Przykład 1: Waluta w podtytule wykresu w Power BI

Nowa funkcjonalność znajduje się w sekcji Formatowanie (pędzel) > Ogólne > Tytuł > Napisy (to na razie błędne tłumaczenie angielskiego subtitles). Dodatkowo możemy oddzielić tytuł od wykresu dodatkową linią (sekcja Podziałka).

Wpisany do podtytułu tekst pojawi się ciut poniżej głównego tytułu wykresu.

Przykład 2: Data ostatniego odświeżenia w modelu danych Power BI

Dla niektórych danych kluczowe znaczenie ma data ostatniego odświeżenia. Możemy w modelu danych Power BI stworzyć miarę, która obliczy datę pochodzenia tabeli. Dzięki temu użytkownik na konkretnej wizualizacji zobaczy w podtytule datę. Pamiętaj, aby datę sformatować jako tekst lub włączyć ją w ciąg tekstowy. Oto mój przykład:

Data odświeżenia = "Data odświeżenia: "&MAX(Dane[Data zamówienia])

Przykład 3: Zawartość filtra Power BI

Dotychczas standardową praktyką było wykorzystywanie dynamicznego tytułu do generowania zawartości filtrów.

Teraz mamy też możliwość wykorzystania w tym celu podtytułu, który jest bardziej subtelny.

Wybrane regiony = "Wybrane regiony: "&CONCATENATEX(VALUES(Klienci[Region]),Klienci[Region],", ")

Pobierz plik Power BI

Tu możesz pobrać plik Power BI i samodzielnie przetestować działanie podtytułu.

Do czego jeszcze można wykorzystać podtytuł?

Podziel się swoją opinią w komentarzu.

Jak zastosować suwak powiększenia na wykresie?

Gdy mamy już stworzony wykres i chcemy do niego dodać suwać umożliwiający nam powiększenie jego części, musimy zaznaczyć wykres, a następnie przejść do opcji Format w panelu Wizualizacji. W dostępnych opcjach będzie można zauważyć opcję Suwak powiększenia, który włączamy klikając w pasek znajdujący się obok nazwy.

Automatycznie po włączeniu opcji suwaka na naszym wykresie (po jego lewej stronie oraz na dole) pojawią nam się dodatkowe suwaki, dzięki którym będzie można dokonać przybliżenia.

Aby użyć suwaka powiększenia musimy po prostu kliknąć i przeciągnąć jego odpowiednie punkty końcowe. Na poniższym przykładzie zostało zaprezentowane powiększenie części wykresu dotyczącej wysokości sprzedaży w latach 2016-2018.

Formatowanie suwaka powiększenia w Power BI

Po włączeniu opcji na wykresie pojawią nam się same suwaki. Dodatkowo możemy w opcjach formatowania wybrać, czy chcemy aby suwak pojawił się jedynie przy osi X, bądź Y, jak również możemy wzbogacić nasze suwaki o etykiety suwaka i etykiety narzędzi suwaka.

Na dolnym suwaku pojawi się również etykieta z latami, dzięki której możemy wybrać powiększenie fragmentu danych sprzedażowych w danym, wybranym przez nas roku. Wg mnie opcja ta gryzie się z etykietami osi x.

Dodanie etykietek narzędzia suwaka powoduje pokazanie się orientacyjnych wartości, które przyjmuje dana zmienna, aby można było łatwiej odnaleźć się w podziałce, podczas zaznaczania interesującego nas fragmentu. Ta opcja jest wg mnie świetna i zalecam włączać ją dla wszystkich suwaków.

Opcja dodania suwaka przybliżenia jest również możliwa w przypadku bardziej rozbudowanych wykresów, jak np. w przypadku połączenia ze sobą wykresów kolumnowego i liniowego. Na poniższym przykładzie zostały zaprezentowane dane sprzedażowe w czasie, które są również wykazane w podziale na regiony, a dodatkowo w postaci wykresu liniowego została również dodana wartość odnotowanego zysku. W przypadku takiego wykresu w dostępnych opcjach dostosowania suwaka, pojawi się również jeszcze jedna dodatkowa opcja, a mianowicie opcja pokazania osi pomocniczej. Po dodaniu osi pomocniczej, pojawi się ona po prawej stronie wykresu i będzie w tym wypadku dotyczyć przybliżenia wybranego przez nas fragmentu wykresu liniowego.

Kiedy w praktyce włączać suwak na raporcie Power BI?

Przykład 1: Oś czasu

Możesz wzbogacić o suwaki wykres liniowy i zaznaczyć kilkanaście ostatnich miesięcy, pozwalając użytkownikowi zobaczyć szerszy zakres za pomocą suwaka.

Przykład 2: Wykres punktowy

Jeśli na wykresie występują punkty odstające (ang. outliers), mogą zaburzyć obraz. Dzięki suwakowi użytkownik będzie mógł zbliżyć wykres na interesujący go fragment bez konieczności usuwania punktów z wykresu operacją Wyklucz.

Przykład 3: Histogram

Jeśli zakres wykresu jest zbyt szeroki, dodaj suwak dla osi histogramu.

Przykład 4: Wykres kolumnowy z dużą dysproporcją

Jeśli na wykresie kolumnowym występują duże różnice, suwak pozwoli spojrzeć na wykres globalnie, a potem zbliżyć się do niewielkich kategorii.

Pobierz plik i przetestuj działanie suwaka powiększenia

Tu możesz pobrać plik Power BI z 4 przykładami działania suwaka.

Korzystasz z suwaka powiększenia osi?

Podziel się Twoją opinią w komentarzu.

Założenia przed startem z Key influencers

Oto kilka założeń okiem statystyka:

• Zmienna objaśniana musi być zmienną jakościową. Metoda nie przyjmie np. kolumny z wysokością zysku lub sprzedaży; najpierw musiałbyś podzielić ją co najmniej na przedziały.
• Zmienna objaśniana jest traktowana zero-jedynkowo. W interfejsie Key influencers wybierasz poziom, który chcesz objaśnić, np. to, że klient wystawił Ci 5 w ankiecie ewaluacyjnej. Pozostałe możliwości są traktowane jako jedno, czyli to, że dostałeś 4,5 oznacza dokładnie to samo, co gdybyś dostał ocenę 1. Staraj się zatem doprowadzać dane do stanu, w którym będziesz miał tylko dwie możliwości wyboru – coś jest zadowalające albo nie.
• Ze względu na sposób testowania istotności modelu pamiętaj, że przy modelu logitowym powinieneś mieć duży zbiór danych.

Uwaga, by nie przekłamać sobie wyników!

Co sprawia, że produkt jest nisko oceniany?

Dzisiejszy przykład tylko dla pełnoletnich :). Ze strony data.world można pobrać oceny piw dokonane przez użytkowników portalu BeerAdvocate. Jest ich bagatela 1,5 miliona i dotyczą okresu co najmniej 10-letniego do listopada 2011. Użytkownicy portalu oceniali trunki w skali od 0 do 5 (w skali co 0.5 punktu) w 5 kategoriach, w tym w kategorii ogólna ocena. Poza tym w bazie znajdziemy informacje o nazwie ocenianego piwa, browarze oraz login oceniającego. Postaramy się wyjaśnić, co wpływa na to, że użytkownik oceniał piwo dobrze albo źle. Zaczynamy!

Jak zostać ekonometrykiem w kilku kliknięciach?

Przede wszystkim włącz opcję Key influencers. Jak każdy nowy dodatek typu preview, trzeba go włączyć ręcznie. Kliknij Plik > Opcje i ustawienia > Opcje > Funkcje w wersji zapoznawczej > Wizualizacja Kluczowe elementy mające wpływ, a następnie zatwierdź OK. Power BI się zrestartuje i przystąpimy do pracy.

Ikonka Kluczowe czynniki mające wpływ pojawi się w panelu Wizualizacje tuż za R i przed globusem.

Następnie wgrywam dane: pobrane z data.world oraz ręcznie przygotowany słownik na podstawie zakładki Beers > Beer Styles na stronie BeerAdvocate. Niestety nie wszystkie kategorie piw są tu wyszczególnione, niektóre nazwy nie są dokładne, więc zastosowałem fuzzy merge (możecie o tym poczytać w tym artykule) przy domyślnym progu podobieństwa i zwracających maksymalnie 1 dopasowanie. Tam, gdzie jednak żadna kategoria się nie dopasowała, zamieniłem brak danych na kategorię Inne (Other). W kolejnym kroku na podstawie kolumny z ogólną oceną napoju tworzę kolumnę z informacją, czy ogólna ocena piwa była wysoka, czy niska (HighOverall). Jeśli użytkownik wystawił ocenę wyższą niż 3, piwo jest oceniane wysoko. Jeśli nie, nisko.

Tak przygotowane dane ładuję do Power BI i zaczynam modelowanie!
W panelu Wizualizacja klikam na Kluczowe elementy mające wpływ.

Pojawia się wizualizacja, a po prawej pola do uzupełnienia odpowiednimi kolumnami. Do okienka Analizuj przenoszę kolumnę HighOverall, a do Wyjaśnij według póki co wszystkie kolumny opisujące piwo. Power BI w locie analizuje zmienne i pokazuje te, które mają najsilniejszy wpływ.

Na razie Power BI szuka najlepszych czynników, które powiedzą, dlaczego klient ocenił piwo wysoko. Możemy to zmienić na ocenę niską na wybieranej liście po lewej stronie grafiki.

Wizualizacja jest prosta, ale zawiera dużo informacji. W górnym lewym rogu mamy możliwość wybrania, czy chcemy mieć widok na kluczowe elementy czy na segmentację klientów. Zinterpretujmy wyniki.

Czego dowiemy się z analizy kluczowych elementów?

Bąble po lewej stronie to kluczowe czynniki mające wpływ na, w tym przypadku, niską ocenę piwa przez użytkowników.

Interpretacja jest intuicyjna – najważniejszy jest fakt oceny piwa z kategorii Pilsner and pale lagers. Power BI umożliwia odczytywanie wyników pełnymi zdaniami: gdy beer_category jest Pilsner and pale lagers wartość prawdopodobieństwa ustawienia pola HighOverall na Low zwiększa się 4,61 razy. Co to znaczy? Oceny wystawione piwom w kategorii Pilsner and pale lagers mają 4,61 razy wyższe prawdopodobieństwo negatywnych ocen niż przeciętnie pozostałe kategorie piw. Po prawej stronie pojawia się wykres, na którym widzimy odsetki negatywnych ocen dla poszczególnych stylów piw. Zgodnie z opisem interpretacji na stronie Power BI (znajdziesz go tu), powinno być tak, że jeśli pomnożymy wartość średnią na czerwonej linii przez 4,61, powinien wyjść odsetek negatywnych ocen dla piw Pilsner and pale lagers. Niestety w tym przypadku to nie działa.

Jako że kategorii piwa jest dużo, warto na wykresie pokazać tylko te, które pojawiają się w bąbelkach. Wystarczy kliknąć Pokaż tylko wartości stanowiące elementy mające wpływ, by pokazały się tylko istotne czynniki.

Na liście możemy znaleźć nie tylko zmienne związane ze kategorią piwa – ważna okazała się też zawartość alkoholu w produkcie.

Od razu zmienił się też typ wizualizacji – procentowa zawartość alkoholu w piwie jest zmienną ciągłą. Okazuje się, że mniej procentowe piwa mają raczej niższe oceny, a progiem jest 2,9. W tym przypadku oznacza to, że ilekroć piwo ma mniej alkoholu o 2,9, prawdopodobieństwo niskiej oceny zwiększa się x 1,5.
Przejdźmy do segmentów klientów.

Power BI podzielił klientów na 4 grupy różniące się odsetkiem osób niezadowolonych. Wielkości bąbelków sugerują liczności poszczególnych grup. Gdy klikniemy na interesujący nas bąbelek, dowiemy się szczegółów o danym segmencie.

Czytając informacje od lewej strony dowiadujemy się, że są to klienci, którzy ocenili smak piwa poniżej poziomu 2,25. Grupa ta składa się w 84,5% z osób negatywnie oceniających piwo, co jest wyższe od udziału negatywnych ocen w całej bazie o 77 punktów procentowych, i składa się z ponad 67 tys. obserwacji. Analogiczne informacje zawiera kolejny bąbelek.

Wizualizacja współgra także np. z filtrami. Wstaw filtr tak, jak następną wizualizację i zobacz, jakie cechy ma Porter, który jest nisko oceniany.

Poczekajmy na wersję finalną

Strona Power BI oraz polskie tłumaczenie sugerują interpretację wartości w bąbelkach w kategorii prawdopodobieństwa. Budzi to jednak wątpliwości, gdyż mechanizm pod spodem jest nietransparentny i na razie nie wszystko się na wykresie zgadza. Niemniej ta autoanaliza (obok wyjaśniania wzrostu oraz wyjaśniania dystrybucji) z pewnością stanie się stałym punktem w pracy z Power BI i jeszcze do niej na blogu wrócimy.

Zmiana #1: Fragmentator (slicer) wyboru jednokrotnego

Nareszcie można łatwo wstawić wybór jednokrotny na raporcie. Fragmentator nadal może być listą rozwijaną (drop-down) lub fragmentatorem z orientacją poziomą.

Zmiana #2: Zaznaczanie etykiet na osiach w celu filtrowania lub wyróżnienia

Jeżeli chcesz dokonać pojedynczego lub wielokrotnego zaznaczenia (z Ctrl) elementów na wykresie, nie musisz już klikać elementów graficznych, takich jak kolumny lub punkty. Możesz spokojnie wybrać element na osi – wcześniej było to niemożliwe.

Przyda się szczególnie dla wykresów kolumnowych. Opcja nie działa z osią x ciągłą (np. z domyślną hierarchią dat i z liczbami na osi x, jak Rok) – oś x musi być ustawiona jako podzielona na kategorie.

Zmiana #3: Sterowanie rozmiarem bąbelków

Wizualizacje posługujące się kształtem, takie jak Wykres punktowy czy Mapa, miała dotychczas problem z bąbelkami. Otóż przy dużych różnicach między danymi wszystkie punkty wyglądały tak samo, a najmniejszych punktów nie dało się pomniejszyć. Nareszcie to poprawiano i teraz ustawienie właściwego sensownego rozmiaru będzie łatwiejsze (dziwnie tylko, że na minus).

Zmiana #4: Aktualizacja Mapy

Do wizualizacja Mapa można dodatkowo dodać przycisk zoomowania (1) oraz zamienić jej postać na mapę cieplną (2). Jeśli nie umieścimy na mapie żadnej miary, mapa cieplna pokaże liczbę punktów.

Włączenie mapy cieplnej pozwala nam sterować promieniem i jednostką (piksele vs liczniki). Funkcjonalność odzwierciedla wizualizację mapa cieplna w dodatku Mapa 3D (wcześniej Power Map) do Excela.

Zmiana #5: Nowy widok relacji

Prace nad nim trwały od kilku miesięcy i widok ten był dostępny w trybie Preview. Teraz wchodzi produkcyjnie do Power BI Desktop. Oto jego najważniejsze zalety:

• Szybsza praca z dużo większą liczbą tabel (Microsoft chwali się możliwością pracy na setkach tabel)
• Łatwiejszy dostęp do właściwości tabel (np. opis, słownik Q&A, tryb przechowywania: Importuj vs DirectQuery)

• Łatwiejszy dostęp do właściwości pól i ich zbiorowej edycji (np. domyślna agregacja, format, sortowanie)

• Możliwość organizacji pól w foldery, które są widoczne także w widoku raportu

• Tworzenie widoków cząstkowych w celu ułatwienia rozumienia modelu (co trochę przypomina Perspektywy w Power Pivot)

Pobierz plik Power BI Desktop

Tu możesz pobrać plik z testem nowych funkcji Power BI.

Jak działa polecenie Wyjaśnij wzrost / spadek w Power BI?

Narzędzie pozwala w szybki, automatyczny sposób dostarczyć podstawowych wniosków nt. danych źródłowych. Wystarczy na wykresie kliknąć punkt danych prawym przyciskiem myszy, wybrać Analizuj > Wyjaśnij spadek /lub wzrost.

Wszystkie szczegółowe dane oraz wykresy zostaną wyświetlone w nowym oknie.

Funkcja ta jest obecnie w wersji zapoznawczej i w przyszłości zostanie ulepszona i zmieniona. Informacja takla widnieje również na samym widoku wyświetlanej analizy.

Opcje funkcji Wyjaśnij wzrost / spadek

Niestety samego okna z wyświetloną analizą nie można powiększyć, co nieco utrudnia spojrzenie na nią w całości. Posiłkować się należy paskiem przewijania po prawej stronie.

Analiza w opisywanym przykładzie wykonywana jest dla danych sprzedaży, zaprezentowanych na wykresie liniowym, gdzie na osi X mam kolejne lata, zaś na osi Y wartość sprzedaży. Punkt, który wybrałem do analizy, to zmiana między rokiem 2012 i 2013. Należy pamiętać że Szczegółowe informacje działają kontekstowo, czyli zaznaczając dany punkt zawsze będzie on porównywany do poprzedzającego go.

Przewijając pasek w oknie wykonanej analizy, przechodzę do kolejnych jej wariantów. Na osi Y wykresu zaprezentowana jest sprzedaż, więc wszystkie szczegółowe analizy, które przygotował Power BI sprawdzają jakie czynniki, spośród dostępnych w źródle danych, mają największy wpływ na wielkość sprzedaży. Tak więc np. mam analizę :

• Sprzedaży wg roku i numeru zamówienia
• Sprzedaży wg roku i miasta
• Sprzedaży roku i numeru klienta
• Sprzedaż wg roku i kodu pocztowego
• Sprzedaży wg roku i klienta
• Sprzedaży wg roku i nazwy produktu
• Sprzedaży wg roku i marży podstawowej
• Sprzedaży wg roku i podkategorii produktu
• Sprzedaży wg roku i regionu
• Sprzedaży wg roku i priorytetu zamówienia
• Sprzedaży wg roku i segmentu rynku

W oknie szczegółowych informacji domyślnie pojawia się wykres typu waterfall (inaczej zwany wykresem kaskadowym) oraz analiza opisowa wpływu numeru zamówienia na wielkość sprzedaży między rokiem 2012 a 2013. Słowny komentarz jest wciąż w języku angielskim, przy zainstalowanej polskojęzycznej wersji programu.

W prawym górnym rogu widać trzy przyciski:

• kciuk z palcem do góry to informacja dla twórców rozwiązania, że narzędzie spełnia oczekiwania użytkownika,
• kciuk z palcem do dołu to przesłanie niezadowolenia z rozwiązania , z koniecznością wybrania jednej z poniższych opcji,

• trzeci znak to osadzenie wybranej analizy na stronie raportu.

Poniżej wykresu znajdują się cztery różne przyciski, które symbolizują różnego typu wykresy. Każdy z przygotowanych typów analizy, można zaprezentować w jednym z wybranych pośród czterech typów wykresów:

• kaskadowy (domyślny)
• punktowy,
• skumulowany kolumnowy,
• wstążkowy.

Poniżej dla tej samej analizy, różne typy wykresów.

Należy pamiętać, aby typ wykresu zmienić przed dodaniem go do raportu. Z widoku raportu nie ma możliwości zmiany typu wykresu dla Analizuj spadki/wzrosty.

Szczegółowe dane wstawione do raportu nie zmieniają się w zależności od tego jakie dane prezentowane są w raporcie, jeżeli zmienię na Osi Y wielkość sprzedaży na wielkość zamówienia wówczas wstawiona analiza bez zmian będzie nadal pokazywać np. Sprzedaż wg Rok i Nr zamówienia

Wstawione szczegółowe informacje oczywiście można usuwać z raportu, modyfikować a także przejść z jego poziomu do danych co umożliwia przycisk (wielokropek) w prawym górnym rogu okna.

Ograniczenia funkcji Wyjaśnij wzrosty / spadki

Należy pamiętać, że działanie opiera się na porównaniu danych, więc nie zadziała dla pierwszego wybranego punktu danych w wizualizacji (nie ma się z czym porównać).

Funkcja nie działa dla wybranych typów wykresów (np. kołowego) i wymaga podania na osi głównej danych liczbowych (np. dat lub liczb). Ponadto nieobsługiwane są:

• filtry TopN,
• niektóre miary (np. miary uwzględniające i wykluczające, miary nieliczbowe),
• kategorie na osi x (np. wg kategorii produktów).

Powód 1: Automatyczne aktualizacje

Tempo rozwoju Power BI jest tak szybkie, że trudno za zmianami nadążyć. W interfejsie co chwila pojawia się dymek z informacją, że pojawiła się nowa wersja. Chcesz pracować zawsze na najbardziej aktualnej wersji Power BI Desktop? Pobierając program przez Microsoft Store, zapewniasz sobie automatyczne aktualizacje i nie musisz co chwilę prosić IT o reinstalację.

Powód 2: Wybór języka interfejsu Power BI (nieaktualny od 2020 r.)

Edit 2.11.2020: Od 2020 r. możemy wybrać język Power BI w każdej jego wersji.

Pobierając tradycyjny plik instalacyjny, wybieramy język interfejsu w momencie instalacji. A zwykle nawet nie my, tylko administrator. To powoduje, że jesteśmy na sztywno przywiązani do jednego języka, czasem tego, którego nie chcieliśmy.

Powód 3: Czasami można pobrać Power BI bez uprawnień administracyjnych 🙂

Jeśli masz Windows 10 i nie możesz zainstalować Power BI Desktop z pliku, sprawdź przez Microsoft Store. Czasami jest to otwarta furtka, żeby dokonać legalnego pobrania programu.

Jak zainstalować Power BI Desktop w Microsoft Store?

Wciśnij klawisz Windows > Wpisz Microsoft Store (1) > Przejdź do sklepu (2) > Wpisz Power BI (3) > Kliknij Pobierz (4).