Este fórum parece ser mais orientado para mais problemas de programação, mas eu estaria interessado se alguém observasse a questão lógica no link abaixo. O meu problema é como calcular o total de 12 meses anterior usando o calendário já definido. Eu encontrei muito poucos exemplos disso na comunidade QV. Consulte o link abaixo para obter mais detalhes. Eu estaria disposto a olhar para uma solução de script SQL ou QV. Nosso ano fiscal é de novembro a outubro. Gostaria que o usuário final selecionasse Ano e um gráfico para exibir a última margem de 12 meses. Tive problemas para que meu total se acumulasse nos meses anteriores. O meu objetivo seria que pareça semelhante à coluna Rolling 12 Month Total - GP na imagem de imagem do Excel, com caixe manual. (Veja o link do QV para a captura de tela) Equação da Margem Rolante: minha tentativa de usar a Análise de Conjunto para fazer uma equação de avg de rotação MasterCalendar: isso usa masterdate para conectar itens juntos. Este é um calendário fiscal difícil de juntar com o avg FiscalCalander. Isso define o nosso ano fiscal. Obrigado por tomar o tempo para analisar esta questão. Pediu 12 de junho 12 às 13:48 Espero que isso contenha informações suficientes ndash octopusguy 12 de junho às 15:04 A solução não está no calendário. Você deve criar uma tabela dinâmica entre seu calendário e a tabela de fatos. Nesta tabela dinâmica você tem 2 tipos. DIRECTOS e CRUZADOS. Para o tipo DIRECT, uma linha na tabela de fato está vinculada à data no calendário Para o tipo CROSSING, uma linha na tabela de fato está vinculada a todas as datas dos 12 meses futuros no calendário. Então, no Qlikview, você usa o tipo DIRECT o tempo todo, exceto quando você deseja apresentar para cada mês o total dos últimos 12 meses. Neste caso, você usa CROSSING porque todas as linhas estão ligadas às datas dos 12 meses futuros, então isso significa (ponto de vista invertido) que um mês está vinculado a todos os dados dos últimos 12 meses. Escolhendo a melhor linha de tendência para seus dados Quando você deseja adicionar uma linha de tendência a um gráfico no Microsoft Graph, você pode escolher qualquer um dos seis tipos de tendências diferentes. O tipo de dados que você determina o tipo de linha de tendência que você deve usar. Confiabilidade Trendline Uma linha de tendência é mais confiável quando seu valor R-quadrado está em ou perto de 1. Quando você ajusta uma linha de tendência para seus dados, o Graph calcula automaticamente seu valor R-squared. Se desejar, você pode exibir esse valor no seu gráfico. Uma linha de tendência linear é uma linha reta de melhor ajuste que é usada com conjuntos de dados lineares simples. Seus dados são lineares se o padrão em seus pontos de dados se assemelhar a uma linha. Uma linha de tendência linear geralmente mostra que algo está aumentando ou diminuindo a uma taxa constante. No exemplo a seguir, uma linha de tendência linear mostra claramente que as vendas de refrigeradores aumentaram consistentemente ao longo de um período de 13 anos. Observe que o valor R-squared é 0.9036, que é um bom ajuste da linha para os dados. Uma linha de tendência logarítmica é uma linha curva de melhor ajuste que é mais útil quando a taxa de alteração nos dados aumenta ou diminui rapidamente e, em seguida, aumenta os níveis. Uma linha de tendência logarítmica pode usar valores negativos ou positivos. O exemplo a seguir usa uma linha de tendência logarítmica para ilustrar o crescimento populacional previsto de animais em uma área de espaço fixo, onde a população se estabilizou à medida que o espaço para os animais diminuiu. Observe que o valor R-squared é 0.9407, que é um ajuste relativamente bom da linha para os dados. Uma linha de tendência polinomial é uma linha curva que é usada quando os dados flutuam. É útil, por exemplo, analisar ganhos e perdas em um grande conjunto de dados. A ordem do polinômio pode ser determinada pelo número de flutuações nos dados ou por quantas curvas (colinas e vales) aparecem na curva. Uma linha de tendência polinomial da Ordem 2 geralmente tem apenas uma colina ou vale. A ordem 3 geralmente tem uma ou duas colinas ou vales. A ordem 4 geralmente tem até três. O exemplo a seguir mostra uma linha de tendência polinômica da ordem 2 (uma colina) para ilustrar a relação entre velocidade e consumo de gasolina. Observe que o valor R-squared é 0.9474, que é um bom ajuste da linha para os dados. Uma linha de tendência de energia é uma linha curva que é melhor usada com conjuntos de dados que comparam medidas que aumentam a uma taxa específica, por exemplo, a aceleração de um carro de corrida em intervalos de um segundo. Você não pode criar uma linha de tendência de energia se seus dados contiverem valores zero ou negativos. No exemplo a seguir, os dados de aceleração são mostrados ao traçar a distância em metros por segundos. A linha de tendência de energia demonstra claramente a crescente aceleração. Observe que o valor R-squared é 0.9923, que é um ajuste quase perfeito da linha para os dados. Uma linha de tendência exponencial é uma linha curvada que é mais útil quando os valores de dados aumentam ou caem a taxas cada vez maiores. Você não pode criar uma linha de tendência exponencial se seus dados contiverem valores zero ou negativos. No exemplo a seguir, uma linha de tendência exponencial é usada para ilustrar a quantidade decrescente de carbono 14 em um objeto à medida que envelhece. Observe que o valor R-squared é 1, o que significa que a linha se ajusta perfeitamente aos dados. Uma linha de tendência média móvel suaviza as flutuações nos dados para mostrar um padrão ou tendência com mais clareza. Uma linha de tendência média móvel usa um número específico de pontos de dados (definido pela opção Período), os em média e usa o valor médio como um ponto na linha de tendência. Se o Período for definido como 2, por exemplo, a média dos dois primeiros pontos de dados é usada como o primeiro ponto da linha de tendência média móvel. A média do segundo e terceiro pontos de dados é usada como o segundo ponto na linha de tendência, e assim por diante. No exemplo a seguir, uma linha de tendência média móvel mostra um padrão no número de casas vendidas ao longo de um período de 26 semanas.
Comments
Post a Comment