Summary  
This chapter demonstrates how to implement code to create time intelligence measures—year-to-date, same period last year, and year-on-year growth—by leveraging DAX functions to manipulate filter contexts against a dedicated date table.

General domain of usage  
business intelligence

Standard DAX-mål reagerer på hvilke filtre som er aktive — en slicer satt til februar returnerer totalen for februar. Tidsintelligens går lenger: den besvarer spørsmål som krever å gå utenfor det nåværende filteret og automatisk sammenligne med en annen periode.

### Hvorfor tidsintelligens krever en dedikert datotabell
Sales-tabellen inneholder en Order Date-kolonne. Det kan virke logisk å bruke tidsintelligensfunksjoner direkte på denne — men dette fungerer ikke pålitelig, og årsaken er grunnleggende for hvordan tidsintelligensfunksjoner opererer.
- **Sales table — Order Date**:
inneholder kun datoer når ordrer ble lagt inn. Det finnes hull gjennom kalenderen;
- **Dates table — Date**: én rad for hver kalenderdag uten unntak — en komplett, sammenhengende kalender. Ingen hull. Dette er hva tidsintelligensfunksjoner krever.



Tidsintelligensfunksjoner refererer alltid til den dedikerte datotabellen — aldri datokolonnen i faktatabellen.

Merk

### Merk dato-tabellen
Før noen tidsintelligensfunksjoner kan brukes, må dato-tabellen formelt erklæres som modellens offisielle datotabell. Power Pivot validerer kolonnen for hull og duplikater på dette tidspunktet — hvis noen blir funnet, oppstår det en feil som må rettes før du kan fortsette.

1. Åpne **Power Pivot → Behandle** og naviger til `Dates`-tabellen i rutenettvisning;
2. Gå til **Design**-fanen i Power Pivot-båndet;
3. Klikk **Merk som datotabell → Merk som datotabell**;
4. Velg **Date**-kolonnen fra nedtrekksmenyen og klikk **OK**;
5. Hvis ingen feil vises, er tabellen validert og klar — tidsintelligensfunksjoner kan nå referere til den.

Hvis Power Pivot gir en feil under dette steget, sjekk Date-kolonnen for dupliserte datoer eller manglende dager. Begge problemene må rettes i kildedataene før du prøver igjen.

### Tidsintelligensmål
#### 1. YTD — År til dags dato

```
Total Sales YTD := TOTALYTD(SUM(Sales[Total]), Dates[Date])
```

   Når pivottabellen filtreres til en bestemt måned, returnerer Total Sales kun denne måneden. Total Sales YTD utvider filteret til å gjelde fra 1. januar det året til siste dato i konteksten, og akkumulerer alle måneder opp til og med den gjeldende.

#### 2. LY — Samme periode i fjor
```
Total Sales LY := CALCULATE(SUM(Sales[Total]), SAMEPERIODLASTYEAR(Dates[Date]))
```
Når pivottabellen viser februar 2025, returnerer `Total Sales LY` februar 2024. Hvis det ikke finnes data fra forrige år i modellen, returnerer målingen tomt — dette er korrekt oppførsel, ikke en feil.

#### 3. YoY Growth % — År-over-år vekst
```
YoY Growth % := DIVIDE([Total Sales] - [Total Sales LY], [Total Sales LY])
```
Kombinerer de to foregående målingene — begge refereres til ved navn, ikke beregnet på nytt direkte. Hvis enten Total Sales eller Total Sales LY oppdateres, fanger YoY Growth % opp endringen automatisk. Formater denne målingen som prosent i Power Pivot.

Referer alltid til eksisterende mål med navn i sammensatte mål i stedet for å gjenta den underliggende beregningen. Hvis logikken for Total Sales endres, oppdateres YoY Growth % automatisk uten behov for endringer.

## Oppgave
**Steg 1 – Test målene dine i en PivotTabell** 

- Gå til **Sett inn → PivotTabell → Bruk denne arbeidsbokens datamodell → OK**. 
- Legg til `MonthName` (fra Dates-tabellen) i **Rader**-området.
- Legg til `Total Sales`, `Total Sales YTD`, `Total Sales LY` og `YoY Growth %` (alle fra Sales-tabellen) i Verdier-området.

Lær hvordan du kan omgjøre rå Excel-data til en sammenkoblet datamodell med Power Pivot, DAX-mål og et interaktivt dashbord som oppdateres automatisk. Fra en flat tabell bygger du relasjoner mellom flere tabeller, skriver beregnede måleverdier og leverer en profesjonell, gjenbrukbar rapport – alt i Excel.
Egnet for Excel-brukere med grunnleggende erfaring som ønsker å gå videre fra rapportering i flate ark.

En introduksjon til hva datamodellering er, hvorfor det er viktig, og hva du vil bygge gjennom kurset. Du blir kjent med Nordic Bikes-prosjektet og får se det ferdige dashbordet før du skriver en eneste formel.

Før du bygger en modell, må dataene dine ha riktig struktur. Denne delen dekker hvordan du kan dele opp flate data i rene, formålsbygde tabeller med riktige nøkler, konsekvent formatering og tydelig skille mellom fakta og dimensjoner.

Den sentrale tekniske delen av kurset. Du vil aktivere Power Pivot, laste inn tabellene dine i datamodellen, koble dem sammen med relasjoner, og lære hvordan du oppdager og løser problemer som kan ødelegge en modell uten synlige feil.

Lær å skrive beregninger som går langt utover det Excel-formler kan gjøre alene. Fra grunnleggende KPI-mål til tidsintelligensfunksjoner, bygger denne seksjonen det analytiske laget som driver rapporteringen din.

Gjør modellen din om til et ferdig produkt. Du vil bygge pivottabeller som besvarer reelle forretningsspørsmål, konvertere dem til diagrammer, og sette sammen alt i et interaktivt dashbord styrt av delte slicere.

En strukturert gjennomgang av hva som gjør en modell pålitelig, tydelig og klar til overlevering. Seksjonen avsluttes med et avsluttende prosjekt hvor du anvender alle ferdigheter fra kurset fra start til slutt.

Introduksjon til tidsintelligens

Hvorfor tidsintelligens krever en dedikert datotabell

Merk dato-tabellen

Tidsintelligensmål

1. YTD — År til dags dato

2. LY — Samme periode i fjor

3. YoY Growth % — År-over-år vekst

Oppgave