Power BI 求最大间隔日期(库存、登录)

背景:

  1. 有一张用户登录明细表,其中判断用户当天登录的条件是isLoginDayDateShift=1,然后看LastLoginDate列即可
  2. 求:用户最大登录间隔,比如用户2021/1/1 2021/1/3 2020/1/6号分别有登录,则最大登录间隔为2天
  3. 除了登录间隔,也可以判断缺货天数这种场景

思路:

万能的视图层算法

  1. 先构建一张干净的登录表,包括用户ID、登录日期
  2. 给登陆表加一列,新列为下次登录日期
  3. 最后一个登录日期行,这行的”下次登录日期“肯定是空的,因此,将空替换为刷新日期
  4. 求日期间隔,日期1为原本登录日期、日期2为下次登录日期
  5. 返回步骤4中的最大值

实现:

--  FactTable[IsLoginDayDateShift]是用来辅助判断是否最后登录的列 当这列=1时,看last loggin date就是登录日期

a =
VAR logintable =
    FILTER (
        SUMMARIZE (
            FactTable,
            FactTable[IDnum],
            FactTable[LastLoginDate],
            FactTable[IsLoginDayDateShift]
        ),
        FactTable[IsLoginDayDateShift] = 1
            && NOT ISBLANK ( FactTable[LastLoginDate] )
    ) 
    
 --if have next log day, then dateiff, otherwise refreshdate
VAR next_ =
    ADDCOLUMNS (
        logintable,
        "@next",
            CALCULATE (
                MIN ( FactTable[LastLoginDate] ),
                FILTER (
                    logintable,
                    FactTable[LastLoginDate]
                        > EARLIER ( FactTable[LastLoginDate] )
                ),
                FILTER (
                    logintable,
                    FactTable[IDnum] = EARLIER ( FactTable[IDnum] )
                ),
                logintable
            )
    )
VAR NEXT_MODIFY =
    --change blank as refresh date
    ADDCOLUMNS (
        next_,
        "@next_m",
            IF (
                ISBLANK ( [@next] ),
                SELECTEDVALUE ( 'Dim_Data Refreshing'[Time] ),
                [@next]
            )
    )
VAR DATEDIFFTABLE =
    ADDCOLUMNS (
        NEXT_MODIFY,
        "@datediff", DATEDIFF ( FactTable[LastLoginDate], [@next_m], DAY )
    )
RETURN
    MAXX ( DATEDIFFTABLE, [@datediff] )
最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 210,914评论 6 490
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 89,935评论 2 383
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 156,531评论 0 345
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 56,309评论 1 282
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 65,381评论 5 384
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 49,730评论 1 289
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,882评论 3 404
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 37,643评论 0 266
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,095评论 1 303
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,448评论 2 325
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 38,566评论 1 339
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,253评论 4 328
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,829评论 3 312
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,715评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,945评论 1 264
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 46,248评论 2 360
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 43,440评论 2 348

推荐阅读更多精彩内容