例如：平时有一种购买特点；周末有一种购买特点。
故而一周内的星期一到星期日呈现一定的权重分布。
周内日权重分布
1 到 12 表示月序号；1 到 7 表示周内日。
这个在 PowerBI 中构建就非常容易。
可以看出，星期五和星期六的指标值显著降低，其他日期类似，也许这就反应了一种规律。
动态推演
如果结合 PowerBI 的筛选，还可以实现动态计算的效果，例如：
在 PowerBI 中进行这类分析的显著好处之一就是：动态性。在用户选择切片器的不同值后，整个计算重算，并根据用户的选择完成重算，这个选择在实际应用中，可以是门店，品牌，商品等各个维度，以在更加定制化的方面发现其规律。
注意 以往人们也会使用类似的机制，但是由于工具的限制，无法动态计算，例如，某个地区某个店的某类产品的销售规律与全局销售规律是有差异的，这里存在地域，店铺，产品导致的差异性，因此，我们需要动态计算机制。
排除干扰
不难想到，由于某些日期是节假日，它们会对常规日期造成干扰，为此，我们需要排除这些干扰。我们可以将特殊日期建立一个表格并做出说明，例如：
这个表格可以在 Excel 中维护，需要时加载进入 PowerBI 数据模型即可。
!>该表的日期列并不是完备的。而且，很可能出现重复的日期。例如：2019.9.22日既属于中秋节，也属于店庆日，我们应该如实记录。
实际可用日
从自然日中排除这些特别的日期，就可以得到实际可用日：
不难看出，对于2018年各月的周一来说，实际可用日比自然可用日有所减少，因为有的自然可用日落在了节假日等特殊日列表中，予以了排除。
周内日权重指数的计算
因此，周内日权重指数应该在实际可用日中计算，为了计算的公平性，应该采用指标的平均值，而非累计。得到：
从趋势上来看，其规律是不变的，但从数值上来看，后者（按均值）计算显得更加合理。
该计算的 DAX 表达式为：
代码语言：javascript复制DWI.Value =
VAR vDatesInFC = VALUES( Model_Calender[Date] )
VAR vDatesValid = EXCEPT( vDatesInFC , VALUES( Ref_Specialday[Date] ) )
RETURN AVERAGEX( vDatesValid , [KPI.Auto] )这是非常简单的，由于使用了 AVERAGEX ,这里的计算可以充分地兼顾那些没有销售的日期，它们并不会作为均值运算的分母。
统一化处理
现在的问题是，应该按照一个基准来描述这个周内日权重因子。我们按照以下方法处理：
- 选出权重最小的周内日，并将其权重置为1；
- 其他周内日则相应的按比例计算。
给出该 DAX 实现为：
代码语言：javascript复制DWI.Benchmark.Value = // DWI 周内日权重基准 按 指标
VAR vDaysInWeek = ALL( Model_Calender[DayInWeek] )
VAR vDWITable =
CALCULATETABLE(
ADDCOLUMNS( vDaysInWeek , "DWI.Value" , [DWI.Value] ) ,
REMOVEFILTERS( Model_Calender ) ,
VALUES( Model_Calender[Year] )
)
RETURN MINX( vDWITable , [DWI.Value] )周内日权重指数字典
通过选择不同的类别，人员，城市，可以得到与之相匹配的周内日权重指数分布。
总结
最终，我们可以得到：
这样，我们就可以选择：
- 年度数据
- 不同筛选维度
得到周内日的权重分布。
