MoyenneChoix unique

Question d'entraînement PL-300

Vous êtes analyste de données pour une entreprise de vente au détail. Vous disposez d'un modèle sémantique Power BI qui inclut une table de faits nommée Sales avec les colonnes : Date, ProductID, StoreID, Quantity et Amount. Vous disposez également de tables de dimensions : Product, Store et Date. La table Date est marquée comme une table de dates. Vous devez créer une mesure qui calcule le total cumulé du montant des ventes sur les 12 derniers mois, y compris le mois en cours. La mesure doit être dynamique en fonction du contexte de filtre. Quelle expression DAX devez-vous utiliser ?

Choisissez la meilleure réponse.

Bonne réponse

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

Explication

L'option C est correcte car DATESINPERIOD(Date[Date], MAX(Date[Date]), -12, MONTH) renvoie une plage mobile de 12 mois se terminant à la dernière date du contexte de filtre actuel, et son encadrement dans CALCULATE rend le total cumulé dynamique à mesure que les segments ou les visuels changent. Cela correspond à l'exigence d'inclure le mois en cours et les 11 mois précédents. L'option A utilise des dates codées en dur à partir du 01/01/2024, elle n'est donc pas dynamique et peut ne pas couvrir les 12 derniers mois. L'option B utilise PARALLELPERIOD, qui décale toute la période de 12 mois en arrière plutôt d'accumuler un total mobile de 12 mois. L'option D utilise TOTALYTD, qui calcule un total cumulé annuel à partir du début de l'exercice fiscal ou civil, et non un total mobile de 12 mois.

Pourquoi chaque option est juste ou fausse

A

Fausse

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

DATESBETWEEN n'est pas approprié ici car sa date de début est codée en dur au 1er janvier 2024 au lieu d'être dérivée du contexte de filtre actuel. L'expression commencerait toujours la somme à cette date civile fixe, quelle que soit la date de transaction la plus récente de la période sélectionnée, de sorte qu'elle produirait un total cumulé annuel pour l'année civile 2024, et non une véritable fenêtre glissante de 12 mois. De plus, si la fonction MAX(Date[Date]) tombe avant 2024, le résultat devient vide, ce qui brise le comportement dynamique attendu de la mesure.

B

Fausse

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

PARALLELPERIOD recule toute la période actuelle de 12 mois, mais renvoie uniquement la période correspondante de l'année précédente, et non une plage continue de 12 mois se terminant à la date maximale actuelle. Par exemple, si le contexte de filtre actuel est un seul mois, PARALLELPERIOD renvoie ce même mois un an plus tôt, de sorte que la somme ne comprendrait les ventes que d'un seul mois plutôt que le total cumulé de 12 mois. Il n'itère pas et n'étend pas la plage de dates pour couvrir les douze mois glissants, ce qui explique pourquoi il échoue à l'exigence de 12 mois glissants.

C

Juste

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

DATESINPERIOD construit correctement une plage contiguë de dates se terminant à MAX(Date[Date]) et s'étendant vers l'arrière sur 12 mois en utilisant l'intervalle MONTH. Cela crée un contexte de filtre contenant environ 365 jours qui inclut le mois en cours et les 11 mois précédents, de sorte que le CALCULATE SUM agrège toutes les ventes attribuables à cette fenêtre mobile de douze mois. Comme la date de fin est déterminée dynamiquement par le contexte de filtre actif et que l'intervalle est relatif, la mesure se met à jour automatiquement à mesure que l'utilisateur sélectionne différentes périodes, ce qui en fait le total mobile précis sur 12 mois.

D

Fausse

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

TOTALYTD calcule les ventes du début de l'année civile jusqu'à la date la plus récente du contexte de filtre actuel, ce qui est une mesure fixe cumulée de l'année en cours, et non un total mobile de 12 mois. Si l'utilisateur filtre jusqu'en mars 2025, TOTALYTD sommerait uniquement de janvier à mars 2025, alors qu'une mesure mobile de 12 mois sommerait d'avril 2024 à mars 2025. Il ignore complètement l'exigence de rétrospection de 12 mois et produit des valeurs systématiquement inférieures à la métrique souhaitée des douze derniers mois.

Pour aller plus loin

Cette question teste la distinction fondamentale entre les fonctions d'intelligence temporelle DAX et la façon dont elles manipulent le contexte de filtre sur une colonne de date. Les fonctions d'intelligence temporelle telles que DATESINPERIOD, DATESBETWEEN, PARALLELPERIOD et TOTALYTD renvoient toutes des ensembles de dates, mais elles diffèrent fondamentalement dans la manière dont elles définissent le début, la fin et la forme de cet ensemble. DATESINPERIOD est spécialement conçue pour les fenêtres mobiles car elle prend une date de début, un nombre d'intervalles et un type d'intervalle, puis s'étend vers l'arrière ou vers l'avant pour inclure toutes les dates de cet intervalle ; en revanche, TOTALYTD ancre la plage au début de l'année et PARALLELPERIOD traduit simplement la période existante sans l'étendre. Un point subtil mais critique est que ces fonctions s'appuient sur une table de dates contiguë et correctement marquée, et l'argument « MAX(Date[Date]) » dans DATESINPERIOD est évalué dans le contexte de filtre externe, de sorte que la mesure devient dynamique à mesure que les segments externes ou les filtres de page changent. Une idée fausse courante est que PARALLELPERIOD peut construire un total mobile sur douze mois, mais il ne fait que décaler la période actuelle, ce qui le rend utile pour les comparaisons d'une année sur l'autre plutôt que pour les totaux mobiles cumulés. Les scénarios de vente au détail du monde real nécessitent souvent des mesures mobiles pour l'analyse des tendances et la comparaison avec l'année précédente, et le choix de la mauvaise fonction peut produire des chiffres trompeurs, en particulier lors du reporting sur des périodes partielles ou des calendriers fiscaux.

À propos de ces questions d'entraînement

Cette question fait partie des questions d'entraînement PL-300 originales de Courseiva, rédigées pour apprendre et jamais copiées d'examens réels ou de dumps.

Traduite de l'original anglais avec l'IA et vérifiée pour le sens. Les codes d'examen, les commandes et les noms de produits sont conservés tels qu'ils apparaissent à l'examen.