MediaOpción múltiple

Pregunta de práctica de PL-300

Es analista de datos para una empresa minorista. Tiene un modelo semántico de Power BI que incluye una tabla de hechos llamada Sales con las columnas: Date, ProductID, StoreID, Quantity y Amount. También cuenta con tablas de dimensiones: Product, Store y Date. La tabla Date está marcada como tabla de fechas. Debe crear una medida que calcule el total acumulado del importe de ventas durante los últimos 12 meses, incluido el mes actual. La medida debe ser dinámica según el contexto de filtro. ¿Qué expresión DAX debe utilizar?

Elige la mejor respuesta.

Respuesta correcta

  • CCALCULATE(SUM(Sales[Amount]), DATESINPERIOD(Date[Date], MAX(Date[Date]), -12, MONTH))

Explicación

La opción C es correcta porque DATESINPERIOD(Date[Date], MAX(Date[Date]), -12, MONTH) devuelve una ventana móvil de 12 meses que finaliza en la última fecha del contexto de filtro actual, y envolverla en CALCULATE hace que el total acumulado sea dinámico a medida que cambian los segmentos o los objetos visuales. Esto coincide con el requisito de incluir el mes actual y los 11 meses anteriores. La opción A utiliza fechas codificadas de forma rígida desde el 2024-01-01, por lo que no es dinámica y puede no cubrir los últimos 12 meses. La opción B utiliza PARALLELPERIOD, que desplaza todo el período hacia atrás 12 meses en lugar de acumular un total móvil de 12 meses. La opción D utiliza TOTALYTD, que calcula un total acumulado anual desde el inicio del año fiscal o calendario, no un total móvil de 12 meses.

Por qué cada opción es correcta o incorrecta

A

Incorrecta

CALCULATE(SUM(Sales[Amount]), DATESBETWEEN(Date[Date], DATE(2024,1,1), MAX(Date[Date])))

DATESBETWEEN no es apropiado aquí porque su fecha de inicio está codificada de forma rígida como el 1 de enero de 2024 en lugar de derivarse del contexto de filtro actual. La expresión siempre comenzaría la suma en esa fecha de calendario fija, independientemente de la fecha de transacción más reciente en el período seleccionado, por lo que produciría un total acumulado anual para el calendario 2024, no una ventana real móvil de 12 meses. Además, si la función MAX(Date[Date]) cae antes de 2024, el resultado se vuelve en blanco, lo que rompe el comportamiento dinámico esperado de la medida.

B

Incorrecta

CALCULATE(SUM(Sales[Amount]), PARALLELPERIOD(Date[Date], -12, MONTH))

PARALLELPERIOD retrocede todo el período de tiempo actual 12 meses pero devuelve solo el período del año anterior correspondiente, no un rango continuo de 12 meses que finalice en la fecha máxima actual. Por ejemplo, si el contexto de filtro actual es un solo mes, PARALLELPERIOD devuelve ese mismo mes un año antes, por lo que la suma incluiría las ventas de un solo mes en lugar del total acumulativo de 12 meses. No repite ni expande el rango de fechas para cubrir los últimos doce meses, razón por la cual no cumple con el requisito móvil de 12 meses.

C

Correcta

CALCULATE(SUM(Sales[Amount]), DATESINPERIOD(Date[Date], MAX(Date[Date]), -12, MONTH))

DATESINPERIOD construye correctamente un rango contiguo de fechas que finaliza en MAX(Date[Date]) y se extiende hacia atrás 12 meses utilizando el intervalo MONTH. Esto crea un contexto de filtro que contiene aproximadamente 365 días que incluye el mes actual y los 11 meses anteriores, por lo que el cálculo CALCULATE SUM agrupa todas las ventas atribuibles a esa ventana móvil de doce meses. Debido a que la fecha de finalización está determinada dinámicamente por el contexto de filtro activo y el intervalo es relativo, la medida se actualiza automáticamente a medida que el usuario selecciona diferentes períodos de tiempo, lo que la convierte en el total móvil preciso de 12 meses.

D

Incorrecta

TOTALYTD(SUM(Sales[Amount]), Date[Date])

TOTALYTD calcula las ventas desde el principio del año calendario hasta la fecha más reciente en el contexto de filtro actual, que es una medida fija acumulada del año en curso, no un total móvil de 12 meses. Si el usuario filtra hasta marzo de 2025, TOTALYTD sumaría solo de enero a marzo de 2025, mientras que una medida móvil de 12 meses sumaría de abril de 2024 a marzo de 2025. Ignora por completo el requisito de análisis retrospectivo de 12 meses y produce valores que son sistemáticamente menores que la métrica deseada de los últimos doce meses.

Para profundizar

Esta pregunta evalúa la distinción fundamental entre las funciones de inteligencia de tiempo de DAX y cómo manipulan el contexto de filtro sobre una columna de fecha. Las funciones de inteligencia de tiempo como DATESINPERIOD, DATESBETWEEN, PARALLELPERIOD y TOTALYTD devuelven conjuntos de fechas, pero difieren fundamentalmente en cómo definen el inicio, el final y la forma de ese conjunto. DATESINPERIOD está diseñado específicamente para ventanas móviles porque toma una fecha de inicio, un número de intervalos y un tipo de intervalo, y luego se expande hacia atrás o hacia adelante para incluir todas las fechas de ese lapso; en contraste, TOTALYTD ancla el intervalo al inicio del año y PARALLELPERIOD simplemente traslada el período existente sin extenderlo. Un punto sutil pero crítico es que estas funciones dependen de una tabla de fechas contigua y marcada correctamente, y el argumento 'MAX(Date[Date])' dentro de DATESINPERIOD se evalúa dentro del contexto de filtro exterior, por lo que la medida se vuelve dinámica a medida que cambian los segmentos externos o los filtros de página. Una idea errónea común es que PARALLELPERIOD puede construir un total móvil de doce meses, pero solo desplaza el período actual, lo que lo hace útil para comparaciones interanuales en lugar de totales móviles acumulativos. Los escenarios minoristas del mundo real a menudo requieren medidas móviles para el análisis de tendencias y la comparación con el año anterior, y elegir la función incorrecta puede producir números engañosos, especialmente al informar sobre períodos parciales o calendarios fiscales.

Sobre estas preguntas de práctica

Esta es una de las preguntas de práctica originales de PL-300 de Courseiva, escrita para aprender y nunca copiada de exámenes reales ni de dumps.

Traducida del original en inglés con IA y revisada para comprobar el sentido. Los códigos de examen, los comandos y los nombres de productos se mantienen tal como aparecen en el examen.