欢迎关注
【BI佐罗数据分析】
，今日精华包括：视频案例，技巧干货，企业案例。
在现代企业中，员工管理和数据分析变得愈发重要，Power BI 能够帮助企业有效管理和监控员工数据。通过 Power BI，企业可以轻松计算和展示员工的在职人数和总人数，进而为决策提供支持。
今天，我们将一起探讨如何在 Power BI 中计算员工在职人数、离职人数和新入职人数等，帮助您更高效地进行员工数据分析。
我们有两个表，一个是员工表，包含员工 ID、年龄、入职日期、离职日期和部分五个字段。
还有一个日期表，包含年、月、日相关字段。
在建立关系之前，我们先来思考一下在职人数、离职人数和新入职人数这三个指标如何计算。
-
入职日期小于等于当前最大日期
-
指定日期范围离职员工需要满足的条件为：离职日期字段不为空且离职日期在指定日期时间范围内。
指定日期范围新入职员工需要满足的条件为：入职日期在指定的时间范围内。
综上，我们在建立模型关系时最好不要激活关系（使此关系可用），这样我们在需要激活关系的时候使用 USERELATIONSHIP 函数就可以了。
在两个表之间建立两个非激活关系，一个是日期表的日期列跟员工表的入职日期。
另一个是日期表的日期列跟员工表的离职日期。
建立完关系之后，我们来创建三个指标的度量值。
根据我们之前说的在职人数应该满足的条件，在职人数的表达式应为：
在职人数 = CALCULATE ( COUNT( '员工'[员工 ID] ), FILTER ( '员工', AND ( '员工'[入职日期] <= MAX ( '日期表'[Date] ), OR ( '员工'[离职日期] = BLANK (), '员工'[离职日期] > MAX ( '日期表'[Date] ) ) ) ))
离职人数的表达式应为：
离职人数 = CALCULATE ( COUNT( '员工'[员工 ID] ), USERELATIONSHIP ( '员工'[离职日期], '日期表'[Date] ), '员工'[离职日期] <> BLANK ())
新入职人数的表达式应为：
新入职人数 =CALCULATE ( COUNT ( '员工'[员工 ID] ), USERELATIONSHIP ( '员工'[入职日期], '日期表'[Date] ))
我们新建一个表，将这三个字段添加到上面看一下效果。
因为没有进行日期筛选，所以离职人数和新入职人数是整个阶段的累计数据，而在职人数则是最新的数据。
新建一个切片器，添加年份字段。
对年份进行筛选，查看每年的在职人数、离职人数和新入职人数。
添加离职率。
离职率 = DIVIDE( [离职人数] , [在职人数] + [离职人数] )
离职率计算可能各不相同，有的是用离职人数除以在职人数，有的是用离职人数除以总人数（在职人数 + 离职人数）。
将离职率添加到表上。
在 Power BI 中，使用 DAX 函数可以轻松计算员工的在职人数、总人数，并进行多维度的分析。这些数据分析结果将为人力资源管理、员工流动分析等提供重要支持，帮助企业做出更加精准的决策。
通过本文介绍的方法，您不仅可以快速计算员工的在职情况，还可以进一步通过其他的 DAX 函数进行员工数据的深度分析。如果您正在使用 Power BI 进行员工数据分析，赶快试试这些计算方法吧！
企业级大型案例：
制造业数字化案例
解决方案：
某全球领先的制造业企业为更高效地掌握销售利润的构成及动态变化，我们为其搭建了一套树形结构的销售利润分析 Dashboard。
该工具通过收入和成本的多维度拆解，帮助企业管理层全面了解收入来源、成本
分布及各项关键指标的变动情况，从而支持精细化的运营决策。
这种结构化的分析方式，不仅提升了企业管理层对盈利构成的洞察力，也为成本优化和资源分配提供了重要参考依据。
此外，Dashboard 还具备强大的历史数据对比功能，通过与往期数据的差异分析，企业可以快速定位收入或成本波动的根本原因，并评估改善措施的效果。
与此同时，这一工具帮助企业从宏观层面掌控整体销售盈利情况的动态变化，也支持中层及基层团队深入挖掘具体问题，制定有针对性的优化策略。
总体而言，这套销售利润分析Dashboard使企业在利润管理方面更加透明、高效，并为未来的战略规划奠定了坚实基础。借助这一工具，企业不仅能够及时识别风险、调整策略，还能在日益激烈的市场竞争中保持盈利能力和可持续发展优势。
（以上数据已严重脱敏，且图片不清晰，仅供参考思路）
如果您也在寻找类似的解决方案，欢迎扫描文末二维码联系我们，共同探索适合您企业的数字化运营策略！
对企业数据分析有问题？点击下方预约直播，还可现场连麦咨询哦。
如果你对本文的 Power BI 源文件感兴趣可以私信老师了解领取方式。
