详细内容或原文请订阅后点击阅览
在 Power BI 中为商店构建同类解决方案
同类 (L4L) 解决方案对于比较元素至关重要。它只是比较可比较的元素，在本例中，是比较一段时间内的商店。让我们看看在语义模型中构建的解决方案。在 Power BI 中为商店构建同类解决方案一文首先出现在 Towards Data Science 上。
来源:走向数据科学什么是同类 (L4L)
确保仅比较可比较的元素。
元素可以是产品、店铺、客户群体等。
在这里，您可以阅读有关该主题的详细解释。
在当前案例中，我将为商店构建一个解决方案。
商店可以开业、关闭，甚至因装修、维修或其他原因暂时关闭。
因此，在将当前业绩与上一年业绩进行比较时，商店可以具有可比性或不可比性。这意味着，当一家商店在上一年的特定时期内不活跃时，它在当年的同一时期内活跃时就不可比。
L4L 将确保报表用户可以选择是否包含或排除不可比较的商店。
为了选择 L4L 状态，我创建了一个 DIM_L4L 表：
我可以使用列 L4L_Test 和 Reason 作为切片器或矩阵视觉对象中的层次结构。
商店
我从 ContosoRetailDW 数据集中选择了一些商店（ContosoRetailDW 数据集的详细信息请参见下面的参考资料部分）。
在本例中，我选择了意大利的商店。
以下是意大利商店的列表，其中包含开业和关闭日期以及指定的 L4L 州：
在此表中，我添加了两列，其中包含每家商店的月底开业日期和结束日期。
该表包含所有不可比较的商店。
如您所见，224和226商店的开业日期为2024年，222商店的关闭日期为2024年，222和225商店于2023年和2024年暂时关闭。
在解决方案的数据准备期间，所有其他存储将设置为可比较 (L4LKey = 1)。
需要注意什么
那么，有什么要求呢？