10 Nyttige Data Analysis Expressions (DAX) Funksjoner For Power BI Nybegynnere

Introduksjon

vi har jobbet med mange dra-og-slipp verktøy i vår business intelligence (BI) reise. Men ingen har kommet i nærheten av å matche Den Sveitsiske hærkniven til Microsofts Power BI. Det forenkler virkelig oppgaven med å knase tall, analysere data og visualisere mønstre.

Det er et av de beste dra-og-slipp-verktøyene i bransjen. Du velger et felt du vil analysere, slippe Det inn I Power BI dashbordet,og voila! Innsikt er rett foran deg.

men hva om vi ønsker å dykke dypere inn i vår analyse? Hva skal vi gjøre hvis vi vil tilpasse bestemte variabler eller generere nye? Bare å gjøre en rask dra og slipp vil ikke løse vårt problem. Det er her Kraften I Data Analysis Expressions (DAX) i Power BI kommer inn i bildet.

Dette er et praktisk verktøy å lære for alle datavitenskapsprofessorer, ikke bare en aspirerende business intelligence-en. Det sparer oss massevis av tid vi ellers ville bruke på å kaste ut koden.

i denne artikkelen vil vi først forstå HVA BI er og den typiske rollen SOM EN BI-profesjonell. Vi vil da introdusere Deg til det kraftige Microsoft Power BI-verktøyet og deretter dykke dypt inn i ti virkelig nyttige data analysis expressions (DAX) funksjoner vi kan bruke I Power BI.

Innholdsfortegnelse

• Introduksjon Til Business Intelligence (BI)
• Rollen Til En Business Intelligence-Profesjonell
• Hva Er Power BI?
• Data Analytics Expressions (DAX): Hva er De og hvorfor trengs de?
• Implementering AV Dax-Funksjoner I Power BI

Introduksjon Til Business Intelligence (BI)

Business Intelligence har et bredt omfang, men vi kan definere Det som prosessen med å spore og gjennomgå forretningsberegninger.

La oss ta et eksempel for å forstå dette.

Tenk på at vi driver et rederi som leverer produkter til våre kunder i ulike deler av landet. Som med enhver bedrift, ønsker vi å forbedre vår kundeopplevelse. Det er flere beregninger vi kan måle for å måle kundetilfredshet, inkludert:

• prisen som produktet ble levert til dem
• Om produktet ble skadet eller ikke
• var det riktige produktet levert? osv.

disse dataene behandles og vises i form av klare rapporter som gjør det enklere å hente innsikten hjem. Så, hvis diagrammet for leveringshastigheten viser en lavere vurdering enn forventet, kan vi prøve å finne grunnårsaken og forbedre leveringshastigheten.

Rollen Som En Business Intelligence Professional

Nå, Hva gjør en business intelligence professional? Jeg er sikker på at dette må ha krysset tankene dine mens du går gjennom scenariet ovenfor. Nedenfor er noen vanlige oppgaver en typisk BI person gjør:

• Skriv (SQL) – spørringer eller koblinger for å hente data fra relasjons – /NoSQL-databaser
• Skriv (SQL) – spørringer for å behandle data og beregne forretningsberegningene
• Designkode for å lage diagrammer med interaktive widgets for å visualisere forretningsberegningene
• Opprett dashbord fra diagrammene og distribuer dem til bruk av sluttbrukeren

ferdighetene som kreves for å bli bi-profesjonell varierer fra prosjekt til prosjekt. Men i stor grad må du ha solid kunnskap om ET BI-verktøy, som Tableau, PowerBI, Qlik, sammen med litt erfaring i et programmeringsspråk som Python, R eller SQL. Kunnskap om domenet og strukturert tenkning er også ettertraktet.

Power BI Er et AV DE mest populære OG kraftige bi-verktøyene der ute. Det vil være vårt fokus i denne artikkelen. Før vi kommer dit, her er en flott illustrasjon av en typisk business intelligence arkitektur:

Hva Er Power BI?

Power BI Er et populært og utrolig kraftig business intelligence-verktøy utviklet Av Microsoft. Den har forskjellige smaker og tilbud. Den mest grunnleggende versjonen er gratis, men den har evnen til å utføre mellomstore business intelligence øvelser enkelt.

Power BI Er en skybasert løsning for forretningsanalyse som gir de nødvendige verktøyene for å gjøre store datamengder på tvers av siloer til tilgjengelig informasjon. Det har vært konsekvent rangert i Gartner BI Magic Quadrant.

Power BI er populær for sin allsidighet, interaktivitet, estetiske design, omfattende tilkobling til databaser og enkel å lage dashbord med lav innsats. Den utnytter også støtte fra andre verktøy Fra Sitt Microsoft-økosystem-Azure, Cortana – SQL Server, Azure Active Directory, Azure Blob Storage, etc.

Her er et par kule Ting Power BI kan gjøre:

• Sanntidsvarsler og visualisering for å overvåke helsen til produksjonsutstyr. Dette gjøres ved å sende iot-sensordata gjennom Iot Azure Hub, Azure Data Factory, Cognos DB og deretter analysert I Power BI
• Opprette og hente diagrammer Og Power BI-rapporter og instrumentbord ved å gi taleinstruksjoner ved Hjelp Av Windows voice assistant Cortana

Dataanalyseuttrykk (Dax): Hva er de og hvorfor trengs De?

vi kan lese data til Power BI fra CSV-filer eller fra en database. Vi kan også slå sammen tabeller I Power BI. Ofte er dataene som kreves for plotting lett tilgjengelig i tabellkolonner (selv om det ikke alltid er tilfelle).

Vurder en situasjon der vi må endre eller endre dataene for å forbedre instrumentbordene våre. Anta at de tilpassede modifikasjonene vi trenger ikke er lett tilgjengelige I Power BI. Hva gjør vi da? Hvordan kan vi utføre denne typen modifikasjon og dataanalyse?

svaret ER DAX (Kort For Data Analysis Expressions). DAX brukes til å bringe noen meningsfull informasjon skjult inne rådata. I enkle ord brukes DAX til datamanipulering.

det er visse regler vi må følge for å bruke DAX. Du vil forstå disse reglene raskt hvis Du er kjent Med Excel-funksjoner. DAX er bare en avansert form for det.

det er to steder hvor VI skriver DAX:

• Beregnet Kolonne
• Beregnet Mål

La oss se hva begge disse står for:

• Beregnede kolonner er svært lik vanlige kolonner som vi ser i de fleste datasett. Forskjellen er at beregnede kolonner er resultatet av våre beregninger ved å bruke to eller flere kolonner eller bruke kolonner fra forskjellige tabeller. De kan brukes når vi vil utføre radvise beregninger
• Beregnet Mål, derimot, ligner en beregnet kolonne. Imidlertid opptar de ikke noe fysisk minne, og deres resultater kan ikke ses i form av en kolonne. Vi bruker vanligvis dette når vi vil utføre dynamiske beregninger på en gruppe rader eller ved å gruppere data sammen

Implementering AV Dax-Funksjoner I Power BI

vi vil jobbe med noen få nyttige dax-kommandoer og deres funksjoner i Denne delen. Vi skal bruke ‘Sample Super Store’ datasett. Du kan laste ned datasettet her og begynne å eksperimentere på egen hånd også!

datasettet inneholder tre tabeller – ‘Ordrer’, ‘Returnerer’ og ‘Brukere’. Gå videre og laste Prøven Super datasett Excel-fil I Power BI.

Åpne Power BI og se etter «Hent data» i «Hjem» – fanen. Velg Excel, og bla deretter til datasettfilen som finnes i den lokale maskinen. Last hele filen inn I BI-vinduet ditt.

nå, la oss komme i gang!

OPPSLAG ()

OPPSLAG-funksjonen er ganske lik Finn. Rad I Microsoft Excel.

den tredje tabellen i vårt datasett inneholder detaljene for alle ledere per region. Nå er her HVOR OPPSLAG kommer i hånden. Vi kan utføre et oppslag for ‘Manager’ – kolonnen i ‘brukere’ – tabellen mot den tilsvarende ‘Region’ – kolonnen i’ ordrer ‘ – tabellen.

så hvordan utfører Vi et oppslag I Power BI? Det er to ting vi må huske:

1. Vi trenger en felles kolonne for å utføre et oppslag
2. Vi trenger også unike verdier i minst en av de matchende kolonnene som er valgt fra to forskjellige tabeller. Den grunnleggende syntaks for oppslag er:

LOOKUPVALUE(Result Column Name, Search Column Name, Search Column value)

Setter denne syntaksen ved hjelp av våre datasettvariabler:

Manager = LOOKUPVALUE(Users,Users,Orders)

FILTER () & BEREGN ()

DAX som vises nedenfor, ligner på gruppe etter funksjon. Den samler dynamisk en kolonne basert på filteret. Dette er nyttig når vi oppretter en tabell I Power BI-instrumentbord og trenger å filtrere bare en kolonne (mens den gjenværende kolonnen forblir upåvirket av filteret).

Denne DAX kommer til nytte der hver kolonne som brukes i tabellen, kan ha sitt eget filter. La oss ta et eksempel for å forstå hvordan dette fungerer.

vi ønsker å beregne summen av salg etter region. Så først deler filterfunksjonen regionskolonnen i nord, sør, øst og vest. Deretter beregner den summen av salget i henhold til segregeringen. Vi bruker et mål her siden en bestemt region kan ha et hvilket som helst antall rader involvert i den.

Her erklærer vi en variabel reg som fungerer som en nøkkel for filteret. Vi kan deklarere en variabel ved hjelp av søkeordet VAR. RETURSØKEORDET gir oss resultatet av beregningen (sum av salg, i vårt eksempel). Resultatet vi får fra den beregnede DAX er:

Nestet HVIS Betingelse

Vurder ordretabellen i datasettet vårt. Kolonnen ‘Bestillingsprioritet’ har fem verdier under den. La oss anta at vi trenger noen heltallverdier i stedet for de opprinnelige verdiene som er tilstede i kolonnen. Den Nestede hvis setningen er vår venn her:

Nested IF = IF(Orders ="Critical", 5, IF(Orders ="High", 4, IF(Orders = "Medium", 3, IF(Orders = "Low", 2, IF(Orders = "Not Specified", 1)))))

Betinget Formatering

Betinget formatering er En Av De mest brukte funksjonene I Microsoft Excel. Og Vi kan utnytte Det i Power BI også!

Betinget formatering, for de som ikke har brukt Den før, er muligheten til å endre skriftfargen til en kolonne basert på en betingelse fra en annen kolonne. Dette kan gjøres ved å opprette en ny kolonne i henhold til vår tilstand og deretter bruke den kolonnen til å sette regler i kategorien betinget formatering.

La oss prøve dette med et eksempel fra Vårt Utvalg Superstore datasett.

vi vil endre fargen på verdiene som vises i kolonnen ‘ordretabell’ i ordretabellen. For eksempel bør Alle ‘Kritiske’ verdier være i rød farge, alle ‘Høye’ verdier skal være i grønn farge, etc.

Vi kan bruke Nestet HVIS kolonne vi opprettet ovenfor siden betingelsene allerede er angitt. Angi regler i kategorien betinget formatering – hvis verdien av kolonnen som er opprettet ovenfor, er 1, skal skriftfargen være rød Hvis verdien er 2, da skal den oransje og så videre.

her er et bilde som viser Hvordan Du kan gjøre Det I Power BI:

Splitting En Streng Basert På Skilletegn

En annen vanlig Excel-funksjon vi kan bruke I Power BI:

customer_split_1 = PATHITEM(SUBSTITUTE(Orders," ","|"),1)

PATHITEM-funksjonen ovenfor returnerer den resulterende strengen. SUBSTITUTE-funksjonen erstatter skilletegnet som er angitt med et bestemt tegn, og henter det tilsvarende ordet basert på verdien som er nevnt.

la Oss for eksempel utføre en deling i Feltet Kundenavn. Her vil «»plassen være avgrenseren og vi har erstattet den med en rørledning»|». Vi trenger bare fornavnet til en kunde, så vi har spesifisert 1. Du kan endre denne verdien og se hvilke resultater du får.

la Oss nå utføre tre delinger som dette og navngi dem som henholdsvis customer_split_1, customer_split_2, customer_split_3.

Henter Et Bestemt Brev Fra Et Ord

Hva om vi bare ønsket å trekke ut et bestemt brev fra et ord? Det høres vanskelig ut, Men Det er faktisk ganske enkelt I Power BI:

customer_initial_1 = LEFT(Orders,1)

Vi gjorde det i bare en linje med kode!

La oss si at en bestemt kundes navn er «Helen Stein» og splittelsen er delt inn i to deler. Vi bruker ovennevnte DAX for å få første bokstav fra det første splitteordet (Helen). FUNKSJONEN VENSTRE returnerer antall tegn ved å plassere til starten av strengen. Hvis vi gir 2 i stedet for 1, vil OVENNEVNTE DAX returnere «Han» i stedet For «H».

Sammenkobling Av Strenger

vi befinner oss ofte i situasjoner der vi må kombinere to ord sammen. For å se hvordan Dette fungerer I Power BI, la oss anta at vi har flere initialer i dataene våre.

vi må bare angi kundens initialer i visualiseringen i stedet for hele navnet. Dette vil bidra til å holde bordet pent og kompakt:

customer_initials = CONCATENATE(Orders,CONCATENATE(Orders,Orders))

sammenkoblingsfunksjonen knytter sammen strenger. Her har vi utført en sammenkobling av tre kolonner:

UKEDAG ()

UKEDAG-funksjonen returnerer et heltall som gir oss gjeldende dag. La oss finne ut dagen da noen bestillinger ble sendt:

weekday = WEEKDAY(Orders,2)

heltallet som vises ovenfor angir startdagen:

• 1 – Start fra søndag = 1 og slutter på lørdag = 7
• 2 – Start fra mandag = 1 og slutter på søndag = 7
• 3 – Start fra mandag = 0 og slutter på søndag = 6

DATO Delt Opp

det er tider når vi må un-pivot datoen for visse prosjekter. Her er de gode nyhetene-vi kan gjøre dette ved hjelp AV DAX og spørringseditoren I Power BI.

nå har Vi to kolonner-bestillingsdato og fraktdato. Vi ønsker å fjerne datoene som ligger mellom de to intervaller. La oss ta bestillingsdatoen som 01-01-2015 og fraktdatoen som 03-01-2015. Siden det er en 3-dagers forskjell mellom dem, vil denne raden bli oppført tre ganger.

Vi kan gjøre dette gjennom spørringseditoren I Power BI. Velg Alternativet Egendefinert Kolonne i Kategorien Legg Til Kolonne. Vinduet nedenfor dukker opp, og vi kan legge til et kolonnenavn og bruke dax-spørringen:

Deretter finner DU DATOKOLONNEN i datasettet vårt. Klikk på den lille boksen i KOLONNEOVERSKRIFTEN OG velg Alternativet Utvid til nye rader:

Legg Merke til hvordan verdiene vises i form av hele tall? Nå, høyreklikk på kolonnen og endre datatypen til’ Dato ‘ format:

Komplekse Aggregeringer Basert PÅ DATO

Arbeide med datodata er ganske komplisert utfordring. Det er mye mer til det enn bare å splitte opp de forskjellige dager, måneder, etc.

i denne delen vil vi jobbe med et eksempel på kompleks aggregering basert på datoer. For eksempel, hva er det totale antall timer oppført for de neste 2 ukene eller de siste 2 ukene?

vi bytter datasett for denne delen. Du kan laste ned det nye datasettet, Kalt ‘Weekcal’, Fra Forecast. Dette datasettet er modellert på team tid-tildeling og et planleggingsverktøy kalt Float. Float hjelper oss med å tildele oppgaver og beregne estimerte timer for teammedlemmer.

det er en advarsel i Float vi bør være klar over. En uke starter alltid fra mandag I Float-verktøyet. Hvis du for eksempel vil beregne de tildelte timene for neste uke fra torsdag, finner du timer tildelt fra den siste mandag til fredag og ikke fra denne torsdag til neste torsdag.

nå inneholder datasettet funksjonene nedenfor:

• Startdag-Startdag for oppgaven
• Sluttdato-Sluttdag for oppgaven
• Timer / dag – antall timer brukt på oppgaven per dag
• Aktivitetsnavn – navn på oppgaven

la oss anta at vi er interessert i å finne antall timer som er tildelt for neste uke. Vi kan gjøre dette ved hjelp av logikken nedenfor:

FORECAST_1 WEEK = if (Forecast1>=TODAY()-(WEEKDAY(TODAY(),2)-1) && Forecast1<=TODAY()-(WEEKDAY(TODAY(),2)-1)+7,DATEDIFF(Forecast1,Forecast1,DAY)+1 * Forecast1,IF(Forecast1 > TODAY()-(WEEKDAY(TODAY(),2)-1) ,0,IF(Forecast1<=TODAY()-(WEEKDAY(TODAY(),2)-1) && Forecast1<=TODAY()-(WEEKDAY(TODAY(),2)-1)+7 && Forecast1>=TODAY()-(WEEKDAY(TODAY(),2)-1),DATEDIFF(TODAY()-(WEEKDAY(TODAY(),2)-1),Forecast1,DAY)* Forecast1,IF(Forecast1>=TODAY()-(WEEKDAY(TODAY(),2)-1) && Forecast1 >=TODAY()-(WEEKDAY(TODAY(),2)-1)+7,DATEDIFF(Forecast1,TODAY()-(WEEKDAY(TODAY(),2)-1)+7,DAY)* Forecast1,IF(Forecast1<=TODAY()-(WEEKDAY(TODAY(),2)-1)&& Forecast1>=TODAY()-(WEEKDAY(TODAY(),2)-1)+7,DATEDIFF(TODAY()-(WEEKDAY(TODAY(),2)-1),TODAY()-(WEEKDAY(TODAY(),2)-1)+7,DAY) * Forecast1,BLANK())))))

• TODAY () – (UKEDAG (I DAG (), 2) – 1-funksjonen returnerer gjeldende mandag i uken
• DATEDIFF-funksjonen returnerer forskjellen mellom to datoer

Sjekk ut tabellen nedenfor for å se estimerte timer for hver oppgave for den følgende uken:

Sluttnotater

Power BI Er et kraftig og brukervennlig verktøy for å lage raske instrumentbord med en rekke datakilder. DAX-spørringer brukes til å tilordne data, opprette nye variabler og forretningsmålinger og manipulere data. Denne artikkelen gir en kort og rask guide for å starte DAX-reisen.

du bør også sjekke Ut Den Offisielle Microsoft Tutorials For Power BI-en stor ressurs!

vi håper du fant denne artikkelen nyttig. Vi ser frem til å høre din tilbakemelding og kommentarer. Happy Dashboarding, Eller Skal Vi si Happy DAXing!

Om Forfatterne

Kirthi Tej Yendloori

Kirthi Tej er dataanalytiker hos Indium software. Han har et års erfaring innen datavisualisering og er svært interessert i maskinlæring. Han elsker å reise.