跟进商店的同类交易：处理 PY

简介

到我的上一篇文章，关于基于 Power Query 构建 Like-for-Like (L4L) 解决方案：

该解决方案在很大程度上按预期工作。我向我的同事和一些客户展示了它。

反馈是积极的，但我有一些问题，而且我的解决方案的结果不是提问者所期望的。

问题

我在计算 PY 值时发现了一个问题。

从技术上讲，结果是正确的，但它们不是从用户的角度来看的。

请看以下两个屏幕截图，其中显示了两种不同的情况，其中包括零售销售和零售销售 PY 度量。这两个案例的结果可能会让观众感到困惑。

在继续阅读之前尝试找出问题。

这是都灵商店的第一例，该商店在2024年3月至7月期间暂时关闭。

这是罗马商店的第二个案例，该商店于2023年8月至10月暂时关闭，并于2024年8月永久关闭。

我们看到第二种情况的结果：

“可比”商店的零售销售 PY 值，但在 8 月和 10 月之间有中断。

“不可比 - 关闭”商店的零售销售衡量值。

“不可比 - 刷新”商店的零售销售 PY 衡量值。

从技术角度来看，这些结果绝对有意义且正确。

这些措施显示了当前期间和上一年的正确 L4L 状态。

那么，存在哪些问题呢？

对于用户来说，它们非常混乱并且不符合期望。

从用户的角度思考：

在查看特定 L4L 州的结果时，这两个度量应将结果分配给相同的 L4L 州，无论它们是针对当前期间还是上一年计算的。

这给解决方案带来了新的复杂性。

解决方案

我需要第二列来显示前一年的 L4LKey。

这个想法有点违反直觉，但它提供了我需要的结果。

现在，结果正如预期的那样。