่งส่วนข้อมูลในฟิลด์ปีบัญชี

• เลือก FY2016 ในตัวแบ่งส่วนข้อมูล

คุณสามารถใช้มาตรการพยากรณ์เพื่อวิเคราะห์ข้อมูลทางการเงินและช่วยองค์กรทำการปรับเปลี่ยนที่จำเป็นในเป้าหมายและเป้าหมายสำหรับปีเพื่อปรับผลการดำเนินงานของ บริษัท ให้สอดคล้องกับข้อกำหนดทางธุรกิจที่เปลี่ยนแปลงไป

คุณต้องอัปเดตการคาดการณ์เป็นประจำเพื่อให้ทันกับการเปลี่ยนแปลง จากนั้นคุณสามารถเปรียบเทียบการคาดการณ์ล่าสุดกับงบประมาณสำหรับช่วงเวลาที่เหลือในปีการเงินเพื่อให้ บริษัท สามารถทำการปรับปรุงที่จำเป็นเพื่อให้สอดคล้องกับการเปลี่ยนแปลงทางธุรกิจ

เมื่อใดก็ได้ในระหว่างปีการเงินคุณสามารถคำนวณสิ่งต่อไปนี้ -

ความสำเร็จของการคาดการณ์%

Forecast Attainment% คือเปอร์เซ็นต์ของผลรวมการคาดการณ์ที่คุณใช้ไปจนถึงปัจจุบันกล่าวคือ

Forecast Attainment % = YTD Actual Sum/YTD Forecast Sum

คาดการณ์ยอดคงเหลือที่ยังไม่ได้ใช้จ่าย

ยอดคงเหลือที่ยังไม่ได้ใช้จ่ายจากการคาดการณ์คือผลรวมการคาดการณ์ที่เหลืออยู่หลังจากค่าใช้จ่ายจริงกล่าวคือ

Forecast Unexpended Balance = YTD Forecast Sum – YTD Actual Sum

การปรับงบประมาณ

การปรับงบประมาณคือการปรับปรุงผลรวมงบประมาณที่องค์กรต้องทำ (เพิ่มขึ้นหรือลดลง) ตามการคาดการณ์

Budget Adjustment = Forecast Unexpended Balance - Unexpended Balance

งบประมาณจะต้องเพิ่มขึ้นหากค่าผลลัพธ์เป็นบวก มิฉะนั้นจะสามารถปรับเปลี่ยนเพื่อวัตถุประสงค์อื่นได้

การสร้างการวัดเปอร์เซ็นต์ความสำเร็จตามการคาดการณ์

คุณสามารถสร้างการวัดเปอร์เซ็นต์ความสำเร็จของการคาดการณ์ได้ดังนี้ -

เปอร์เซ็นต์ความสำเร็จของการคาดการณ์: = IF ([ผลรวมการคาดการณ์ YTD], [ผลรวมจริง YTD] / [ผลรวมการคาดการณ์ YTD], ว่าง ())

การสร้างการคาดการณ์การวัดยอดคงเหลือที่ยังไม่ได้ใช้จ่าย

คุณสามารถสร้างการคาดการณ์ยอดดุลที่ยังไม่ได้ใช้จ่ายได้ดังนี้ -

ยอดดุลที่ยังไม่ได้ใช้จ่ายจากการคาดการณ์: = [ผลรวมการคาดการณ์ YTD] - [YTD ผลรวมจริง]

การสร้างมาตรการปรับงบประมาณ

คุณสามารถสร้างการวัดการปรับปรุงงบประมาณได้ดังนี้ -

การปรับปรุงงบประมาณ: = [ยอดดุลที่ยังไม่ได้ใช้จ่ายโดยประมาณ] - [ยอดคงเหลือที่ยังไม่ได้ใช้จ่าย]

การวิเคราะห์ข้อมูลด้วยมาตรการพยากรณ์

สร้าง Power PivotTable ดังต่อไปนี้ -

• เพิ่มตารางเดือนจากวันที่ไปยังแถว

• เพิ่มการวัดผลรวมงบประมาณ, ผลรวมงบประมาณ YTD, ผลรวมจริง YTD,% ความสำเร็จของงบประมาณและยอดคงเหลือที่ยังไม่ได้ใช้จ่ายจากตารางข้อมูลทางการเงินเป็นค่า

• แทรกตัวแบ่งส่วนข้อมูลในปีงบประมาณ

• เลือก FY2016 ในตัวแบ่งส่วนข้อมูล

คุณสามารถสร้างการวัดการนับจำนวนเดือนที่สามารถใช้ในการสร้างการวัดจำนวนพนักงานและการวัดต้นทุนต่อหัว การวัดเหล่านี้นับค่าที่แตกต่างกันของคอลัมน์เดือนบัญชีที่คอลัมน์จริง / คอลัมน์งบประมาณ / การคาดการณ์มีค่าที่ไม่ใช่ศูนย์ในตารางข้อมูลทางการเงิน สิ่งนี้จำเป็นเนื่องจากตารางข้อมูลทางการเงินมีค่าเป็นศูนย์ในคอลัมน์จริงและจะไม่รวมแถวเหล่านั้นในขณะคำนวณจำนวนพนักงานและต้นทุนต่อหัว

การสร้างการนับจำนวนเดือนจริง

คุณสามารถสร้างการวัดจำนวนเดือนจริงได้ดังนี้ -

CountOfActualMonths: = CALCULATE (DISTINCTCOUNT ('FinanceData' [Fiscal Month]), 'Finance Data' [Actual] <> 0)

การสร้างการวัดจำนวนเดือนงบประมาณ

คุณสามารถสร้างการวัดจำนวนเดือนงบประมาณได้ดังนี้ -

CountOfBudgetMonths: = CALCULATE (DISTINCTCOUNT ('FinanceData' [Fiscal Month]), 'Finance Data' [Budget] <> 0)

การสร้างการนับเดือนพยากรณ์

คุณสามารถสร้างการนับจำนวนเดือนพยากรณ์ได้ดังนี้ -

CountOfForecastMonths: = CALCULATE (DISTINCTCOUNT ('FinanceData' [Fiscal Month]), 'Finance Data' [Forecast] <> 0)

คุณสามารถสร้างมาตรการ Ending Headcount ในช่วงเวลาหนึ่ง จำนวนคนสิ้นสุดคือผลรวมของจำนวนคน ณ วันที่สุดท้ายในช่วงเวลาที่กำหนดซึ่งเรามีจำนวนคนที่ไม่ว่างเปล่า

จำนวนพนักงานสิ้นสุดจะได้รับดังต่อไปนี้ -

• สำหรับเดือน - จำนวนคนเมื่อสิ้นเดือนที่ระบุ

• สำหรับไตรมาส - จำนวนคน ณ สิ้นเดือนสุดท้ายของไตรมาสที่ระบุ

• สำหรับปี - จำนวนคนเมื่อสิ้นเดือนสุดท้ายของปีที่ระบุ

การสร้างการวัดจำนวนพนักงานที่สิ้นสุดตามจริง

คุณสามารถสร้างหน่วยวัดจำนวนพนักงานที่สิ้นสุดตามจริงได้ดังนี้ -

จำนวนหัวหน้าที่สิ้นสุดจริง: = คำนวณ (SUM ('ข้อมูลการเงิน' [บุคคลจริง]), LASTNONBLANK ('ข้อมูลการเงิน' [วันที่], IF (คำนวณ (SUM ('ข้อมูลการเงิน' [บุคคลจริง]), ทั้งหมด (บัญชี) ) = 0, ว่าง (), คำนวณ (SUM ('ข้อมูลการเงิน' [คนจริง]), ทั้งหมด (บัญชี))), ทั้งหมด (บัญชี))

ฟังก์ชัน DAX LASTNONBLANK ตามที่ใช้ข้างต้นจะส่งกลับวันที่สุดท้ายที่คุณมีจำนวนคนที่ไม่ว่างเปล่าเพื่อให้คุณสามารถคำนวณผลรวมของบุคคลในวันนั้นได้

การสร้างการวัดจำนวนพนักงานที่สิ้นสุดงบประมาณ

คุณสามารถสร้างการวัดจำนวนพนักงานที่สิ้นสุดงบประมาณได้ดังนี้ -

จำนวนหัวหน้าการสิ้นสุดงบประมาณ: = คำนวณ (SUM ('ข้อมูลการเงิน' [คนงบประมาณ]), LASTNONBLANK ('ข้อมูลการเงิน' [วันที่], IF (คำนวณ (SUM ('ข้อมูลการเงิน' [คนงบประมาณ]), ทั้งหมด (บัญชี) ) = 0, ว่าง (), คำนวณ (SUM ('ข้อมูลทางการเงิน' [คนงบประมาณ]), ทั้งหมด (บัญชี))), ทั้งหมด (บัญชี))

การสร้างการคาดการณ์การสิ้นสุดการวัดจำนวนพนักงาน

คุณสามารถสร้างการวัดจำนวนพนักงานที่สิ้นสุดการคาดการณ์ได้ดังนี้ -

จำนวนหัวหน้าที่สิ้นสุดการคาดการณ์: = คำนวณ (SUM ('ข้อมูลการเงิน' [คนพยากรณ์]), LASTNONBLANK ('ข้อมูลการเงิน' [วันที่], IF (คำนวณ (SUM ('ข้อมูลการเงิน' [คนพยากรณ์]), ทั้งหมด (บัญชี) ) = 0, ว่าง (), คำนวณ (SUM ('ข้อมูลทางการเงิน' [คนพยากรณ์]), ทั้งหมด (บัญชี))), ทั้งหมด (บัญชี))

การสร้างมาตรวัดจำนวนพนักงานที่สิ้นสุดในปีก่อนหน้า

คุณสามารถสร้างการวัดจำนวนพนักงานที่สิ้นสุดจริงของปีก่อนได้ดังนี้ -

ปีก่อนหน้าจำนวนพนักงานที่สิ้นสุดจริง: = คำนวณ ('ข้อมูลการเงิน' [จำนวนหัวหน้าที่สิ้นสุดตามจริง], DATEADD ('วันที่' [วันที่], - 1, ปี))

การวิเคราะห์ข้อมูลด้วยการสิ้นสุดมาตรการนับจำนวนพนักงาน

สร้าง Power PivotTable ดังต่อไปนี้ -

• เพิ่มฟิลด์ปีบัญชีและเดือนจากตารางวันที่ไปยังแถว

• เพิ่มการวัดจำนวนพนักงานที่สิ้นสุดตามจริง, จำนวนพนักงานที่สิ้นสุดตามงบประมาณ, การคาดการณ์จำนวนพนักงานที่สิ้นสุด, จำนวนพนักงานที่สิ้นสุดจริงของปีก่อนจากตารางข้อมูลทางการเงินเป็นค่า

• แทรกตัวแบ่งส่วนข้อมูลในฟิลด์ปีบัญชี

• เลือก FY2016 ในตัวแบ่งส่วนข้อมูล

ในบทก่อนหน้านี้คุณได้เรียนรู้วิธีการคำนวณจำนวนพนักงานที่สิ้นสุดสำหรับช่วงเวลาหนึ่ง ๆ ในทำนองเดียวกันคุณสามารถสร้างจำนวนพนักงานเฉลี่ยรายเดือนสำหรับการเลือกเดือนใดก็ได้

จำนวนพนักงานเฉลี่ยรายเดือนคือผลรวมของจำนวนพนักงานรายเดือนหารด้วยจำนวนเดือนในการเลือก

คุณสามารถสร้างมาตรการเหล่านี้โดยใช้ฟังก์ชัน DAX AVERAGEX

การสร้างการวัดจำนวนพนักงานเฉลี่ยจริง

คุณสามารถสร้างการวัดจำนวนพนักงานเฉลี่ยจริงได้ดังนี้ -

จำนวนพนักงานเฉลี่ยจริง: = AVERAGEX (VALUES ('ข้อมูลการเงิน' [เดือนบัญชี]), [จำนวนหัวหน้าที่สิ้นสุดตามจริง])

การสร้างการวัดจำนวนพนักงานเฉลี่ยของงบประมาณ

คุณสามารถสร้างการวัดจำนวนพนักงานเฉลี่ยจริงได้ดังนี้ -

จำนวนเงินเฉลี่ยของงบประมาณ: = AVERAGEX (VALUES ('ข้อมูลการเงิน' [เดือนบัญชี]), [จำนวนหัวหน้าการสิ้นสุดงบประมาณ])

การสร้างการวัดจำนวนพนักงานเฉลี่ยของการคาดการณ์

คุณสามารถสร้างการวัดจำนวนพนักงานเฉลี่ยพยากรณ์ได้ดังนี้ -

จำนวนพนักงานเฉลี่ยที่คาดการณ์: = AVERAGEX (VALUES ('ข้อมูลการเงิน' [เดือนบัญชี]), [จำนวนหัวหน้าที่สิ้นสุดตามจริง])

การสร้างการวัดจำนวนพนักงานเฉลี่ยจริงของปีก่อนหน้า

คุณสามารถสร้างการวัดจำนวนพนักงานเฉลี่ยจริงของปีก่อนได้ดังนี้ -

ปีก่อนหน้าจำนวนพนักงานเฉลี่ยจริง: = คำนวณ ('ข้อมูลการเงิน' [จำนวนพนักงานเฉลี่ยจริง], DATEADD ('วันที่' [วันที่], -1, ปี))

การวิเคราะห์ข้อมูลด้วยการวัดจำนวนพนักงานโดยเฉลี่ย

สร้าง Power PivotTable ดังต่อไปนี้ -

• เพิ่มฟิลด์ปีบัญชีและเดือนจากตารางวันที่ไปยังแถว

• เพิ่มหน่วยวัดจำนวนพนักงานเฉลี่ยตามจริง, จำนวนพนักงานเฉลี่ยตามงบประมาณ, จำนวนพนักงานเฉลี่ยที่คาดการณ์, จำนวนพนักงานเฉลี่ยจริงของปีก่อนจากตารางข้อมูลการเงินเป็นค่า

• แทรกตัวแบ่งส่วนข้อมูลในฟิลด์ปีบัญชี

• เลือก FY2016 ในตัวแบ่งส่วนข้อมูล

ในบทก่อนหน้านี้คุณได้เรียนรู้วิธีสร้างการวัดจำนวนเดือนและการวัดจำนวนพนักงานเฉลี่ย คุณสามารถใช้มาตรการเหล่านี้เพื่อคำนวณมาตรการจำนวนพนักงานพื้นฐาน -

• จำนวนพนักงานรวมจริง
• จำนวนงบประมาณรวม
• คาดการณ์จำนวนพนักงานทั้งหมด

ในบทต่อ ๆ ไปคุณจะได้เรียนรู้วิธีใช้การวัดจำนวนพนักงานพื้นฐานเหล่านี้ในการคำนวณอื่น ๆ เช่นการวัดจำนวนพนักงานประจำปีและความแปรปรวน

การสร้างการวัดจำนวนพนักงานรวมจริง

คุณสามารถสร้างการวัดจำนวนพนักงานจริงได้ดังนี้ -

จำนวนหัวหน้าทั้งหมดจริง: = 'ข้อมูลการเงิน' [จำนวนพนักงานเฉลี่ยจริง] * 'ข้อมูลการเงิน' [CountOfActualMonths]

การสร้างการวัดจำนวนพนักงานรวมของงบประมาณ

คุณสามารถสร้างการวัดผลรวมงบประมาณได้ดังนี้ -

จำนวนเงินงบประมาณทั้งหมด: = 'ข้อมูลการเงิน' [จำนวนพนักงานเฉลี่ยงบประมาณ] * 'ข้อมูลการเงิน' [CountOfBudgetMonths]

การสร้างการวัดจำนวนพนักงานทั้งหมดที่คาดการณ์ไว้

คุณสามารถสร้าง Forecast Total Headcount Measure ได้ดังนี้ -

จำนวนพนักงานทั้งหมดที่คาดการณ์ไว้: = 'ข้อมูลการเงิน' [จำนวนพนักงานที่คาดการณ์โดยเฉลี่ย] * 'ข้อมูลการเงิน' [CountOfForecastMonths]

ในบทก่อนหน้านี้คุณได้เรียนรู้วิธีการสร้างมาตรการจำนวนพนักงานพื้นฐานเช่นจำนวนพนักงานรวมจริงจำนวนพนักงานรวมงบประมาณและจำนวนพนักงานทั้งหมดที่คาดการณ์ไว้

ในบทนี้คุณจะได้เรียนรู้วิธีสร้างการวัดจำนวนพนักงานแบบปีต่อปีและวิธีที่คุณสามารถวิเคราะห์ข้อมูลด้วยมาตรการเหล่านี้

การสร้างการวัดจำนวนพนักงานที่สิ้นสุดจริงแบบปีต่อปี

คุณสามารถสร้างหน่วยวัดจำนวนพนักงานที่สิ้นสุดจริงแบบปีต่อปีได้ดังนี้ -

YoY จำนวนพนักงานที่สิ้นสุดตามจริง: = [จำนวนหัวหน้าที่สิ้นสุดตามจริง] - [จำนวนพนักงานที่สิ้นสุดตามจริงของปีก่อน]

การสร้างการวัดจำนวนพนักงานจริงเฉลี่ยปีต่อปี

คุณสามารถสร้างการวัดจำนวนพนักงานจริงเฉลี่ยปีต่อปีได้ดังนี้ -

YoY จำนวนพนักงานเฉลี่ยจริง: = [จำนวนพนักงานเฉลี่ยจริง] - [จำนวนพนักงานเฉลี่ยจริงของปีก่อน]

การสร้างการวัดจำนวนพนักงานจริงแบบปีต่อปี

คุณสามารถสร้างการวัดผลรวมจริงแบบปีต่อปีได้ดังนี้ -

จำนวนพนักงานทั้งหมดที่แท้จริงของปีก่อนหน้านี้: = [จำนวนหัวทั้งหมดที่เกิดขึ้นจริง] - [จำนวนพนักงานรวมจริงของปีก่อน]

การวิเคราะห์ข้อมูลด้วยมาตรการนับจำนวนพนักงานจริงแบบปีต่อปี

สร้าง Power PivotTable ดังต่อไปนี้ -

• เพิ่มฟิลด์ Fiscal Quarter และ Month จากตาราง Date ไปยัง Rows

• เพิ่มมาตรการ - การนับจำนวนหัวหน้าที่สิ้นสุดตามจริง, การนับจำนวนหัวที่สิ้นสุดตามจริงของปีก่อน, การนับจำนวนหัวที่สิ้นสุดจริงเมื่อเทียบกับค่าปี

• แทรกตัวแบ่งส่วนข้อมูลในฟิลด์ปีบัญชี

• เลือก FY2016 ในตัวแบ่งส่วนข้อมูล

สร้าง Power PivotTable อื่นบนแผ่นงานเดียวกันดังนี้ -

• เพิ่มฟิลด์ Fiscal Quarter และ Month จากตาราง Date ไปยัง Rows

• เพิ่มมาตรการ - จำนวนหัวหน้าเฉลี่ยที่แท้จริง, จำนวนหัวหน้าเฉลี่ยที่แท้จริงของปีก่อน, จำนวนหัวหน้าเฉลี่ยที่แท้จริงของปีก่อนเป็นมูลค่า

เชื่อมต่อตัวแบ่งส่วนข้อมูลกับ PivotTable ดังต่อไปนี้ -

• คลิกตัวแบ่งส่วนข้อมูล
• คลิกแท็บตัวเลือกภายใต้เครื่องมือตัวแบ่งส่วนข้อมูลบน Ribbon
• คลิกรายงานการเชื่อมต่อ

กล่องโต้ตอบรายงานการเชื่อมต่อจะปรากฏขึ้น

• เลือก PivotTables สองรายการด้านบน
• คลิกตกลง

การสร้างงบประมาณแบบปีต่อปีสิ้นสุดการวัดจำนวนพนักงาน

คุณสามารถสร้างการวัดจำนวนพนักงานที่สิ้นสุดงบประมาณแบบปีต่อปีได้ดังนี้ -

YoY Budget Ending Headcount: = [Budget Ending Head Count] - [ปีก่อนหน้าจำนวนพนักงานที่สิ้นสุดตามจริง]

การสร้างการวัดจำนวนพนักงานเฉลี่ยปีต่อปี

คุณสามารถสร้างการวัดจำนวนพนักงานเฉลี่ยปีต่อปีได้ดังนี้ -

จำนวนพนักงานเฉลี่ยของงบประมาณ YoY: = [จำนวนพนักงานเฉลี่ยของงบประมาณ] - [จำนวนพนักงานเฉลี่ยจริงของปีก่อน]

การสร้างการวัดจำนวนพนักงานรวมของงบประมาณปีต่อปี

คุณสามารถสร้างการวัดผลรวมงบประมาณปีต่อปีได้ดังนี้ -

YoY Budget Total Headcount: = [Budget Total Headcount] - [ปีก่อนหน้าจำนวนพนักงานทั้งหมดจริง]

การสร้างการคาดการณ์การสิ้นสุดการนับจำนวนพนักงานแบบปีต่อปี

คุณสามารถสร้างการวัดจำนวนพนักงานที่สิ้นสุดการคาดการณ์แบบปีต่อปีได้ดังนี้ -

จำนวนพนักงานที่สิ้นสุดการคาดการณ์ YoY: = [จำนวนหัวหน้าที่สิ้นสุดการคาดการณ์] - [จำนวนพนักงานที่สิ้นสุดจริงของปีก่อน]

การสร้างการวัดจำนวนพนักงานเฉลี่ยแบบคาดการณ์ปีต่อปี

คุณสามารถสร้างการวัดจำนวนพนักงานเฉลี่ยปีต่อปีได้ดังนี้ -

จำนวนพนักงานเฉลี่ยที่คาดการณ์ YoY: = [จำนวนพนักงานเฉลี่ยที่คาดการณ์] - [จำนวนพนักงานเฉลี่ยจริงของปีก่อน]

การสร้างการวัดจำนวนพนักงานทั้งหมดที่คาดการณ์ไว้แบบปีต่อปี

คุณสามารถสร้างการคาดการณ์จำนวนพนักงานทั้งหมดแบบปีต่อปีได้ดังนี้ -

จำนวนพนักงานทั้งหมดของการคาดการณ์ YoY: = [จำนวนพนักงานทั้งหมดที่คาดการณ์] - [จำนวนพนักงานรวมจริงของปีก่อน]

คุณสามารถสร้างการวัดความแปรปรวนจำนวนพนักงานตามการวัดจำนวนพนักงานที่คุณสร้างไว้จนถึงตอนนี้

การสร้างผลต่างกับการสิ้นสุดงบประมาณการวัดจำนวนพนักงาน

คุณสามารถสร้างผลต่างกับการวัดจำนวนพนักงานที่สิ้นสุดงบประมาณได้ดังนี้ -

VTB Ending Head Count: = 'Finance Data' [Budget Ending Head Count] - 'Finance Data' [Actual Ending Head Count]

การสร้างผลต่างกับการวัดจำนวนพนักงานเฉลี่ยของงบประมาณ

คุณสามารถสร้างผลต่างกับการวัดจำนวนพนักงานเฉลี่ยของงบประมาณได้ดังนี้ -

VTB Average Head Count: = 'Finance Data' [Budget Average Headcount] - 'Finance Data' [Actual Average Headcount

การสร้างความแปรปรวนของงบประมาณการวัดจำนวนพนักงานทั้งหมด

คุณสามารถสร้างความแปรปรวนให้กับการวัดจำนวนพนักงานทั้งหมดของงบประมาณได้ดังนี้ -

VTB Total Head Count: = 'Finance Data' [Budget Total Headcount] - 'Finance Data' [Actual Total Head Count]

การสร้างความแปรปรวนในการคาดการณ์การสิ้นสุดการวัดจำนวนพนักงาน

คุณสามารถสร้างความแปรปรวนให้กับการวัดจำนวนพนักงานที่สิ้นสุดการคาดการณ์ได้ดังนี้ -

VTF Ending Head Count: = 'Finance Data' [Forecast Ending Head Count] - 'Finance Data' [Actual Ending Head Count]

การสร้างความแปรปรวนเพื่อคาดการณ์การวัดจำนวนพนักงานโดยเฉลี่ย

คุณสามารถสร้างความแปรปรวนเพื่อคาดการณ์การวัดจำนวนพนักงานเฉลี่ยได้ดังนี้ -

VTF Average Head Count: = 'Finance Data' [Forecast Average Headcount] - 'Finance Data' [Actual Average Headcount]

การสร้างความแปรปรวนเพื่อคาดการณ์การวัดจำนวนพนักงานทั้งหมด

คุณสามารถสร้างความแปรปรวนเพื่อคาดการณ์การวัดจำนวนพนักงานทั้งหมดได้ดังนี้ -

VTF Total Head Count: = 'Finance Data' [Forecast Total Headcount] - 'Finance Data' [Actual Total Head Count]

การสร้างความแปรปรวนของการคาดการณ์กับการวัดจำนวนพนักงานที่สิ้นสุดงบประมาณ

คุณสามารถสร้างผลต่างการคาดการณ์เพื่อการวัดจำนวนพนักงานที่สิ้นสุดงบประมาณได้ดังนี้ -

จำนวนหัวหน้าการสิ้นสุด VTB การคาดการณ์: = 'ข้อมูลการเงิน' [จำนวนหัวหน้าการสิ้นสุดงบประมาณ] - 'ข้อมูลการเงิน' [จำนวนหัวหน้าการสิ้นสุดการคาดการณ์]

การสร้างความแปรปรวนของการคาดการณ์กับการวัดจำนวนพนักงานเฉลี่ยของงบประมาณ

คุณสามารถสร้างผลต่างการคาดการณ์เพื่อวัดจำนวนพนักงานเฉลี่ยตามงบประมาณได้ดังนี้ -

การคาดการณ์จำนวนหัวหน้าเฉลี่ย VTB: = 'ข้อมูลการเงิน' [จำนวนพนักงานเฉลี่ยงบประมาณ] - 'ข้อมูลการเงิน' [จำนวนพนักงานเฉลี่ยที่คาดการณ์]

การสร้างความแปรปรวนของการคาดการณ์กับการวัดจำนวนพนักงานทั้งหมดของงบประมาณ

คุณสามารถสร้างความแปรปรวนของการคาดการณ์ให้กับการวัดจำนวนพนักงานทั้งหมดของงบประมาณได้ดังนี้ -

การคาดการณ์ VTB Total Head Count: = 'Finance Data' [Budget Total Headcount] - 'Finance Data' [Forecast Total Headcount

คุณได้เรียนรู้เกี่ยวกับมาตรการหลักสองประเภท -

• มาตรการทางการเงิน
• มาตรการนับจำนวนพนักงาน

ประเภทที่สามของมาตรการหลักที่คุณจะได้เรียนรู้คือมาตรการด้านต้นทุนคน องค์กรใดสนใจที่จะทราบค่าใช้จ่ายรายปีต่อหัว ค่าใช้จ่ายรายปีต่อหัวแสดงถึงต้นทุนของ บริษัท ที่มีพนักงานหนึ่งคนตลอดทั้งปี

ในการสร้างมาตรการต้นทุนต่อหัวก่อนอื่นคุณต้องสร้างการวัดต้นทุนบุคลากรเบื้องต้น ในตารางบัญชีคุณมีคอลัมน์ - คลาสย่อยที่มีบุคคลเป็นหนึ่งในค่า ดังนั้นคุณสามารถใช้ตัวกรองในตารางบัญชีในคอลัมน์คลาสย่อยเพื่อรับบริบทตัวกรองไปยังตารางข้อมูลการเงินเพื่อรับต้นทุนบุคคล

คุณสามารถใช้วิธีนี้เพื่อรับการวัดต้นทุนคนและการวัดจำนวนเดือนเพื่อสร้างมาตรการต้นทุนคนรายปี ในที่สุดคุณสามารถสร้างการวัดต้นทุนต่อหัวรายปีจากการวัดต้นทุนคนรายปีและการวัดจำนวนหัวเฉลี่ย

การสร้างการวัดต้นทุนคนจริง

คุณสามารถสร้างการวัดต้นทุนคนจริงได้ดังนี้ -

ต้นทุนบุคลากรจริง: = คำนวณ ('ข้อมูลการเงิน' [ผลรวมจริง], FILTER ('ข้อมูลการเงิน', ที่เกี่ยวข้อง (บัญชี [ชั้นย่อย]) = "คน"))

การสร้างงบประมาณคนวัดต้นทุน

คุณสามารถสร้างการวัดต้นทุนคนงบประมาณได้ดังนี้ -

ต้นทุนบุคลากรงบประมาณ: = คำนวณ ('ข้อมูลการเงิน' [ผลรวมงบประมาณ], FILTER ('ข้อมูลการเงิน', ที่เกี่ยวข้อง (บัญชี [ชั้นย่อย]) = "คน"))

การสร้างการวัดค่าใช้จ่ายของผู้คนแบบคาดการณ์

คุณสามารถสร้างการวัดต้นทุนคนพยากรณ์ได้ดังนี้ -

ค่าใช้จ่ายของบุคคลในการคาดการณ์: = คำนวณ ('ข้อมูลการเงิน' [ผลรวมการคาดการณ์], ตัวกรอง ('ข้อมูลการเงิน', ที่เกี่ยวข้อง (บัญชี [ชั้นย่อย]) = "คน"))

การสร้างการวัดต้นทุนคนจริงประจำปี

คุณสามารถสร้างการวัดต้นทุนคนจริงประจำปีได้ดังนี้ -

ต้นทุนคนจริงต่อปี: = IF ([CountOfActualMonths], [ต้นทุนคนจริง] * 12 / [CountOfActualMonths], BLANK ())

การสร้างงบประมาณรายปีการวัดต้นทุนคน

คุณสามารถสร้างการวัดต้นทุนบุคลากรตามงบประมาณรายปีได้ดังนี้ -

งบประมาณรายปี People Cost: = IF ([CountOfBudgetMonths], [Budget People Cost] * 12 / [CountOfBudgetMonths], BLANK ())

การสร้างการวัดค่าใช้จ่ายผู้คนแบบคาดการณ์รายปี

คุณสามารถสร้างการวัดค่าใช้จ่ายของผู้คนพยากรณ์รายปีได้ดังนี้ -

ค่าใช้จ่ายผู้คนในการพยากรณ์รายปี: = IF ([CountOfForecastMonths], [ค่าใช้จ่ายคนคาดการณ์] * 12 / [CountOfForecastMonths], BLANK ())

การสร้างการวัดต้นทุนต่อหัวรายปีตามจริง

คุณสามารถสร้างการวัดต้นทุนต่อหัว (CPH) จริงต่อปีได้ดังนี้ -

CPH จริงต่อปี: = IF ([จำนวนพนักงานเฉลี่ยจริง], [ต้นทุนคนจริงประจำปี] / [จำนวนพนักงานเฉลี่ยจริง], ว่าง ())

การสร้างงบประมาณรายปีต้นทุนต่อหัววัด

คุณสามารถสร้างการวัดต้นทุนต่อหัว (CPH) ประจำปีได้ดังนี้ -

CPH ประจำปีของงบประมาณ: = IF ([จำนวนพนักงานงบประมาณเฉลี่ย], [ค่าใช้จ่ายบุคลากรของงบประมาณรายปี] / [จำนวนพนักงานเฉลี่ยของงบประมาณ], ว่าง ())

การสร้างการคาดการณ์ต้นทุนต่อหัวต่อปี

คุณสามารถสร้างการวัดต้นทุนต่อหัว (CPH) แบบคาดการณ์ได้ดังนี้ -

CPH ที่คาดการณ์รายปี: = IF ([จำนวนพนักงานที่คาดการณ์โดยเฉลี่ย], [ต้นทุนคนที่คาดการณ์ไว้เป็นรายปี] / [จำนวนพนักงานที่คาดการณ์โดยเฉลี่ย], ว่าง ())

การสร้างปีก่อนหน้าการวัดต้นทุนต่อหัวตามจริง

คุณสามารถสร้างการวัดต้นทุนต่อหัว (CPH) ประจำปีก่อนหน้าได้ดังนี้ -

ปีก่อนหน้า CPH ประจำปีจริง: = คำนวณ ([CPH ประจำปีจริง], DATEADD ('Date' [วันที่], - 1, YEAR))

การวิเคราะห์ข้อมูลด้วยมาตรการต้นทุนต่อหัว

สร้าง Power PivotTable ดังต่อไปนี้ -

• เพิ่มฟิลด์ Fiscal Quarter และ Fiscal Month จากตาราง Date ไปยัง Rows

• เพิ่มมาตรการ CPH ประจำปีที่เกิดขึ้นจริง CPH ประจำปีตามงบประมาณและ CPH ที่คาดการณ์ประจำปีลงในคอลัมน์

• เพิ่มฟิลด์ปีบัญชีจากตารางวันที่ลงในตัวกรอง

• เลือก FY2016 ในตัวกรอง

สร้าง Power PivotTable อื่นดังนี้ -

• เพิ่มฟิลด์ Fiscal Quarter จากตารางวันที่ไปยังแถว

• เพิ่มมาตรการ CPH ประจำปีที่เกิดขึ้นจริงและ CPH ประจำปีที่ผ่านมาในคอลัมน์

• แทรกตัวแบ่งส่วนข้อมูลบนฟิลด์ปีบัญชีจากตารางวันที่

• เลือก FY2015 และ FY2016 บน Slicer

คุณได้เรียนรู้วิธีสร้างมาตรการสำหรับต้นทุนต่อหัวรายปีและจำนวนพนักงานทั้งหมด คุณสามารถใช้มาตรการเหล่านี้เพื่อสร้างการวัดความแปรปรวนของอัตราและความแปรปรวนของปริมาณ

• การวัดความแปรปรวนของอัตราจะคำนวณส่วนของความแปรปรวนของสกุลเงินที่เกิดจากความแตกต่างของต้นทุนต่อหัว

• การวัด Volume Variance จะคำนวณความแปรปรวนของสกุลเงินที่ขับเคลื่อนโดยความผันผวนในจำนวนพนักงาน

การสร้างความแปรปรวนของการวัดอัตรางบประมาณ

คุณสามารถสร้างการวัดความแปรปรวนของอัตรางบประมาณได้ดังนี้ -

อัตรา VTB: = ([CPH ประจำปีของงบประมาณ] / 12- [CPH ประจำปีจริง] / 12) * [จำนวนหัวทั้งหมดจริง]

การสร้างความแปรปรวนของการวัดปริมาณงบประมาณ

คุณสามารถสร้างความแปรปรวนของการวัดปริมาณงบประมาณได้ดังนี้ -

ปริมาณ VTB: = [VTB Total Head Count] * [Budget Annualized CPH] / 12

การวิเคราะห์ข้อมูลด้วยความแปรปรวนกับมาตรการงบประมาณ

สร้าง Power PivotTable ดังต่อไปนี้ -

• เพิ่มฟิลด์ Fiscal Quarter และ Fiscal Month จากตาราง Date ไปยัง Rows
• เพิ่มมาตรการ CPH ประจำปีตามจริง, CPH ประจำปีตามงบประมาณ, อัตรา VTB, ปริมาณ VTB, ผลรวม VTB เป็นค่า
• เพิ่มฟิลด์ปีบัญชีจากตารางวันที่และคลาสย่อยจากตารางบัญชีไปยังตัวกรอง
• เลือก FY2016 ในตัวกรองปีบัญชี
• เลือกบุคคลในตัวกรองคลาสย่อย
• กรองป้ายชื่อแถวสำหรับค่าไตรมาสปีงบประมาณ 2016-Q1 และ FY2016-Q2

คุณสามารถสังเกตสิ่งต่อไปนี้ใน PivotTable ด้านบน -

• ค่า VTB Sum ที่แสดงเป็นค่าสำหรับ Sub Class - People เท่านั้น

• สำหรับไตรมาสปีงบประมาณ 2016-Q1 VTB Sum อยู่ที่ 4,705,568 ดอลลาร์อัตรา VTB คือ 970,506,297 ดอลลาร์และปริมาณ VTB อยู่ที่ -965,800,727 ดอลลาร์

• การวัดอัตรา VTB คำนวณว่าความแปรปรวนต่องบประมาณ (VTB Sum) จำนวน 970,506,297 ดอลลาร์เกิดจากความแตกต่างของต้นทุนต่อหัวและ $ -965,800,727 เกิดจากความแตกต่างของจำนวนพนักงาน

• หากคุณเพิ่ม VTB Rate และ VTB Volume คุณจะได้รับ $ 4,705,568 ซึ่งเป็นมูลค่าเดียวกับที่ส่งคืนโดย VTB Sum สำหรับ Sub Class People

• ในทำนองเดียวกันสำหรับไตรมาสปีงบประมาณ 2016-Q2 อัตรา VTB คือ $ 1,281,467,662 และปริมาณ VTB คือ $ -1,210,710,978 หากคุณเพิ่ม VTB Rate และ VTB Volume คุณจะได้รับ $ 70,756,678 ซึ่งเป็นค่า VTB Sum ที่แสดงใน PivotTable

การสร้างการวัดอัตราปีต่อปี

คุณสามารถสร้างการวัดอัตราปีต่อปีได้ดังนี้ -

อัตรา YoY: = ([CPH จริงประจำปี] / 12- [CPH ประจำปีที่แท้จริงของปีก่อน] / 12) * [จำนวนหัวทั้งหมดจริง]

การสร้างการวัดปริมาณปีต่อปี

คุณสามารถสร้างการวัดปริมาณปีต่อปีได้ดังนี้ -

YoY Volume: = [YoY Actual Total Headcount] * [CPH ตามจริงประจำปีของปีก่อน] / 12

การสร้างความแปรปรวนในการวัดอัตราการคาดการณ์

คุณสามารถสร้างการวัด Variance to Forecast Rate ได้ดังนี้ -

อัตรา VTF: = ([CPH ที่คาดการณ์ประจำปี] / 12- [CPH ตามจริงประจำปี] / 12) * [จำนวนหัวทั้งหมดจริง]

การสร้างความแปรปรวนเพื่อการวัดปริมาณการคาดการณ์

คุณสามารถสร้าง Variance to Forecast Volume Measure ได้ดังนี้ -

VTF Volume: = [VTF Total Head Count] * [Forecast Annualized CPH] / 12

การวิเคราะห์ข้อมูลด้วยความแปรปรวนกับมาตรการพยากรณ์

สร้าง Power PivotTable ดังต่อไปนี้ -

• เพิ่มฟิลด์ Fiscal Quarter และ Fiscal Month จากตาราง Date ไปยัง Rows

• เพิ่มมาตรการ CPH ประจำปีที่เกิดขึ้นจริง, CPH ที่คาดการณ์ประจำปี, อัตรา VTF, ปริมาณ VTF, ผลรวม VTF เป็นค่า

• เพิ่มฟิลด์ปีบัญชีจากตารางวันที่และคลาสย่อยจากตารางบัญชีไปยังตัวกรอง

• เลือก FY2016 ในตัวกรองปีบัญชี

• เลือกบุคคลในตัวกรองคลาสย่อย

• กรองป้ายชื่อแถวสำหรับค่าไตรมาสปีงบประมาณ 2016-Q1 และ FY2016-Q2

การสร้างความแปรปรวนของการคาดการณ์เพื่อวัดอัตรางบประมาณ

คุณสามารถสร้างความแปรปรวนของการคาดการณ์เพื่อวัดอัตรางบประมาณได้ดังนี้ -

อัตรา VTB คาดการณ์: = ([CPH ประจำปีของงบประมาณ] / 12- [CPH ที่คาดการณ์ประจำปี] / 12) * [จำนวนพนักงานที่คาดการณ์ทั้งหมด]

การสร้างความแปรปรวนของการคาดการณ์เพื่อวัดปริมาณงบประมาณ

คุณสามารถสร้างความแปรปรวนของการคาดการณ์เพื่อวัดปริมาณงบประมาณได้ดังนี้ -

ปริมาณ VTB การคาดการณ์: = [การคาดการณ์ VTB Total Head Count] * [CPH ประจำปีของงบประมาณ] / 12

การวิเคราะห์ข้อมูลด้วยความแปรปรวนของการคาดการณ์กับมาตรการงบประมาณ

สร้าง Power PivotTable ดังต่อไปนี้ -

• เพิ่มฟิลด์ Fiscal Quarter และ Fiscal Month จากตาราง Date ไปยัง Rows

• เพิ่มมาตรการงบประมาณ CPH ประจำปี, การคาดการณ์ CPH ประจำปี, อัตรา VTB คาดการณ์, ปริมาณ VTB ที่คาดการณ์, ผลรวม VTB ที่คาดการณ์เป็นค่า

• เพิ่มฟิลด์ปีบัญชีจากตารางวันที่และคลาสย่อยจากตารางบัญชีไปยังตัวกรอง

• เลือก FY2016 ในตัวกรองปีบัญชี

• เลือกบุคคลในตัวกรองคลาสย่อย

• กรองป้ายชื่อแถวสำหรับค่าไตรมาสปีงบประมาณ 2016-Q1 และ FY2016-Q2