你做的預測分析不靠譜，是因為你沒有使用移動平均！
移動平均（MovingAverage），就是對前N期的歷史數據進行平均，消除時間序列中的不規則波動的影響，以便呈現出總體發展趨勢，並根據總體趨勢來進行未來的走向預測。
移動平均在數據分析中十分常用，本文就來介紹在PowerBI中如何進行移動平均分析。
實際銷售額折線圖
假設分析的數據為某公司的銷售額，先來看看每日銷售額的時間序列。在折現圖中展現，
每日銷售額呈現明顯的不規則波動，很難通過這些折現看出總體趨勢，所以需要對銷售額進行移動平均。
15天移動平均銷售額
假設進行15天的移動平均，寫度量值如下，
15天移動平均 =
AVERAGEX( DATESINPERIOD( 日期表[日期], MIN(日期表[日期]), -15, DAY ), [銷售金額])
該度量值利用之前介紹過的時間智能函數DATESINPERIOD，返回過去15天的日期，然後利用迭代函數AVERAGEX計算出過去15天的平均值。
將該度量值放入折線圖中，
通過15天均線，銷售額的趨勢變得平滑了很多，可以大致看出銷售額的周期性波動，並有上升的趨勢。
60天移動平均銷售額
如果把計算移動平均的天數再延長一些，比如計算60天的均線，依然可以利用上面的度量值公式，只是把DATESINPERIOD函數的第三個參數，-15改成-60就可以了，60天均線也放進來，
60天均線更加平滑，幾乎沒有波動，呈現出緩慢的上升趨勢。天數越長，平滑效果越好，但是也導致移動平均數據對實際數據越不敏感，所以並不是越平滑越好，移動平均天數不宜太長。
如果我們還想看30天的均線、45天的均線，難道都要分別寫一個度量值嗎，當然不用，在PowerBI中可以把天數參數化，製作一個動態的移動平均天數。
動態移動平均
在之前的文章中，也介紹過參數的用法（創建PowerBI「參數」輕鬆搞定動態分析），新建一個參數，
點擊確定以後，會自動生成一個度量值和切片器，為了更加清晰，把度量值名稱更改為[移動平均天數]。
然後用該度量值替換掉上面DAX表達式中的天數15，
動態移動平均 =
AVERAGEX( DATESINPERIOD( 日期表[日期], MIN(日期表[日期]), -[移動平均天數], DAY),
[銷售金額])
把這個度量值放入折線圖中，根據切片器天數的選擇可以觀察不同天數的均線。
這樣動態的移動平均分析就做好了。
利用移動平均進行預測
進行移動平均分析的目的是為了預測未來。
如果不用移動平均數據，在原始每日銷售額折線圖的基礎上進行預測，預測線是這樣的，
預測的數據依然是劇烈不規則的波動，並且預測區間很大，這樣的預測結果並不能起到該有的決策支持作用。
如果我們按30天均線來進行預測，
預測的趨勢非常明確，並且區間也非常小，這樣預測才有實際借鑒意義。所以利用移動平均分析可以更有效的預測未來趨勢，前提是擁有大量且可靠的歷史數據。
利用移動平均進行預測也有缺陷，比如滯後性，當實際的趨勢發生反轉時，移動平均數據反應比較遲鈍，需要過一段時間才能反映出來。但是並不能因此就否定它的作用，這只是其中一個分析方式而已，需要結合其他的定量和定性分析，才能更好的把握未來趨勢，再說也沒有工具能準確預測未來。
微信公眾號PowerBI星球，回復「PowerBI」獲取145頁PowerBI入門指南，2019年，送你一個技能。
THE END
.
推薦閱讀：
