DAX Function HOUR พร้อมตัวอย่างการใช้งาน

สิ่งสำคัญของการใช้งาน Power BI ที่ขาดไม่ได้และเป็นเรื่องสำคัญมาก ๆ อย่างหนึ่งนั้นคือ DAX (Data Analysis Expressions) ซึ่งจะมาช่วยคำนวณสรุปผลข้อมูลที่มี โดย DAX จะถูกไปใช้ในการคำนวณ 3 ส่วนหลัก ๆ ได้แก่

1. Measures – สร้างการคำนวณในรูปแบบของ Aggregation หลาย ๆ แถวในตาราง
2. Calculated columns – สร้างการคำนวณให้เกิดคอลัมน์ใหม่ เป็นการคำนวณแบบทีละแถว
3. Calculated table – สร้างการคำนวณให้เกิดตารางใหม่

DAX Function HOUR

แสดงชั่วโมงเป็นตัวเลขตั้งแต่ 0 (12:00 A.M.) ถึง 23 (11:00 P.M.)

รูปแบบของ Syntax

HOUR(<datetime>)

พารามิเตอร์

การคืนค่า

จำนวนเต็มจาก 0 ถึง 23

ข้อสังเกตที่ควรทราบ

• ฟังก์ชัน HOUR เป็นการหาเลขชั่วโมงจากค่าของเวลา (datetime) ซึ่งค่าของเวลา (datetime) ที่ระบุในฟังก์ชัน HOUR สามารถเป็นผลลัพธ์จากฟังก์ชัน วันที่/เวลา หรือผลลัพธ์ expression ใดที่ให้ผลลัพธ์เป็นวันที่เวลา หรือจากการพิมพ์ระบุค่าโดยตรงในรูปแบบเวลาที่ถูกต้อง นอกจากนี้ยังสามารถป้อนเวลาในรูปแบบข้อความที่ยอมรับได้
• ค่าพารามิเตอร์ datetime หากระบุเป็นวันที่และเวลาแบบข้อความ ฟังก์ชัน HOUR นี้จะใช้การตั้งค่าระบบภาษาและวันที่/เวลาของคอมพิวเตอร์ไคลเอ็นต์ ในการทำความเข้าใจค่าข้อความวันที่และเวลาและดำเนินการแปลงเป็นรูปแบบวันที่เวลา โดยระบบภาษาส่วนใหญ่ใช้เครื่องหมาย Colon (:) เป็นตัวคั่นเวลา ซึ่งหากข้อความเวลาใช้เครื่องหมาย Colon (:) เป็นตัวคั่น จะทำให้แปลงรูปแบบได้อย่างถูกต้อง ฉะนั้นตรวจสอบการตั้งค่าภาษาของเครื่องคอมพิวเตอร์เพื่อทำความเข้าใจผลลัพธ์ของคุณ

ตัวอย่างการใช้งาน

ตัวอย่างการใช้ฟังก์ชัน HOUR ในการสร้างคอลัมน์แสดงเลขชั่วโมงการสั่งซื้อสินค้า
จากตัวอย่างรายละเอียดการขายจากระบบขายหน้าร้านหรือ POS (Point of Sale) ในร้านขายคาเฟ่แห่งหนึ่ง ซึ่งมีข้อมูลตาราง Sales ที่มีรายละเอียดการขายสินค้า ได้แก่ ลำดับคำสั่งซื้อสินค้าอยู่ที่คอลัมน์ transaction_id, เวลาการขายสินค้าที่คอลัมน์ transaction_time, สินค้าที่ขายในแต่ละรายการอยู่ที่คอลัมน์ product_id และยอดขายแต่ละรายการอยู่ที่คอลัมน์ sales amount

จากข้อมูลชุดนี้นอกจากตาราง Sales แล้วยังมีตาราง Products ที่มีรายละเอียดสินค้าตามรายการ product_id

โดยจากข้อมูลการขายดังกล่าว สามารถหายอดขายรวมสินค้า (Total Sales) กับจำนวนคำสั่งซื้อสินค้า (Total Transactions) ด้วยการสร้าง measure Total Sales กับ Total Transactions ดังนี้

Total Sales = SUM(Sales[sales amount])

Total Transactions = COUNT(Sales[transaction_id])

และจากข้อมูลตาราง Sales ซึ่งมีข้อมูลเวลาการขายสินค้าที่คอลัมน์ transaction_time นั้น เราสามารถที่จะนำตัวเลขเฉพาะชั่วโมงการขายออกมา เพื่อแบ่งช่วงเวลาการขายสินค้า เช่น เวลา 12.00 PM – 12.59 PM แทนด้วยเลข 12 หรือ 6.00 PM – 6.59 PM แทนด้วยเลข 18 ด้วยการสร้างคอลัมน์ใหม่ชื่อ transaction (Hour) ซึ่งใช้ฟังก์ชัน HOUR ในการ Calculated columns ดังนี้

transaction (Hour) = HOUR(Sales[transaction_time]) //แสดงเวลาชั่วโมงการสั่งซื้อสินค้า

ตัวอย่างการใช้งาน HOUR ใน Visualization

ในตัวอย่างนี้นำคอลัมน์ใหม่ transaction (Hour) มาแสดงเป็น Visualization

• แบบ Stacked column chart ที่แสดงยอดขายรวมสินค้า Total Sales ตามช่วงเวลาการขายสินค้า transaction (Hour) โดยในแต่ละช่วงเวลาการขายจะแบ่งยอดขายรวมสินค้าตามหมวดหมู่สินค้า product_category ซึ่งกราฟนี้ทำให้เห็นมุมมองยอดขายตามช่วงเวลาการขายสินค้า ว่าในแต่ละช่วงเวลาการขายสินค้า หมวดหมู่สินค้าใดขายดี ขายได้เป็นจำนวนเงินเท่าไร และมียอดขายรวมทุกหมวดหมู่สินค้าเป็นจำนวนเงินเท่าไร รวมถึงทราบว่าช่วงเวลาการขายสินค้าใดมียอดขายรวมสินค้าสูงหรือต่ำที่สุด
• แบบ Area chart ที่แสดงจำนวนคำสั่งซื้อสินค้า Total Transactions ของแต่ละหมวดหมู่สินค้า product_category ตามช่วงเวลาการขายสินค้า transaction (Hour) ซึ่งกราฟนี้ทำให้เห็นมุมมองจำนวนคำสั่งซื้อของแต่ละหมวดหมู่สินค้าตามช่วงเวลาการขายสินค้า ว่าในแต่ละช่วงเวลาการขายสินค้า มีจำนวนคำสั่งซื้อสินค้าในหมวดหมู่สินค้าใดเป็นจำนวนเท่าไร และหมวดหมู่ใดมีจำนวนคำสั่งซื้อมากกว่ากัน

ข้อมูลอ้างอิงจากเว็บไซต์

• https://docs.microsoft.com/en-us/dax/hour-function-dax
• https://dax.guide/hour/
• https://www.kaggle.com/ylchang/coffee-shop-sample-data-1113

บทความเกี่ยวกับ DAX ที่น่าสนใจ

• Data Analysis Expression (DAX) คืออะไร
• DAX Measures และ Calculated Column
• การสร้าง DAX Measures ใน Power BI
• DAX Functions A to Z รวมสูตร 26 สูตร ที่น่าสนใจ พร้อมวิธีใช้งาน

แนะนำหลักสูตรการอบรม

เรียนรู้คำสั่ง DAX เพื่อใช้งานด้าน Data Analysis, Data Analytic, BI โดยใช้ Power BI
ในหลักสูตร Data Analysis Expression (DAX) for Power BI (2 Days)

 

• Power BI Desktop for Business Analytics (2 Days)
• Power BI Advanced Visualization and AI (2 Days)
• Power BI Advanced Power Query (2 Days)
• Data Model for Power BI (2 Days)