DAX中基于日期特定变量的向前预测方法咨询

嘿，作为DAX新手能想到用参数表来控制节假日、淡季的预测调整，这思路已经很到位啦！我来一步步带你完成剩余的预测实现，分几个关键步骤来：

首先得确保你的三张表之间的关联是正确的：

• 把销售表和日期表（也就是你说的年度时间变量表）用日期字段建立一对多关系（日期表是维度表，销售表是事实表）；
• 把预测参数表也和日期表用date字段建立单向关系（日期表 → 预测参数表，这样日期表的上下文能传递到参数表）。

这一步是基础，不然DAX没法正确匹配不同表的日期上下文哦。

先得有一个“基础销量预测”，比如用历史数据的平均值，或者去年同期的销量，这里给你一个通用的历史滚动平均示例，你可以根据业务调整：

基准预测销量 = 
VAR 过去12个月的销量 = 
    CALCULATE(
        AVERAGE(Sales[销量]),
        DATESINPERIOD('日期表'[Date], LASTDATE('日期表'[Date]), -12, MONTH)
    )
// 如果是想用去年同期的话，把上面换成SAMEPERIODLASTYEAR：
// VAR 去年同期销量 = CALCULATE(SUM(Sales[销量]), SAMEPERIODLASTYEAR('日期表'[Date]))
RETURN
过去12个月的销量

这个度量值会根据当前日期，自动计算对应SKU过去12个月的平均销量作为预测基准——如果是多SKU场景，行上下文会自动适配每个SKU的历史数据。

接下来要把你的increase参数对应到每个日期，没有参数的日期默认用1（也就是不调整），写一个度量值来获取调整系数：

预测调整系数 = 
VAR 当前日期 = MAX('日期表'[Date])
VAR 匹配到的系数 = LOOKUPVALUE(
    '预测参数表'[increase],
    '预测参数表'[date], 当前日期
)
// 如果找不到对应日期的参数，就返回1（无调整）
RETURN
IF(ISBLANK(匹配到的系数), 1, 匹配到的系数)

比如11/18/2018这个日期，就会返回1.25，其他没在参数表里的日期就返回1。

把基准预测和调整系数相乘，就得到带日期变量调整的最终预测了：

最终预测销量 = [基准预测销量] * [预测调整系数]

现在你把这个度量值放到矩阵里，行选SKU，列选日期（包括未来日期哦，记得日期表里要提前加好未来的日期），就能看到每个SKU在不同日期的预测值了——比如节假日会按参数提升，淡季会按参数降低。

如果你的年度时间变量表里有淡季/旺季的标记（比如Is_OffSeason列，值为TRUE/FALSE），还可以加入全局调整，比如淡季整体打8折，修改一下预测调整系数就行：

预测调整系数 = 
VAR 当前日期 = MAX('日期表'[Date])
VAR 参数系数 = LOOKUPVALUE(
    '预测参数表'[increase],
    '预测参数表'[date], 当前日期
)
VAR 淡季全局系数 = IF(MAX('年度时间变量表'[Is_OffSeason]) = TRUE(), 0.8, 1)
RETURN
IF(ISBLANK(参数系数), 1 * 淡季全局系数, 参数系数 * 淡季全局系数)

这样就同时结合了特定日期的节假日调整和全局的淡旺季调整。

• 日期表一定要是连续的，包括你要预测的未来日期，不然预测会有断层；
• 如果某些SKU历史数据不足，可以给基准预测加个判断，比如：IF(ISBLANK(过去12个月的销量), CALCULATE(AVERAGE(Sales[销量]), ALL(Sales)), 过去12个月的销量)，用整体平均兜底；
• 基准预测的逻辑可以慢慢优化，比如从简单的平均换成指数平滑，或者用更复杂的时间序列模型，但作为新手先从基础版本入手就好。

内容的提问来源于stack exchange，提问作者Scott