第 1 章 與時間相關的計算 1
第　2 章 與標準時間相關的計算　4
2.1　時間智能計算介紹 .4
2.1.1　什么是標準 DAX 時間智能函數　5
2.1.2　禁用自動日期/時間　6
2.1.3　標準時間智能函數的局限性　6
2.1.4　創建 Date 表　6
2.1.5　控制未來日期中的可視化　8
2.1.6　命名約定　8
2.2　期初至今總計　9
2.2.1　年初至今總計　10
2.2.2　季初至今總計　12
2.2.3　月初至今總計　12
2.3　比上個時間段增長的計算　13
2.3.1　比上個年度增長　14
2.3.2　比上個季度增長　15
2.3.3　比上個月度增長　16
2.3.4　比上個時間段增長　18
2.4　期初至今增長的計算　19
2.4.1　比上個年度年初至今增長　19
2.4.2　比上個季度季初至今增長　21
2.4.3　比上個月度月初至今增長　22
2.5　期初至今與上一個完整時間段的比較　23
2.5.1　年初至今比上個完整年度　23
2.5.2　季初至今比上個完整季度　26
2.5.3　月初至今比上個完整月度　27
2.6　使用移動年度總計計算　29
2.6.1　移動年度總計　29
2.6.2　移動年度總計增長　30
2.7　移動平均　31
2.7.1　移動平均 30 天　32
2.7.2　移動平均 3 個月　33
2.7.3　移動平均 1 年　33
2.8　篩選其他日期屬性　34
第　3 章 與月相關的計算　37
3.1　與月相關的時間智能計算介紹 37
3.1.1　創建 Date 表　37
3.1.2　命名約定　41
3.2　期初至今總計　42
3.2.1　年初至今總計　42
3.2.2　季初至今總計　43
3.3　比上個時期增長的計算　44
3.3.1　比上個年度增長　44
3.3.2　比上個季度增長　45
3.3.3　比上個月度增長　47
3.3.4　比上個時間段增長　48
3.4　期初至今增長的計算　49
3.4.1　比上個年度年初至今增長　49
3.4.2　比上個季度季初至今增長　50
3.5　期初至今與上一個完整時間段的比較　51
3.5.1　年初至今比上個完整年度　51
3.5.2　季初至今比上個完整季度　53
3.6　使用移動年度總計計算　54
3.6.1　移動年度總計　54
3.6.2　移動年度總計增長　55
3.7　移動平均 .56
3.7.1　移動平均 3 個月　56
3.7.2　移動平均 1 年　57
3.8　管理超過 12 個月的年份　57
第　4 章 與周相關的計算　59
4.1　與周相關的時間智能計算介紹　59
4.1.1　創建 Date 表　59
4.1.2　了解篩選器安全列　61
4.1.3　控制未來日期中的可視化　62
4.1.4　命名約定　63
4.2　期初至今總計　64
4.2.1　年初至今總計　64
4.2.2　季初至今總計　66
4.2.3　月初至今總計　67
4.2.4　周初至今總計　68
4.3　比上個時期增長的計算　69
4.3.1　比上個年度增長　69
4.3.2　比上個季度增長　71
4.3.3　比上個周度增長　72
4.3.4　比上個時間段增長　74
4.4　期初至今增長的計算　75
4.4.1　比上個年度年初至今增長　75
4.4.2　比上個季度季初至今增長　77
4.4.3　比上個周度周初至今增長　78
4.5　期初至今與上一個完整時間段的比較　79
4.5.1　年初至今比上個完整年度　80
4.5.2　季初至今比上個完整季度　81
4.5.3　周初至今比上個完整星期　82
4.6　使用移動年度總計計算　83
4.6.1　移動年度總計　83
4.6.2　移動年度總計增長　84
4.7　移動平均　86
4.7.1　移動平均 4 個星期　86
4.7.2　移動平均 1 個季度　87
4.7.3　移動平均 1 年　88
第　5 章 自定義時間相關的計算　90
5.1　自定義時間智能計算介紹　90
5.1.1　創建 Date 表　91
5.1.2　了解篩選器安全列　93
5.1.3　控制未來日期中可視化　94
5.1.4　命名約定　95
5.2　期初至今總計　96
5.2.1　年初至今總計　96
5.2.2　季初至今總計　98
5.2.3　月初至今總計　99
5.3　比上個時期增長的計算　100
5.3.1　比上個年度增長　100
5.3.2　比上個季度增長　102
5.3.3　比上個月度增長　103
5.3.4　比上個時間段增長　104
5.4　期初至今增長的計算　106
5.4.1　比上個年度年初至今增長　106
5.4.2　比上個季度季初至今增長　107
5.4.3　比上個月度月初至今增長　110
5.5　期初至今與上一個完整時間段的比較　112
5.5.1　年初至今比上個完整年度　112
5.5.2　季初至今比上個完整季度　113
5.5.3　月初至今比上個完整月度　114
5.6　使用移動年度總計計算　116
5.6.1　移動年度總計　116
5.6.2　移動年度總計增長　117
5.7　移動平均　119
5.7.1　移動平均 30 天　120
5.7.2　移動平均 3 個月　121
5.7.3　移動平均 1 年　122
第　6 章 比較不同區間的值　123
第　7 章 半累加計算　126
7.1　模式介紹　126
7.2　起始和終止日期　127
7.3　有數據的起始和終止日期　128
7.4　基于客戶的起始和終止日期　129
7.5　期初和期末余額 131
7.6　期間增長 134
第　8 章 累計總數 136
8.1　基本模式 136
8.2　可排序列的累計總數 138
第　9 章 參數表 140
9.1　改變度量值的比例 140
9.2　多個獨立參數 142
9.3　多個依賴參數 143
9.4　動態選擇前 N 名產品 144
第　10 章 靜態分組 146
10.1　基本模式 146
10.2　按類別劃分的價格區間 148
10.3　大型表格上的價格區間 150
第　11 章 動態分組 152
11.1　基本模式 152
11.2　按產品增長聚類 154
11.3　按最優狀態聚類 156
第　12 章 ABC 分類 158
12.1　靜態 ABC 分類 158
12.2　快照 ABC 分類 160
12.3　動態 ABC 分類 164
12.4　尋找 ABC 分類 165
第　13 章 新客戶和回頭客戶 167
13.1　介紹 167
13.2　模式描述 170
13.2.1　內部度量值 　172
13.2.2　外部度量值 　172
13.2.3　如何使用模式度量值 　173
13.3　動態相對模式 174
13.3.1　內部度量值 175
13.3.2　新客戶 　175
13.3.3　流失客戶 177
13.3.4　暫時流失客戶 177
13.3.5　復活客戶 178
13.3.6　回頭客戶 179
13.4　動態絕對模式 180
13.4.1　內部度量值 181
13.4.2　新客戶 182
13.4.3　流失客戶 182
13.4.4　暫時流失客戶 183
13.4.5　復活客戶 184
13.4.6　回頭客戶 185
13.5　通用動態模式（按類別動態） 185
13.5.1　內部度量值 186
13.5.2　新客戶 187
13.5.3　流失客戶 189
13.5.4　暫時流失客戶 190
13.5.5　復活客戶 192
13.5.6　回頭客戶 194
13.6　快照絕對模式 196
第　14 章 關聯性的非重復計數 　202
第　15 章 事件進展 206
15.1　事件進展的定義 206
15.2　未結訂單 208
15.3　結合快照的未結訂單 210
第　16 章 排名 　215
16.1　靜態排名 215
16.2　動態排名 216
16.3　顯示每個類別的前 3 名產品 218
第　17 章 層次結構 　220
17.1　檢測當前級別的層次結構 220
17.2　父節點百分比 221
第　18 章 父子層次結構 　223
18.1　介紹 223
18.2　基本的父子層次模式 224
18.3　會計科目表的層次結構 227
18.4　父子層次結構的安全模式 232
第　19 章 同類比較 234
19.1　介紹 234
19.2　同店銷售額的快照計算 235
19.3　不使用快照的同店銷售額 238
第　20 章 轉移矩陣 240
20.1　介紹 240
20.2　靜態轉移矩陣 241
20.3　動態轉移矩陣 244
第　21 章 調查 247
第　22 章 購物籃分析 251
22.1　定義關聯規則指標 251
22.1.1　# 　252
22.1.2　# And 　252
22.1.3　# Total 　252
22.1.4　# Both 　253
22.1.5　% Support（支持度） 　253
22.1.6　% Confidence（置信度） 　253
22.1.7　Lift（提升度） 　253
22.2　報告范例 253
22.3　基本模式示例 255
22.4　優化模式示例 259
第　23 章 匯率轉換 261
23.1　多種來源貨幣，單一報告貨幣 261
23.2　一種來源貨幣，多種報告貨幣 263
23.3　多種來源貨幣，多種報告貨幣 266
第　24 章 預算 　269
24.1　介紹 269
24.2　數據模型 270
24.3　業務選擇 271
24.3.1　基于上一年度的分配 271
24.3.2　停產的產品不會對分配產生影響 272
24.3.3　新產品有自己的預測數量 272
24.3.4　以年的基礎停產或推出產品 273
24.4　預測分配 273
24.5　在同一圖表上顯示實際數據和預測數據 275