Chưa có sản phẩm trong giỏ hàng.
Phân biệt 3 loại Measure trong bảng Facts
Khi nhìn vào bảng số liệu, ta thường phân vân tính hợp lý khi cộng tổng một Measure nào đấy để báo cáo. Ngoài ra việc sử dụng measure trong những loại visual phù hợp với nó cũng là vấn đề mà người làm report phải tính đến. Trong bài viết này chúng ta sẽ phân loại và phân biệt các loại measure: additive, semi-additive, non-additive.
1. Additive Measure:
Đúng như tên gọi, Additive Measure là chỉ số có thể cộng được qua mọi Dimensions. Tức là việc công giá trị qua các chiều đều trả ra những giá trị có ý nghĩa. Additive measure là những measure thường gặp nhất, dễ hiểu nhất. Điển hình như doanh thu, chi phí, lợi nhuận, số lượng bán được, số lượng khách hàng…
Ví dụ như khi ta có bảng số liệu Facts Sales và bảng Product_Dim. Ta có thể cộng số lượng bán (Units) theo Category ( ví dụ có 1+2+1+5 =9 sản phẩm thuộc loại Fruits & Vegetables và 1 sản phẩm có product_id = 5 thuộc loại Sweets ), hoặc cộng số lượng bán theo Name (Product_id của Banana là 3, vì vậy nhìn vào bảng Facts ta có thể cộng cái hàng có Product_id bằng 3, tổng Units sẽ là 1+1+5 = 7). Dù chọn Dimensions nào thì phép cộng của hàng Units cũng sẽ có nghĩa, vì vậy Units ở đây là một Additive Measure.
2, Semi-additive Measure:
Không như Additive Measure, Semi-Additive Measure chỉ có thể cộng được theo một số chiều nhất định. Additive measure điển hình như là tồn kho cuối kỳ, số tiền trong tài khoản vào cuối kỳ.
Ví dụ khi ta có bảng số liệu thống kê của một ngân hàng sau từng quý như sau:
Ta nhận thấy không thể cộng được tổng số dư qua các quý, vì như vậy số liệu sẽ không có nghĩa. Tuy nhiên ta vẫn có thể tính được tổng số dư của các khách hàng A, B, C trong quý 1 năm 2022 ( 1000000+500000+500000+800000 = 2800000) hay tính tổng số dư của khách hàng A theo từng quý. Các ví dụ tiêu biểu của Semi-Additive Measure đó là: đếm số lượng người ( ví dụ dân số thế giới năm 2020 là 7,6 tỉ người còn dân số thế giới năm 2021 là 7,8 tỉ người nên cộng lại ta được một con số không mang ý nghĩa) hay số dư, các giá trị mang tính lũy kế theo thời gian.
3, Non-Additive Measure:
Là các số liệu dù cộng trong trường hợp nào cũng không có ý nghĩa. Các ví dụ tiêu biểu của Non-Additive Measure như là đơn vị tiền tệ (20000 VND + $1 ) hay các tỉ lệ ( tỉ lệ nam – nữ ở Anh cộng tỉ lệ nam –nữ ở Mỹ sẽ không mang ý nghĩa báo cáo) hay giá bán ( giá bán chỉ hiển thị của một đơn vị sản phẩm nên không có ý nghĩa khi cộng).
Vậy là chúng ta đã đi qua 3 loại Measure, dấu hiệu nhận biết chúng. Việc phân biệt chúng để sử dụng cho quá trình áp dụng biểu thức DAX phù hợp hay chọn loại visual phù hợp là rất quan trọng trong việc tạo ra report.
Tìm hiểu thêm về DAX Measure tại: Hướng dẫn học Power BI: 4 Cách tổ chức DAX measures hiệu quả (datapot.vn)
- Tham gia group ôn thi PL-300/DA-100 tại: https://www.facebook.com/groups/da100vn
- Chuỗi Video Hướng dẫn thực hành Lab và sử dụng các tài nguyên của Microsoft: https://www.youtube.com/c/Datapotvn/videos
- Update tài nguyên từ Microsoft, DA-100 exam questions và exam topics tại Fanpage của Datapot: https://www.facebook.com/DatapotAnalytics/
Với các bạn mới bắt đầu tìm hiểu Power BI & mong muốn ứng dụng Power BI trong công việc, hãy tham khảo khóa học PL-300: Microsoft Power BI Data Analyst từ Datapot.
Được thiết kế và giảng dạy bởi các chuyên gia giàu kinh nghiệm làm việc và đào tạo trong ngành dữ liệu, được triển khai tại các doanh nghiệp như Unilever, SHB, MB Life Ageas,.., khóa học sẽ mang đến cho bạn những kiến thức và kỹ năng thực tiễn nhất.
