12 Måneders Moving Average Beregningen For Omsetning

Rolling 12 Months Gjennomsnitt i DAXputing det rullende 12-måneders gjennomsnittet i DAX ser ut som en enkel oppgave, men det skjuler litt kompleksitet Denne artikkelen forklarer hvordan man skriver den beste formelen som unngår vanlige fallgruver ved hjelp av tid intelligensfunksjoner. Vi starter med den vanlige AdventureWorks datamodellen , med produkt-, salgs - og kalendertabellen Kalenderen er merket som kalendertabell. Det er nødvendig å arbeide med hvilken som helst tidssvarsfunksjon, og vi har bygget et enkelt hierarki årsmåneddato. Med denne oppsettet er det veldig enkelt å lage en Første PivotTable viser salg over tid. Når du gjør trendanalyse, hvis salg er utsatt for sesongmessighet eller, mer generelt, hvis du vil fjerne effekten av topper og dråper i salget, er en vanlig teknikk å beregne verdien over en gitt periode , vanligvis 12 måneder, og gjennomsnittlig Det rullende gjennomsnittet over 12 måneder gir en jevn indikator på trenden, og det er veldig nyttig i diagrammer. Giver en dato, kan vi beregne 12-måneders rullende gjennomsnitt med thi s-formelen, som fortsatt har noen problemer som vi vil løse senere. Oppførelsen av formelen er enkel, det beregner verdien av Salg etter å ha opprettet et filter på kalenderen som viser nøyaktig ett helår med data Kjernen i formelen er DATESBETWEEN , som returnerer et inklusivt sett med datoer mellom de to grensene. Den nedre er. Leser det fra det innerste hvis vi viser data for en måned, sier juli 2007, tar vi siste synlige dato ved hjelp av LASTDATE, som returnerer den siste dagen i Juli 2007 Så bruker vi NEDDAG til 1. august 2007, og vi bruker endelig SAMEPERIODLASTYEAR til å skifte den tilbake ett år, og gir 1. august 2006. Den øvre grensen er bare LASTDATE, dvs. slutten av juli 2007. Hvis vi bruker denne formelen i en PivotTable, resultatet ser bra ut, men vi har et problem for den siste datoen. Faktisk, som du ser på figuren, er verdien riktig beregnet til 2008 Da er det ingen verdi i 2009 som er riktig, vi gjør det ikke har salg i 2009, men det er en surpri syng verdi i desember 2010, hvor vår formel viser totalummen i stedet for en tom verdi, som vi ville forvente. Faktisk returnerer LASTDATE den siste dagen i året, og NESTDAG skal returnere 1. januar 2011, men NESTDAG er en tid intelligens funksjon og det forventes å returnere sett med eksisterende datoer Dette faktum er ikke veldig tydelig og det er verdt noen få ord more. Time intelligence funksjoner utfører ikke matte på datoer Hvis du vil ta dagen etter en bestemt dato, du kan ganske enkelt legge til 1 i en hvilken som helst datakolonne, og resultatet blir neste dag. I stedet bruker tid intelligens skiftsettene dato frem og tilbake over tid. NEXTDAY tar derfor inn i vårt tilfelle et enkelt rad bord med 31 av Desember 2010 og skifter det en dag senere Problemet er at resultatet skal være 1. januar 2011, men fordi Kalender-tabellen ikke inneholder den datoen, er resultatet BLANK. Thus, vårt uttrykk beregner Salg med en tom nedre grense som betyr begynnelsen av tid, noe som resulterer i summen av salget For å rette opp formelen er det nok å endre evalueringsordren til den nedre grensen. Som du kan se, kalles NESTDAG etter skiftet på ett år tilbake. På denne måten, vi tar 31 desember 2010, flytt den til 31. desember 2009 og ta neste dag, som er 1. januar 2010 en eksisterende dato i kalenderbordet. Resultatet er nå den forventede. På dette punktet trenger vi bare å dele det nummeret med 12 for å oppnå det rullende gjennomsnittet Men som du lett kan forestille oss, kan vi ikke alltid dele det med 12 Faktisk er det i begynnelsen av perioden ikke 12 måneder å samle, men et lavere tall. Vi må beregne Antall måneder som det er salg Dette kan oppnås ved å bruke kryssfiltrering av kalenderbordet med salgstabellen etter at vi har brukt den nye 12 måneders konteksten. Vi definerer et nytt mål som beregner antall eksisterende måneder i 12 måneders perioden. kan se i neste figur at månedene12 M-mål beregner en korrekt verdi. Det er verdt å merke seg at formelen ikke fungerer hvis du velger en periode som er lengre enn 12 måneder, fordi Kalendermånednavnet har bare 12 verdier. Hvis du trenger lengre perioder, må du bruke en YYYYMM kolonne for å kunne telle mer enn 12.Den interessante delen av denne formelen som bruker kryssfiltrering er det faktum at det beregner antall tilgjengelige måneder, selv når du filtrerer med andre attributter. Hvis du for eksempel velger den blå farge ved hjelp av en skiver , så begynner salget i juli 2007 ikke i 2005, som det skjer for mange andre farger. Ved å bruke kryssfiltret på salg, beregner formelen riktig at i juli 2007 er det en enkelt måned med tilgjengelig salg for Blue. At dette punktet rullende gjennomsnittet er bare en DIVIDE away. When vi bruker det i et pivottabell, har vi fortsatt et lite problem faktisk verdien beregnes også i måneder som det ikke er salg for, dvs fremtidige måneder. Dette kan løses ved hjelp av en IF-erklæring for å forhindre formelen fra viser verdier når det ikke er salg, jeg har ingenting mot IF, men for prestasjonene avhengige blant deg, er det alltid verdt å huske at IF kan være en ytelsesmord, fordi det kunne tvinge DAX-formelmotor til å sparke inn i dette spesielle tilfellet, forskjellen er ubetydelig, men som en generell regel er den beste måten å fjerne verdien når det ikke er salg, å stole på rene lagringsmotorformler som dette, og avgir et diagram ved hjelp av Avg12M med en annen som viser Salg du lett kan sette pris på. hvordan det rullende gjennomsnittet skisserer trender på en mye renere måte. Få meg informert om kommende artikler, nyhetsbrev. Fjern merket for å laste ned filen fritt. Hvordan beregne en 12-måneders rullende gjennomsnitt. Et vanlig 12-måneders gjennomsnitt reduserer et år med månedlige tall i en Enkelt gjennomsnittlig antall Et 12 måneders rullende gjennomsnitt eller glidende gjennomsnitt er bare en serie med 12 måneders gjennomsnitt over flere påfølgende 12 måneders perioder. Dette statistiske verktøyet kan hjelpe deg med å måle den generelle retningen til en ser månedlige data fordi det gir en jevn forandring av virkningene fra måned til måned. Du kan bruke et 12 måneders rullende gjennomsnitt for å analysere nesten alle typer månedlige tall, for eksempel inntekter, fortjeneste, aksjekurser eller kontosaldoer. data som du vil beregne et 12 måneders rullende gjennomsnitt Du trenger minst 13 påfølgende måneder med informasjon, men jo mer du har, jo mer nyttig vil det rullende gjennomsnittet være. For eksempel, antar du vil beregne en 12-måneders rullende gjennomsnitt for de følgende 14 månedene av salget. I eksemplet legger du til månedlige salgstallene fra januar til desember 2017. 50 000 55 000 60 000 65 000 70 000 75 000 72 000 70 000 68 000 71 000 76 000 85 000 817 000.Divide resultatet med 12 for å beregne gjennomsnittlig månedstall for den eldste 12-månedersperioden Dette representerer det første rullende gjennomsnittet. I dette eksemplet, divisjon 817 000 med 12 817 000 12 måneder 68 083 for det første rullende gjennomsnittet. Legg til månedstallene for neste påfølgende 12-mo nte periode Dette inkluderer den forrige tolvmånedersperioden bortsett fra den eldste måneden. Den inkluderer også den nyeste måneden umiddelbart etter forrige 12-måneders periode. I eksemplet er neste påfølgende 12-måneders periode februar 2017 til januar 2018. Legg til månedlig salg tall for å få 840 000.Divide resultatet med 12 for å beregne det andre rullende gjennomsnittet I eksemplet, divisjon 840 000 med 12. 840 000 12 70 000 andre rullende gjennomsnitt. Legg til månedlige dataene for neste påfølgende 12-måneders periode, og del ditt resultat med 12 for å beregne det tredje rullende gjennomsnittet Gjenta samme beregning for hver påfølgende 12-måneders periode for å beregne gjenværende rullende gjennomsnitt. I eksemplet legger du til månedlig salg fra mars 2017 til februar 2018 for å få 852 000 fordel 852 000 med 12 for å få en tredjedel Flytende gjennomsnitt på 71 000. De 12 måneders rullende gjennomsnittene er 68 083, 70 000 og 71 000, noe som viser en økende salgsutvikling i løpet av den oppgitte perioden. Slett dine månedlige tall og 12 måneders ruller g gjennomsnitt på en graf for å se utviklingen av dataene dine. Beregning av ansatte Omsetning. Se på dette innlegget for mer informasjon om ansattes omsetning. Arbeidstakers omsetningssatser. Omsetningen til omsetning er drevet av mange faktorer, inkludert mangelfull kompensasjon, mangel på ansattes engasjement, fattige arbeidsform, etc. Uansett årsak, kan du enkelt beregne bedriftens satser på omsetning Dette er et kritisk referanse som kan hjelpe deg å forstå forholdet ditt med konkurrentene dine og med dine ansatte. Du bør kontinuerlig overvåke denne frekvensen slik at du kan ta informerte valg i fremtiden. Beregning av månedlig og årlig omsetning Oppmerksom alle ikke-matte hovedmenn Disse beregningene er enkle For å lette inn i det skjønner vi imidlertid med verbale forklaringer. Les mer om vår kompensasjonsprogramvare. Medalt omsetning er antall ansattes separasjoner i en måned delt av gjennomsnittlig antall aktive ansatte på arbeidsplassen i samme periode Vi vil gjøre det enkelt og si at vi har et operasjonssted ons. Written som en matematisk formel, her er den samme beregningen. Nå å trekke tall i vår formel for månedlig omsetning. Den årlige ansatteomsetningen beregnes ved å legge opp den månedlige omsetningen i en 12-måneders periode. Synd, riktig Ok, neste trinn følger. Bruk samme eksempel hvis fire ansatte forlater hver måned, en årlig total på 48 forlater Plugging disse tallene i formelen. Kostnadene for ansatt Omsetning for din organisasjon Omsetningskostnadene vil avhenge av bedriftens spesielle blanding av ansatte Noen vil være relativt billige å erstatte, noen vil være litt dyrere. Omsetningen av mindre dyktige arbeidstakere er fortsatt dyrt. Et estimat er at direkte omsetningskostnader er 50 til 60 prosent av ansattes lønn. Det legger til. Når du tenker på oppbevaring, må du også Tenk på at forretningskostnadene til topp talent forlater For eksempel tapte inntekter fordi en prosjektutgivelsesdato var forsinket på grunn av en nøkkelingeniørens avgang eller tapt salg på grunn av en toppsalg som flyttet videre . Beregning av omsetning av ansatte innenfor første ansettelsesår Blant de dyreste av omsetningen er det for de ansatte som går i første års ansettelse I mange jobber er en ansatt ikke fullt produktiv i måneder. En høy omsetning i første års ansettelsesår kan representerer derfor en særlig smertefull pris. For å beregne verdien for din bedrift, del det totale antall ansatte som går på mindre enn ett år av det totale antall ansatte som går i samme periode. Her er hvordan formelen ser ut. Nå la oss trekke inn 48 ansattes nummer fra vår forrige beregning, men merk at ni igjen i sitt første års ansettelse. Hva kan ansatte omsetningsberegninger fortelle deg om din organisasjon Uansett antall, vil du sannsynligvis ønske å sammenligne deg med lignende organisasjoner i din industri og i din region Sørg også for å sjekke mange års data, siden det siste året kan utgjøre en anomali De med svært høy omsetning vil undersøke deres ombordstigning og utvelgelsesprosess De med høy eller lav omsetning bør ta en ny titt på deres kompensasjonspraksis. Du kan betale uønskede beløp i begge tilfeller. Ønsker du å lære mer god praksis og PayScale-programvare.