5. Aprēķināmie rādītāji

Katram aprēķināmajam rādītājam ir nosaukums ( unikāls dimensijas ietvaros) un aprēķinu formula ( pārējā apmācības daļa mācīs, kā rakstīt aprēķinu formulas ). Turklāt jūs varat norādīt, kā aprēķinātā rādītāja vērtība ir jāformatē ( piemēram, kā skaitlim , decimāldaļai, datumam vai izmantojot noklusējuma formatējamu ) . Labajā sānu joslā, jūs varat ātri izvēlēties citus rādītājus, dimensijas, operācijas vai funkcijas, lai ievietotu tos aprēķina formulā .

Pēc tam, kad esat definējis aprēķināmā rādītāja formulu, spiediet Atjaunot ( Update) lai saglabātu to, vai Izdzēst ( Delete), lai izdzēstu konkrēto aprēķināto rādītāju, Atcelt (Cancel), lai atceltu izmaiņas. 

 Ja aprēķināmā rādītāja formula būs sastādīta nepareizi, ekrānā parādīsies kļūdas paziņojums.
  Nemēģiniet labot Aprēķināmos rādītājus , kas ir sistēmas vai sākotnējā datu importa definēti - to oriģinālā formulas definīcija tiks atjaunota pie nākamā datu importa.  Ja jums nepieciešams labot jau eksistējoša aprēķināmā rādītāja formulu, tad nokopējiet esošo formulu, izveidojiet jaunu aprēķināmo rādītāju ar citu nosaukumu, iekopējiet jūs interesējoša rādītāja formulu un veiciet labojumus.

Ķersimies klāt pie formulu rakstīšanas!  Sekojošie formulu piemēri tiks veidoti uz Pārdošana kuba (Sales cube) dimensijām un rādītājiem.

Kad rakstīsiet formulas jums būs jāizmanto dimensijas, dimensiju hierarhijas, hierarhiju līmeņi un citi eksistējošu dimensiju rādītāji. MDX vaicājumu valodā visi nosaukumi tiek likti kvadrātiekavās [ ].
Lai atsauktos un izmantotu dimensiju, vienkārši ievietojat formulā tās nosaukumu kvadrātiekavās, piem. Klienti [Customers],Laiks [Time] vai Rādītāji [ Measures ] . Ja dimensijai ir tikai viena hierarhija, ta jūs varat ievietot galveno hierarhiju tieši tāpat kā dimensiju, piem. Klienti [Customers], vai Rādītāji [ Measures ].
Kad jūs importējat Laika ( Time ) dimensiju , tad automātiski tiks izveidota arī Galvenā hierarhija ( ar gadu, ceturkšniem, mēnešiem un dienu līmeņiem), kā arī Nedēļas hierarhija ( ar gadu, nedēļu un  dienu līmeņiem). Līdz ar to Laiks (Time ) definēs laika dimensiju, bet Laiks.Nedēļas ( Time.Weekly) definēs laika diemnsiju Nedēļas ( Weekly ) hierarhiju.
Kad jūs paplašinat un apskatat kādu dimensiju un visus tās hierarhijas rādītājus ( All hierarchy level members ), tad jūs redzēsiet nosaukumus visiem hierarhiju līmeņiem. Jūs varat atsaukties uz kādu konkrētu hierarhijas līmeni rakstot dimensija vai hierarhijas līmenis.līmeņa nosaukums ( dimension or hierarchy name.level name ). Piem. Klienti.Pilsēta   ( Customers.City) atsaucas uz Pilsētu (City) līmeni galvenajai hierarhijai Klienta ( Customer) dimensijā.   
Gadījumā ja izmantosiet Laika ( Time) dimensiju tad attiecīgi tie būs Laiks.Gads (Time.Year ), Laiks.Ceturksnis (Time.Quarter), Laiks.Mēnesis (Time.Month), Laiks.Diena (Time.Day) lai atsauktos uz galveno hierarhijas līmeni un Laiks.Nedēļas.Gads ( Time.Weekly.Year), Laiks.Nedēļas.Nedēļa (Time.Weekly.Week), Laiks.Nedēļas.Diena (Time.Weekly.Day), lai atsauktosuz Nedēļas hierarhijas līmeņiem.
Katrai dimensijai parasti būs arī Visi rādītājs ( All member), kas var tikt izmantoti, lai iegūtu rādītāju summas dimensijā.  Ja Klientu (Customers ) dimensijai ir noklusētais Visi rādītājs ar nosaukumu Visi Klienti ( All Customers), tad Jūs varat atsaukties uz to rakstot Klienti.Visi Klienti( Customers.All Customers). Visi rāditāju ( All member ) ir iespējams pārdēvēt un ir drošāk izmantot  Klienti. Noklusētais rādītājs (Customers.DefaultMember), lai iegūtu to pašu rezultātu.  Laika ( Time) dimensijas gadījumā ir divi noklusētie All rādītāji katrai hierarhijai  - Time.DefaultMember and Time.Weekly.DefaultMember.
Ja vēlaties atsaukties uz augstākā līmeņa dimensiju rādītājiem (top level dimension members), tad izmantojiet dimensijas vai hierarhijas nosaukumu.rādītāja nosaukumu  (dimension or hierarchy name.member name) Piem. Klienti.USA (Customers.USA) atsauksies uz USA rādītāju austākajā līmenī Valsts ( Country) . Lai atsauktos uz detalizēto līmeņu dimensiju rādītājiem * ( detailed level dimension members*) jums ir jānorāda pilns "hierarhijas ceļš " uz šo te rādītāju piem. Klienti.USA.CA (Customers.USA.CA) lai atsauktos uz CA rādītāju Valts reģions (State Province) līmenī zem USA rādītāja. Vai arī piemKlienti.USA.CA.San.Francisko ( Customers.USA.CA.San Francisco) lai atsauktos uz pilsētu utt.
Visiem rādītājiem, kas ir augšējā līmenī rādītāju dimensijai Jūs varat piekļūt šādi :  Measures.Store Sales, Measures.Store Cost utt.

Kad jūs izmantosiet Rādītāji.Pārdošana (Measures.Store Sales), tad StandardBI aprēkinās Pārdošanas lielumu katrai atbilstošās dimensijas rādītāja rindiņai/ kolonnai atskaitē.  Ja jūsu kalkulāciju formulā jūs gribat ignorēt kādas citas dimensijas vērtību, tad jums ir jāizmanto tuples, kas ir dažādu rādītāju kombinācija no dažādam dimensijām. MDX sintakse priekš tuples is  (member_1, member_2, ..., member_n). Piemēram, ja jūs velētos iegūt Pārdošanas (Store Sales) vērtību visiem klientiem tad jūs izmantotu tuple Rādītāji.Pārdošana, Klienti.Noklusētais rādītājs (Measures.Store Sales, Customers.DefaultMember ) .
Tagad ķersimies klāt aprēķināmo rādītāju definēšanai ( Measures.[] ) ar formulu ( un procentu formatējamu)  : Rādītāji. Pārdošana / Rādītāji.Pārdošana, Klienti.Noklusētais rādītājs (Measures.Store Sales / (Measures.Store Sales, Customers.DefaultMember).
Kad atskaitē jūs kombinēsiet  (Measures.[] ) ar piemēram Klienti.USA.CA (Customers.USA.CA), tad jūs iegūsiet Californijas pārdošanas rezultātu no kopējās Pārdošanas procentuāli.
Iespējams jūs nevēlaties redzēt procentu no kopējās pārdošanas bet gan procentu no Klientu hierrhijas augtāka līmeņa pārdošanas rezultātiem (piem. pilsētas pārdošanas rezultātus pret atbilstošā štata pārdošanas rezultātiem). Šajā gadījumā jūs varat izmantot CurrentMember dimensiju vai hierarhiju, lai piekļūtu jūsu izvēlētajam rādītājam izvēlētajā dimensijā, kurš šobrīd tiek rēķināts. Piem. Klienti.CurrentMember ( Customers.CurrentMember ) atgriezīs rezultātā to CurrentMember Klientu hierarhijas rādītāju, kas šobrīd tiek rēķināts. Jeb citiem vārdien  - ja Klientu (Customers) dimensija ir atskaites rindās, tad izmantojot Klienti.CurrentMember ( Customers.CurrentMember) mēs zināsim, kurai rindiņai formula šobrīd tiek rēķināta. 
Ja mums ir tekoša rādītājs (Current member ), tad mēs varam pārvietoties arī uz citiem dimensijas rādītājiem, kas ir saistīti ar šo rādītāju ( Customers.CurrentMember).  Ancestor(Customers.CurrentMember, Customers.Country) pārvietosies uz "vecāku" jeb vienu līmeni augstāku rādītāju Valsts ( Country ) līmenī.
Tātad mēs varam definēt Aprēkināmo rādītāju ( Measures.[]) kā  (Measures.Store Sales / (Measures.Store Sales, Customers.CurrentMember.Parent)

Tā kā jūs tagad protat pārvietoties uz citu dimensiju hierarhijas līmeņiem, tad jūs arī varat pārvietoties uz citas dimensiju rādītājiem tekošajā dimensijā. Parasti to izmanto Laika dimensijā , kad jūs vēlaties salīdzināt rādītājus dažādos laika periodos vai apvienotu laika periodu kopumos.
Piemēram, ja aprēkinātais rādītājs  Rādītāji.Mēneša pieaugums (Measures.Sales monthly growth) ar formulu ( Measures.Store Sales - (Measures.Store Sales, Time.CurrentMember.PrevMember) aprēķinās Rādītāji.Pārdošana ( Measures.Store Sales) pieaugumu salīdzinājumā ar iepriekšejo Laika dimensijas rādītāju periodu. Ja šis aprēķinātais rādītājs tiks kombinēts atskaitē ar Mēnesi ( Month) Laika (Time ) dimensijā tad tiks izvadīts pieaugums salīdzinājumā ar iepriekšējo mēnesi, ja tiks izmantots gads ( Year) , tad pieaugumu salīdzinājumā ar iepriekšējo gadu.
Ir vairākas funkcijas, kuras palīdzēs jums " pārvietoties laikā " .

• Time.CurrentMember.PrevMember atgriež iepriekšējā rādītāja vērtību tajā pašā Hierarhijas līmenī  ( tiks atgriezts tukšs rādītājs pirmajam rādītājam)
• Time.CurrentMember.NextMember atgriezīs nākamo rādītāju.
• Time.CurrentMember.Lag(2) atgriezīs iepriekšejo rādītāju ar "attālumu"  2 ( var izmantot jebkuru skaitli,  Lag(1) būs tas pats kā PrevMember)
• Time.CurrentMember.Lead(2) atgriezīs nākamā rādītāju ar " attālumu " 2, ( Lead(1) is tas pats, kas NextMember)
• ParallelPeriod(Time.Year, 1, Time.CurrentMember) atgriezīs "paralēlā"  Laika ( Time ) rādītāju vienu gadu atpakaļ ( one year ago)  (piem. dienas līmeņa rādītājam Jan 01 2012   tas būs  Jan 01 2011, bet mēnešu līmenī rādītājam Jan 2012  tas būs Jan 2011)
• OpeningPeriod(Time.Day, Time.CurrentMember) rezultātā atgriezīs pirmo eksistējošo rādītāju tekošajam Laika ( Time ) rādītājam  līmenī  Dienas ( Day ) ( pirmo gada dienu , ceturksni vai   mēnesi), kas ir definēts Laika ( Time ) dimensijā.
• ClosingPeriod(Time.Day, Time.CurrentMember) rezultātā atgriezīs pēdējo eksistējošo rādītāju tekošajam Laika ( Time ) rādītājam  līmenī  Dienas ( Day ) ( pēdējo gada dienu , ceturksni vai mēnesi), kas ir definēts Laika ( Time ) dimensijā.
  Dažrez jums var būt nepieciešams pārbaudīt, kā strādā Jūsu definētā " Pārvietošanās laikā " pirms Jūs to izmantojat tālākajās kalkulācijās. Tad jūs varat izmantot  .Name rādītāja iezīmi ( member property ), lai iegūtu rādītāja nosaukumu kā kalkulāciju formulas rezultātu.  Piemēram definējiet Aprēkināmo lielumu  Measures.test opening day with formulaOpeningPeriod(Time.Day, Time.CurrentMember).Name  un izmantojiet to atskaitē kopā ar Laika ( Time) dimensijas rādītājiem, tad jūs varēsies uzskatāmi salīdzināt, vai jūs iegūstat vēlamo rezultātu laika dimensijas dažādu līmeņu rādītājiem.

Tagad jūs zināt, kā pārvietoties uz atsevišķiem rādītājiem kādā no dimensijām, taču bieži vien ir vajadzība veikt darbības ar kādu dimensiju rādītāju kopu (set of dimension members). Piemēram, atrast summu (Sum) vai vidējo rādītāju vērtību (Average) kādas noteiktas dimensijas rādītāju kopas ietvaros.  

Vienkāršākais veids kā izmantot kopas kalkulāciju formulās ir izmantojot figūriekavas { } ( curly braces),

Piemēram:

{Customers.USA.CA, Customers.USA.OR, Customers.USA.WA}   –  Kopa : gan Oregona, gan Vašingtona

{Time.2011, Time.2012}  – Kopa : gan 2011 gads, gan 2012 gads

Ja Jūs vēlēties izveidot paši savu kopu ar secīgiem dimensiju līmeņa rādītājiem, tad jūs varat norādot pirmo un pēdējo rādītāju, jūs varat izmantot kolu ":" starp tiem, tādā veidā norādot kopu " no"  -  "līdz". Piemēram, šādi var definēt kopu no Jan 01 2012 to līdz Jan 15 2012 :

Time.2012.Q1 2012.Jan 2012.Jan 01 2012:Time.2012.Q1 2012.Jan 2012.Jan 15 2012

Diezgan bieži jūs nevēlēsieties norādīt kādus īpašu kopu, bet vēlēsieties atlasīt visus dimensijas hierarhiju līmeņu rādītājus. Jūs varat to izdarīt  izmantojot Members metodi, piemēram, lai iegūtu visus laika ( Time) dimensijas mēnešus : Time.Month.Members

Kad būs nepieciešams pārbaudīt, tieši kuri rādītāji tiks atgriezti, kā rezultāts kādai jūsu definētais kopai, lai pārbaudītu formulu pareizību tad varat izmantot SetToStr  funkciju , lai izveidotu tekstu ar iekļauto rādītāju pilnajiem nosaukumiem.

Piemēram, lai definētu aprēķināmo lielumu  Measures.test all months ar formulas SetToStr(Time.Month.Members) palīdzību iegūsiet sarakstu ar visiem mēnešiem.

Ir vēl vairākas noderīgas funkcijas, kuras varat izmantot strādājot ar kopām, lūk taži piemēri ar tām un to pielietojumu :  

Customers.USA.CA.Children  - atgriezīs vienu līmeni zemākā līmeņa ( .Children ) rādītājus izmantojot dimensiju hierarhiju (šajā gadījumā tās būs visas Kalifornijas pilsētas)

Descendants(Customers.USA, Customers.City)  - atgriezīs kopu ar eksistējošajiem rādītājiem noteiktajā ( .City) hierarhijas līmenī  ( šajā gadījumā visas USA pilsētas )

Customers.USA.CA.San Francisco.Siblings  - argriezīs tos "radniecīgos" rādītājus, kuriem ir tāda pati  jeb  līmeni augstāka rādītāja vērtība, kā norādītajam ( .Sanfrancisco) . Šajā gadījumā funkcija atgriezīs visas pilsētas Kalifornijā.  

Lieši tāpat arī funkcija  Customers.USA.CA.San Francisco.Parent.Children

Ir vēl papildus metodes, kuras jūs varat izmantot lai iegūtu tikai pirmās vai pēdējās šo kopu rādītāju vērtības  - .FirstChild, .LastChild, .FirstSibling, .LastSibling.

Ir pieejamas vairākas noderīgas kopu atlases metode, ko var izmantot Laika periodu kopām

• PeriodsToDate(Time.Year, Time.CurrentMember) returns all periods from beginning of current member in specified level (in this example from beginning of current year) until specified member.
• YTD(Time.CurrentMember) is shorter version of the same function (abbreviation from Year-to-date)
• QTD(Time.CurrentMember) returns quarter-to-date set of members
• MTD(Time.CurrentMember) returns month-to-date set of members
• WTD(Time.CurrentMember) returns week-to-date set of membersIf you have just time dimension in your cube then you can use even shorter expressions YTD(), QTD(), MTD() and WTD() as by default they will receive as argument current member of time dimension Time.CurrentMember. But sometimes you need to pass different argument to these functions. For example, if you would like to compare current year-to-date aggregates with year-to-date aggregates year ago you can use the following expression to get year-to-date set for corresponding Time dimension member a year ago:YTD(ParallelPeriod(Time.Year, 1, Time.CurrentMember))
  And if you like shorter expression you can omit current member argument here as well YTD(ParallelPeriod(Time.Year, 1)). Most of time related functions will use Time.CurrentMember as default member argument.
  If you want to get number of last periods from Time dimension then you can use LastPeriods function. For exampleLastPeriods(3, Time.CurrentMember)
  will return set with current Time member and two previous members. If you would like to get current and next two Time periods then use negative value -3 instead of 3. \\\\\\\\\\\\\\\\\\\\\\\\\\

There are several operations that you can perform on sets:

• {set1, set2, ..., setn} returns union of two or more sets
• Except(set1, set2) returns set1 members but removes any member that is in set2
• Head(set, number) returns set with first number of members from original set (if number is not specified then set from the first set member is returned)
• Tail(set, number) returns last number of members from set
• set.Item(position) returns one member from set with specified position (starting from zero). So if you would like to get first member of set you can use expression Head(set).Item(0)Quite frequently you would like to filter set members using some condition. You can do this with Filter(set, condition). For example in this way you can filter all cities with sales larger than 1000:Filter(Customers.City.Members, Measures.Store Sales > 1000)
  Within condition expression [Customers].CurrentMember references current set member for which condition is evaluated. For example, this will return all cities which name starts with San (using MATCHES operator with regular expression)Filter(Customers.City.Members, Customers.CurrentMember.Name MATCHES 'San .*')
  Other typical function that is used in conditions is IsEmpty. This expression will return all cities which have non-empty sales amount:Filter(Customers.City.Members, NOT IsEmpty(Measures.Store Sales))
  Previously simple set to string function SetToStr was mentioned that is useful for expression testing purposes. But if you would like to format set results in customized way then you can use Generate(set, string_expression, separator_string). For example the following expression will return city names concatenated using comma where there is no sales amount recorded:Generate(
  Filter(Customers.City.Members, IsEmpty(Measures.Store Sales)),
  Customers.CurrentMember.Name, ', ') \\\\\\\\\\\\\\\\\\\\\\\\\\

Now that you know how to select different sets of dimension members you can calculate different aggregated values from these sets:

• Sum(set, numeric_expression) calculates numeric_expression for each set member and returns sum of all these results. For example, Sum(LastPeriods(3). Measures.Store Sales) will calculate total sales for last three Time periods starting from current Time dimension member.
• Count(set) returns count of set members. Count(set, ExcludeEmpty) will return count of set members for which corresponding measure values are not empty.
• Avg(set, numeric_expression) calculates average of numeric_expression in set
• Max(set, numeric_expression) returns maximum value of numeric_expression in set
• Min(set, numeric_expression) returns minimum value of numeric_expression in set \\\\\\\\\\\\\\

Jūs varat rakstīt dažadas formulas ismantojot nosacījumus un izvadīt dažadus rezultātus balstoties atblstību nosacījumiem  izmantojot IIF ( Ja ) un CASE ( Gadījumā ja) funkcijas. Priekš vienkāršiem IF/THEN /ELSE tipa nosacījumiem izmantojiet IIF(noacījums, ja_nosacījums_pateiss, ja_nosacījums_nepatiess)  , (    IIF(condition, if_true_expression, if_false_expression) . Taču ņemiet vērā ka "IIF" satur divus "I" burtus, nevis kāierats IF !  Piemēram  IIF(Measures.Profit > 0, 'Profit', 'Loss') t.i ja Measures.Profit būs lielāks par nulli tad rezultāts būs " Profit", ja vērtība neatbildīs nosacījumam un būs mazāka par 0, ta rezultāts būs " Loss" .

Ja ir vairāki nosacījumi tad ir vieglāk izmantot CASE funkciju , piemēram šadā gadījumā :
CASE
WHEN Measures.Profit > 1000        – Kad peļņa ir lielāka par 1000
THEN 'Big profit'                               -- tad peļņa ir " Liela Peļņa "
WHEN Measures.Profit > 0              – kad peļņa ir lielāka par 0
THEN 'Small profit'                           --tad rezultāts "Maza peļņa"
ELSE 'Loss'                                      – citādi rezultāts  " Zaudējumi" ( darbosies visām vērtībām kas ir mazākas vai vienādas ar 0 )
END

Ja visi nosacījumi ir salīdzinājums vienam un tam pašam nosacījumam, kas attiecas uz dažāda tipa vērtībām, tad var izmantot cita tipa CASE funkcijas fomu .

CASE Time.CurrentMember.Level.Name                     – Ja Laika dimensijas tekošā rādītāja līmenī Nosaukums
WHEN 'Month'                                                              – atbilst " Mēnesis"
THEN Sum(LastPeriods(3), Measures.Store Sales)    –  tad summēt pēdējos trīs periodu ( 3 mēnešus) pārdošanas rezultātus
WHEN 'Day'                                                                  – Ja atbilst  " Diena "
THEN Sum(LastPeriods(90), Measures.Store Sales)  – Tad summēt pēdējās 90 dienu ( kas arī ir 3 mēneši) pārdošanas rezultātus
END

Lietojot IIF un CASE nosacījumus var izmantot standarta salīdzinājuma zīmes (=, <, <=, <>, >, >=) kā arī AND, OR and NOT  ( UN, VAI un NAV) operatorus, kā arī vēl dažus papildus specifiskos operatorus :

• IS  - atgriezīs rezultātā to, vai divi objekti ir vienādi, piemēram, Customers.CurrentMember IS Customers.DefaultMember ( kas būs patiesi, ja Customers tekošais rādītājs ( Current member)  ir noklusētais  All Customers ( Visi Klienti)  rādītājs.
• IN un  NOT IN  operatori atgriezīs rezultātā vai rādītājs ir iekļauts kādā noteiktā rādītāju kopā, Piemēram Customers.CurrentMember IN Customers.USA.CA.Children , šajā gadījumā vai Klienti tekošais rādītājs ( Current member )  ir no Kanādas klientiem.

Dimensiju rādītājiem katram ir vairākas noklusētās īpašības/ iezīmes ( kā piemēram Nosaukums (Name) kā arī tiem varbūt piešķirtas citas nestandarta īpašibas/ iezīmes )  Standard-BI sākuma imports no (piemēram no Basecamp, Highrise vai JIRA) importē arī papildus dimensijas raksturojošos laukus no datu sākotnējās sistēmas. 

MDX ir standarta funkcija Properties (Iezīmes ) MDX valodā, lai piekļūtu rādītāju iezīmēm, bet Standard-BI piedāvā uzlabotu funkciju getProperty ( kura atgriezīs tukšu rezultātu izņēmuma gadījumā, kad iezīme (Property) neeskistē tekošajam dimensijas līmenim.
Piemēram, Highrise imports pievieno iezīmi Izveidošanas datums (Created date) visiem importētajiem ierakstiem ( Deals). Sekojoša funkcija atgriež Izveidošanas datumu (Created date) iezīmes vērtību Ierakstu (Deals) dimensijas tekošjam rādītājam : Current memberDeals.CurrentMember.getProperty('Created date')

Dažreiz Jums var būt nepieciešams konvertēt teksta tipa lauku ( String) uz veselo skaitļu tipa ( Integer), decimāldaļas (Decimal) vai datuma (Date ) tipa lauku (piemēram, lai pārvērstu Highrise nestandarta lauka teksta vērtību uz atbilstoša veida vērtību, lai to varētu izmantot tālākajos aprēkinos). Ir pieejamas vairākas funkcijas, kas veic šādu datu tipi konvertāciju: 

• CInt(value)  -  atgriež vērtību,kas ir konvertēta uz veseliem skaitļiem ( Integer )
• CDbl(value)  -  atgriež returns vērtību, kas pārvēsta  " double floating number" tipā ( vajadzētu izmantot , ja rezultāts nepieciešams decimāldaļās ( decimal) )
• Standard-BI  ir definētas papildus funkcija  DateParse(value) (DateParse( vērtība) ), kura mēģinās konvertēt lauka vērtību par datuma tipa lauku izmantojot dažada tipa datumu fromātus  (piemēram  gan 2012-01-31, gan Jan 31 2012 tiks abi konvertēti uz pareizo datumu) .  Eksitē arī MDX standarta funkcija CDate bet tā atbalsta mazāku skaitu datuma formātus.

Ir iespējams rakstīt komentārus kalkulāciju formulās. Izmantojiet komentārus, lai aprakstītu, paskaidrotu kādas ne uzreiz izprotamas kalkulāciju formulas vai testējot, rakstot jaunas formulas  -  kad kāda formula nestrādā, kā paredzēts, varat "izkomentēt"  dālu no formulas ārā un tad pārbaudīt tās pareizību, bet pēc tam atkal iekļaut formulā, ja nepieciešams.  

-- vienas rindiņas komentārs
expression –  komentārs līdz rindiņas beigām
/* vairākas rindiņas garš komentārs
*/