在按类别划分的趋势线图中加入综合参考线
场景
以下是数据模型及关注的部分：
用Power BI显示不同产品类别按时间的销售利润率如下：
度量值
订单累计利润率 % = DIVIDE( SUM( 'tb订单'[利润] ) , SUM( 'tb订单'[销售额] ))
可视化
设置如下：
效果：
问题
问题来了，虽然知道不同类别按照时间的订单累计利润率，但从业务上来看，有没有参考呢？每月的整体利润率呢？可以加入到该图中吗？
很遗憾，Power BI并不直接支持这种想法，那我们需要变相来实现，利用技巧，曲线救国。
想要的效果：
这里有一条汇总线作为整体参考，就像是股票的大盘，如果个股好于大盘，则个股表现良好，否则就是脱了后腿。
实现
既然默认情况下无法满足需要，那就来自行构建需要的效果。
问题抽象
为了在图例中加入汇总，也就是在类别的同一级别增加一个类目叫“汇总”。并实现如下逻辑：
- 如果是普通分类，就按原度量值（利润率）计算；
- 如果是选择汇总，就计算度量值（利润率）的全局表现。
注意，这里并没有提及业务，并把利润率的业务语义放入括号，这种抽象描述便于总结出套路。
第一步：构造新的分类
新的分类应该满足：
- 包括原有分类；
- 增加一个总计项；
- 新的分类应该能用来进行筛选（切片）。
新建一个计算表：
类别带汇总 =
VAR base = VALUES( 'tb产品'[类别] )
VAR base_add_total = UNION( base , ROW( "类别" , "汇总" ) )
RETURN base_add_total
结果：
为了能够进行筛选和切片，与原有分类建立联系：
第二步：构造新的度量值
为了实现逻辑：
- 如果是普通分类，就按原度量值（利润率）计算；
- 如果是选择汇总，就计算度量值（利润率）的全局表现。
建立新的度量值：
订单累计利润率（含汇总） % =
IF(
SELECTEDVALUE( '类别带汇总'[类别] ) = "汇总" ,
CALCULATE( DIVIDE( SUM( 'tb订单'[利润] ) , SUM( 'tb订单'[销售额] ) ) , ALL( 'tb产品' ) ) ,
[订单累计利润率 %]
)
在该度量值中，如果是“汇总”，那就计算全局性的度量值，这里必须注意忽略产品分类表的影响，所以使用ALL来处理。
第三步：构建可视化
有了我们需要的X轴：日期，Y轴：度量值，图例：类别（含汇总）就可以构建出：
优化
优化是对问题解决方案的进一步完善，很多问题是没有完美解决方案的，例如本例中的模型：
这个关系的建立显得特别生硬，而且除了在这里使用这个技巧外，这个辅助表也别无他用，在Power BI / DAX数据模型中应该减少主体模型本身的表，在这里可以不使用关系。
让这个辅助表在模型外部，显得模型更加紧凑。由于没有了关系，可视化无法完成正常的筛选效果，如下：
所有的类别图例线合成在一起，原因请大家自己思考。（提示：新类别失去关系，无法筛选）
可以在度量值中，来构建虚拟关系（高级技巧），修改度量值如下：
订单累计利润率（带汇总） % =
VAR f = TREATAS( VALUES( '类别带汇总'[类别] ) , 'tb产品'[类别] )
RETURN
IF(
SELECTEDVALUE( '类别带汇总'[类别] ) = "汇总" , CALCULATE( DIVIDE( SUM( 'tb订单'[利润] ) , SUM( 'tb订单'[销售额] ) ) , ALL( 'tb产品' ) ) ,
CALCULATE( [订单累计利润率 %] , f )
)
效果如下：
说明：
- 由TREATAS模拟虚拟关系的创建
- CALCULATE( [订单累计利润率 %] , f ) 完成原有的计算
TREATAS是怎么回事
关于 TREATAS 的解释涉及到很多细节，暂不展开。但这个函数的功能正如它的名字一样，如此好记好用。这个窍门就在于记住：TREATAS，意思是TREAT AS，意思是【对待 参数1 作为 参数2】。那么：
TREATAS( VALUES( '类别带汇总'[类别] ) , 'tb产品'[类别] )
就是：对待 '类别带汇总'[类别] 作为 'tb产品'[类别] 来用，结果确实起到了类别的筛选作用。
总结
关于业务面
在很多商业场景中来对比按时间趋势的各类项目的比率，有个整体作为参考是很有价值的。正如：整体是大盘，分项是各股。那么业务线、部门、品牌、种类的贡献度价值就一目了然了。
关于技术面
另外，在Power BI / DAX数据建模中，没有完美的方案，但通常都有可以优化的方案，本例便是用TREATAS来完成此点，该套路还适用于更多场景。如果敢想极端情况，一个N个表的模型，甚至可以不要关系，全用TREATAS来实现虚拟关系。这无疑在提醒我们可以将模型更灵活地进行设计。
