Power BI根据历史数据进行预测的几种方式

预算分析时，还经常需要对未发生的业务进行预测，预测也是年度目标制定的重要依据，本文就来看看几种常用的简易预测方式，以及用PowerBI如何实现。

1、利用上年数据作为本年的预测数

获取上年同期的数据可以用时间智能函数SAMEPERIODLASTYEAR，也可以用更通用的DATEADD函数来表达，度量值如下：

这个度量值同样先做了判断，只有在未发生业务的日期，才返回预测数据，也就是上年同期数。

结果如下：

按上年同期数据进行预测，适合较为成熟稳定的业务。

2、按上两年同期数据的平均值，作为本年的预测数

先分别计算上年和前年的同期数据，然后取平均数，作为预测数据：

结果如下：

逻辑与上面类似，只是为了避免一年数据的偶然性，使用了两年的数据进行折中，所以每天的数据，相对波动更小一些。

3、按上年同期数据的移动平均值，作为本年的预测数

比如按30天移动平均，度量值可以这样写：

那么预测度量值就可以直接这样写了：

结果如下：

按移动平均做的预测，每日数据看起来平滑多了。

实际应用中，不会完全按照历史数据本身作为预测数据，一般还会乘个增长系数，以第一种预测方式为例，比如按去年同期数据上涨10%来预测，度量值中乘以1.1即可。

进一步的，还可以利用参数来做个动态系数，以便进行动态的调整预测，

然后将度量值修改为：

效果如下：

其他两种预测方式也都可以结合参数来动态预测，这里不再一一介绍。

上面只是几种简易的根据历史数据进行预测的方式，逻辑很简单，对于更复杂的预测，只要有明确的计算逻辑，同样也可以在PowerBI中实现。