PowerBI星球
移动平均（MovingAverage），就是对前N期的历史数据进行平均，消除时间序列中的不规则波动的影响，以便呈现出总体发展趋势，并根据总体趋势来进行未来的走向预测。
移动平均在数据分析中十分常用，本文就来介绍在PowerBI中如何进行移动平均分析。
实际销售额折线图
假设分析的数据为某公司的销售额，先来看看每日销售额的时间序列。在折现图中展现，
每日销售额呈现明显的不规则波动，很难通过这些折现看出总体趋势，所以需要对销售额进行移动平均。
15天移动平均销售额
假设进行15天的移动平均，写度量值如下，
15天移动平均 =
AVERAGEX(
DATESINPERIOD(
'日期表'[日期],
MIN('日期表'[日期]),
-15,
DAY
),
[销售金额]
)
该度量值利用之前介绍过的时间智能函数DATESINPERIOD，返回过去15天的日期，然后利用迭代函数AVERAGEX计算出过去15天的平均值。
将该度量值放入折线图中，
通过15天均线，销售额的趋势变得平滑了很多，可以大致看出销售额的周期性波动，并有上升的趋势。
60天移动平均销售额
如果把计算移动平均的天数再延长一些，比如计算60天的均线，依然可以利用上面的度量值公式，只是把DATESINPERIOD函数的第三个参数，-15改成-60就可以了，60天均线也放进来，
60天均线更加平滑，几乎没有波动，呈现出缓慢的上升趋势。天数越长，平滑效果越好，但是也导致移动平均数据对实际数据越不敏感，所以并不是越平滑越好，移动平均天数不宜太长。
如果我们还想看30天的均线、45天的均线，难道都要分别写一个度量值吗，当然不用，在PowerBI中可以把天数参数化，制作一个动态的移动平均天数。
动态移动平均
在之前的文章中，也介绍过参数的用法（创建PowerBI「参数」轻松搞定动态分析），新建一个参数，
点击确定以后，会自动生成一个度量值和切片器，为了更加清晰，把度量值名称更改为[移动平均天数]。
然后用该度量值替换掉上面DAX表达式中的天数15，
动态移动平均 =
AVERAGEX(
DATESINPERIOD(
'日期表'[日期],
MIN('日期表'[日期]),
-[移动平均天数],
DAY
),
[销售金额]
)
把这个度量值放入折线图中，根据切片器天数的选择可以观察不同天数的均线。
这样动态的移动平均分析就做好了。
利用移动平均进行预测
进行移动平均分析的目的是为了预测未来。
如果不用移动平均数据，在原始每日销售额折线图的基础上进行预测，预测线是这样的，
预测的数据依然是剧烈不规则的波动，并且预测区间很大，这样的预测结果并不能起到该有的决策支持作用。
如果我们按30天均线来进行预测，
预测的趋势非常明确，并且区间也非常小，这样预测才有实际借鉴意义。所以利用移动平均分析可以更有效的预测未来趋势，前提是拥有大量且可靠的历史数据。
利用移动平均进行预测也有缺陷，比如滞后性，当实际的趋势发生反转时，移动平均数据反应比较迟钝，需要过一段时间才能反映出来。但是并不能因此就否定它的作用，这只是其中一个分析方式而已，需要结合其他的定量和定性分析，才能更好的把握未来趋势，再说也没有工具能准确预测未来。
本文示例文件请关注公众号PowerBI星球，私信获取。
学习就是发现问题、解决问题的过程。
网友评论