Jak dodać wykres Sankeya w Power BI?

Na końcu sekcji Wizualizacje należy kliknąć w trzy kropki i wybrać opcję Pobierz więcej wizualizacji.

Pokaże nam się okno ze wszystkimi wizualizacjami, które możemy dodać do naszej własnej aplikacji. Najszybciej będzie wpisać o okno wyszukiwania frazę Sankey, a następnie kliknąć w kafelek Sankey Chart i go dodać.

Po zakończeniu pobierania, na dole menu głównego, możemy zobaczyć nowo dodaną ikonę wykresu Sankeya.

Jak zbudować wykres Sankeya w Power BI?

Gdy klikniemy na tę ikonę, w obszarze wykresów (po lewej) pokaże się nam na razie samo pole wykresu, zaś w panelu po prawej stornie pojawią nam się pola jakie dane są potrzebne, aby stworzyć wykres.

Stworzenie diagramu Sankeya w Power BI wymaga podania następujących danych:

• źródłowych (Pole Od)
• lokalizacja końcowa (Pole Do)
• waga (odpowiada szerokości przepływów pomiędzy lewą a prawą stroną diagramu)

Dzięki takiej bazodanowej konstrukcji dane mogą mieć wiele węzłów.

Tworzenie wykresu zaczynamy od załadowania naszych danych źródłowych. W niniejszym przykładzie będą to dane dotyczące wpływów do budżetu, dwuosobowego gospodarstwa domowego w podziale na typy wydatków i kontrybucję w nich.

Po załadowaniu naszej tabeli (nazwa Sankey) możemy przystąpić do tworzenia wykresu. W tym celu przeciągamy poszczególne pola (kolumny) na odpowiednie półki w sekcji Wizualizacje.

Po uzupełnieniu wszystkich trzech niezbędnych pól, w oknie po lewej stronie pokaże nam się gotowy diagram.

Inaczej niż w szablonie Excelowym, wykres Sankeya w Power BI może opisywać przepływ z wieloma węzłami. Co więcej, wykres jest interaktywny, więc można go traktować jako źródło do filtrowania innych elementów raportu. Oto przykład wizualizacji dla bardziej złożonego procesu kredytowego.

Pobierz plik Power BI

Tu możesz pobrać plik Power BI z wykresem Sankeya i przetestować jego działanie.

Import niestandardowych wizualizacji

Niestandardowe wizualizacje (ang. custom visuals) są w zasięgu kilku kliknięć. W panelu Wizualizacje kliknij w trzy kropki, a następnie Pobierz więcej wizualizacji, by przejść do sklepu z wizualizacjami niestandardowymi w Power BI.

Aby skorzystać ze sklepu, trzeba zalogować się na konto Microsoft. Zamiast pobierać bezpośrednio do Power BI przez wejście w Pobierz więcej wizualizacji, możesz też wejść na stronę internetową Microsoft Apps, wyszukać i pobrać plik wizualizacji na komputer, a następnie wgrać go przez Zaimportuj wizualizację z pliku.

Po zaimportowaniu ikonka wizualizacji pojawi się wśród innych wizualizacji na panelu.

Time Brush Slicer

Time Brush Slicer to wizualizacja w formie wykresu słupkowego, na której zaznaczamy interesujący nas przedział do dalszych analiz. Wyszukaj Time Brush Slicer w sklepie Microsoft i dodaj go do Wizualizacji.

Następnie kliknij ikonkę w panelu i dodaj element do dashboardu.

Poniżej wizualizacji pojawiły się opcje edycji i formatowania filtru. Dodam datę dzienną oraz wysokość sprzedaży. Możemy dodać także grupowanie (choć nie polecam, bo wykres robi się nieczytelny przy tak długim szeregu czasowym i zakresie wielkości sprzedaży).

Filtr służy też jako wizualizacja sprzedaży dziennej. Zaznacz interesujący Cię fragment na osi czasu i zobacz, jak zmieniają się pozostałe wizualizacje na dashboardzie.

W zakładce z formatowaniem, oznaczonej pędzlem, możesz dostosować wygląd filtru. Przykładowo włączymy pokazywanie wartości na osi Y, ale bez linii.

Wykres łatwo reaguje na zaznaczanie przedziału czasowego, ale jego wadą może być język – domyślnie wykorzystywany jest angielski.

Timeline Slicer

Nieco więcej funkcji niż Time Brush Slicer posiada Timeline Slicer, certyfikowany wizualny filtr dat od Microsoftu. Wyszukaj go w sklepie aplikacji i dodaj do zakładki Wizualizacje.

Pod dodaniu do wizualizacji, kliknij na ikonkę wizualizacji: wstaw ją do raportu i dodaj kolumnę z datami.

W przeciwieństwie do Time Brush Slicera, tutaj operujemy wyłącznie na datach, bez dodatkowych możliwości wizualizacji. Do tego nazwy miesięcy pokazywane są w języku polskim. Przyjrzyjmy się kolejnym możliwościom Timeline Slicera. Po pierwsze na podstawie samych dat dziennych automatycznie przekształca je w tygodnie, miesiące, kwartały i lata. Możemy ustawić suwak na poziomie, który nas interesuje na pasku w lewym górnym rogu wizualizacji. Teraz jest na poziomie miesiąca – zmieńmy na kwartał. Dzięki temu cała wizualizacja mieści się na raporcie bez suwaka na dole.

Przejdźmy do formatowania w panelu Wizualizacje. Kliknij w ikonkę pędzla.

Poza typowymi możliwościami doborów kolorów do każdego elementu grafiki, zwróć uwagę na opcję Scroll position auto adjustment, która jeszcze szczególnie przydatna przy długich osiach, jak w przypadku miesięcy. Jeśli ją włączysz, program automatycznie będzie przesuwał oś, by zawsze zaznaczenie było mniej więcej na środku. Wróćmy do ustawienia z miesiącami. Pasek na dole będzie się przesuwał tak, by dwa końce zaznaczonej osi były w miarę możliwości zawsze widoczne.

Szczególnie ważne są tu dwie zakładki; pierwsza z nich to Fiscal Year. Zdarza się, że rok obrotowy w firmach nie zaczyna się 1 stycznia: w zakładce Fiscal Year możesz ustawić taki, jaki obowiązuje w Twojej firmie. Wszystkie przeliczenia kwartałów i lat będą się działy w oparciu o nowe ustawienia. Przełączmy rok obrotowy na 1 maja i na chwilę wróćmy do pokazywania miesięcy. Zwróć uwagę, że pierwszy kwartał zaczyna się w maju.

Ta wizualizacja niestandardowa wychodzi także naprzeciw kwestii pierwszego dnia tygodnia – domyślnie w Power BI jest to niedziela. Możesz łatwo ustawić poniedziałek w zakładce Pierwszy dzień tygodnia.

Tak jak poprzednia wizualizacja, Timeline Slicer współpracuje ze wszystkimi grafikami na stronie raportu.

as Timeline

Ostatnią wizualizację niestandardową jest as Timeline. Nie jest to jednak filtr, a wykres stosowany w zarządzaniu projektami do np. monitorowania czasu trwania zadań i przedziałów czasowych ich wykonania. Nazywany jest wykresem Gantta, choć w tym samym czasie pokazał go także Polak Karol Adamiecki. Tak samo jak poprzednie wizualizacje, wyszukuję go w sklepie wizualizacji Power BI.

W przykładzie na danych sprzedażowych możemy wykorzystać go do wizualizacji, jak dużo czasu minęło od daty zamówienia do daty wysyłki według klientów. Wstawmy as Timeline, w polu Entity kolumnę z imieniem i nazwiskiem klienta, w Start Date datę zamówienia, a w End Date datę wysyłki.

Kreseczki przy każdym kliencie to jego zamówienie, a grubość to czas trwania. Jako że mamy wielu klientów, wykres nie jest zbyt czytelny; ograniczmy go do 3 najlepszych klientów według sprzedaży. W panelu Filtry wskaż typ filtru Najlepsze N oraz by pokazał od góry 3 według wartości Sprzedaż Total.

Sprzedaż Total jest miarą – sumą sprzedaży. Dlaczego jest potrzebna? Wytłumaczenie znajdziecie m.in. w nagraniu z ostatniego webinaru Power BI – Dashboard w godzinę.

Pod ikonką pędzla klasycznie możemy zmienić elementy wykresu. Przy więcej niż kilku klientach przydatne są opcje ukryte w Behavior, szczególnie włączenie Entity separator line. Dzięki niemu pojawią się poziome linie oddzielające klientów.

Tak jak poprzednie wizualizacje, as Timeline współpracuje z pozostałymi filtrami na stronie.

Odkryj więcej wizualizacji niestandardowych

Time Brush Slicer pozwala stworzyć wykres słupkowy z możliwością zaznaczania interesujących przedziałów. Timeline Slicer służy jako oś czasu i ma więcej opcji ustawienia roku obrotowego lub pierwszego dnia tygodnia. As Timeline sprawdzi się do danych, w których można wskazać jakiś przedział, np. długość okresu realizacji zamówienia. Pokazane wizualizacje niestandardowe to tylko przykłady tego, co znajdziecie w sklepie z aplikacjami do Power BI.

Znasz inną ciekawą wizualizację do filtrowania dat w Power BI?

Podziel się w komentarzu.

Gdzie znaleźć ikonę wykresu drzewo dekompozycji?

Wykres wkrótce na stałe zagości jako kolejny z żarówką (czyli wspierany przez sztuczną inteligencję – AI). Na ten moment możesz go jednak nie mieć, dlatego pobierz najnowszą wersję Power BI Desktop (ja zrobiłem to raz za dobrze – przez Microsoft Store). Następnie przejdź do ustawień, klikając Plik > Opcje i ustawienia > Opcje. W kategorii Globalne kliknij Funkcje w wersji zapoznawczej i zaznacz Wizualizacja drzewa dekompozycji.

Po włączeniu tej opcji i ponownym uruchomieniu Power BI w sekcji Wizualizacje pojawi się nasz nowy wykres – drzewo dekompozycji.

Z czego składa się wykres drzewo dekompozycji?

Jeżeli już załadowałeś dane do Power BI i na stronie raportu umieściłeś wykres drzewo dekompozycji, zapewne zastanawiasz się, co dalej. Po pierwsze zadaj sobie pytanie, co chcesz analizować. Jeżeli już wiesz, analizę jakiej miary chcesz przeprowadzić, umieść ją w polu Analizuj.

Żeby ten wykres stanowił faktyczną dekompozycję miary, to należy jeszcze zastanowić się nad tym, na jakie składowe chcemy rozbić analizowaną miarę i umieścić je w polu Wyjaśnij według:

Dobra wiadomość jest taka, że wykres możesz rozbudowywać o wiele poziomów, które trzeba wrzucić w pole wyjaśniania. Żeby rozwinąć poziom, należy kliknąć na szary plusik.

Możesz także skorzystać z podpowiedzi AI i od razu uzyskać ciekawą informację niezależnie od miejsca w strukturze, którą analizujesz. Wystarczy, że po kliknięciu plusika zaznaczysz Wysoka wartość i Power BI przejdzie przez wszystkie poziomy i znajdzie na nich najwyższe wartości. Dzieje się to na wszystkich poziomach na raz bez ich kolejności, dzięki czemu pierwsze wnioski wyciągniesz w kilka sekund.

Jeżeli nie widzisz takiej opcji, prawdopodobnie masz nieaktywną funkcję Włącz podziały dla sztucznej inteligencji, którą znajdziesz w sekcji Formatowania > Analiza. Możesz tam wybrać także jeden z dwóch typów analizy – bezwzględny, który pokazuje po prostu największą / najmniejszą wartość, albo tryb względny, w którym pokazywana jest wartość wyróżniająca się na tle pozostałych.

Analiza struktury kosztów na dashboardzie CFO

W naszej przykładowej wizualizacji na początku będziemy analizować koszty roczne firmy w podziale na MPK i podział na koszty rodzajowe. Dodatkowo zerkniemy na koszty z zeszłego roku i porównanie na tle pozostałych na wykresie słupkowym (filtrowanie jako wyróżnienie).

Pierwszy szybki wniosek: zakład nr 1 ma koszty porządkowe wyższe o 40%, co na tle innych rodzajów jest znaczącym wzrostem rok do roku.

Power BI od razu sortuje wartości od najmniejszych do największych. Co zdecydowania ułatwia wyciąganie wniosków z wizualizacji. Rozwijanie poszczególnych pól ma miejsce po kliknięciu na nie myszką, co też jest nie lada ułatwieniem dla użytkowników końcowych. Wykres można zbliżać i oddalać poprzez scroll na myszce. Co ważne, w przypadku zaprojektowania całościowego dashboardu, wizualizacja normalnie uczestniczy w interakcjach (jedyny warunek: grupa nie może być rozwinięta dalej w wizualizacji). Dość mocno schowana jest np. strzałka przejścia na sam dół, dlatego mój ogólny wniosek jest taki, że wykresem trzeba się trochę pobawić, żeby dobrze zrozumieć, jak działa 🙂

Dodaj dla użytkownika więcej miar do wykresu

Opisywałem już, jak zbudować filtr do wyboru miar w Power BI i teraz jest czas, aby z tej wiedzy skorzystać. W kontekście drzewa dekompozycji może to być szczególnie przydatne, bo użytkownik końcowy może w prosty sposób zmienić wskaźnik, który będzie analizował: Koszty, Zmiana %, Zmiana wartościowa. W tym przykładzie zmieniam orientację fragmentatora z pionowej na poziomą, dzięki czemu staje się on dużym przyciskiem. Jedyną wadą będzie tu brak możliwości ustawienia różnych formatów w zależności od wyboru miary.

Dzięki temu, że kolejność poziomów można zmieniać, możesz zacząć analizę od elementu niższego (np. koszty rodzajowe 1) i porównywać MPK-i.

Wolisz analizować dane finansowe w tabelce czy na drzewie dekompozycji w Power BI?

Podziel się przemyśleniami w komentarzu.

Podziękowanie

Artykuł powstał we współpracy z doktorem Michałem Muszyńskim, CEO & CFO w Domar SA.

Plik do pobrania

Tu możesz pobrać plik z drzewem dekompozycji w Power BI.

Formatowanie warunkowe macierzy Power BI

Macierz, czyli tabela przestawna w Power BI, pozwala na tworzenie formatowania warunkowego.

Jeśli identyczne formatowanie warunkowe założymy dla wypełnienia komórek i czcionki, tekst zniknie, a w macierzy zostanie tylko formatowanie kolorem. Oto przykład dla macierzy:

1. W Wierszach ląduje tydzień Miesiąc i Tydzień
2. W Kolumnach Dzień tygodnia (1 = poniedziałek, 7 = niedziela), a miara główna – Zysk – w Wartościach
3. Szukamy opcji formatowanie warunkowe – albo w sekcji Format albo na strzałce na polu Zysk na półce Wartość. Ustawiamy identyczne opcje dla koloru tła i koloru czcionki.
4. Definiujemy ustawienia formatowania warunkowego.

Zalety formatowania warunkowego

• Jako standardowa wizualizcacja Power BI wspiera drążenie czy filtrowanie przez zaznaczenie.

Wady formatowania warunkowego

• Niewielka kontrola nad kolorem (przedziałami).
• Brak wbudowanych palet.

Wizualizacja niestandardowa Table Heatmap w Power BI

Wykres można pobrać ze sklepu Microsoftu.

Po dodaniu wybranej wizualizacji pojawia się ona na pasku narzędziowym po prawej stronie wśród innych wizualizacji.

Pierwszy kontakt jest dla mnie rozczarowaniem, gdyż można użyć tylko jednego pola kategorii, które generuje liczbę kolumn na podstawie danych. Kolory pól zdeterminowane są poprzez wartości miar (pole T). Utrudnia to budowę większości raportów, gdyż potrzebujemy mieć dane spivotowane (w układzie tabeli przestawnej) lub potrzebujemy stworzyć wiele miar. Przykład dla tygodni roku zająłby wieki, więc pokażę działanie dla kliku lat.

Zalety

• Wbudowane palety kolorów.

Wady

• Zacina się.
• Nie da się budować układów hierarchicznych.
• Wymaganych jest wiele miar.
• Brak żadnej możliwości sterowania przedziałami (np. początek i koniec).
• Brak sortowania i wsparcie interakcji.

Wniosek

Omijaj z daleka 🙂 Testowałem też inną wizualizację Heat Streams, ale dla niej również szkoda pióra.

Plik do pobrania

Więcej szczegółów dostępnych jest w pliku Power BI: Table Heatmap.

Co to Column Chart with Variance?

Po polsku wykres kolumnowy z odchyleniem, choć to tłumaczenie nie do końca odzwierciedla faktyczną funkcjonalność. Wizualizacja pozwala porównywać dwie wartości, np. aktualne i prognozowane, aktualne i przeszłe, aktualne z planowanymi itd. Na pierwszym wykresie słupkowym pokazuje je jedna za drugą, a na drugim odkłada różnice między nimi – także w słupkach. Wykres podobny jest do mojego szablonu wykresu finansowego dla Excela.

Pobierz 3AG Systems – Column Chart with Variance

Nie raz opisywałem na blogu zasady korzystania z wizualizacji niestandardowych, a ta niczym się nie różni. Najpierw pobierz plik z wizualizacją ze sklepu z aplikacjami Microsoft; wyszukaj 3AG Systems – Column Chart with Variance lub kliknij tutaj i pobierz wizualizację.

Po pobraniu pliku otwórz Power BI i w panelu Wizualizacje kliknij na kropki, a następnie Importuj z pliku.

Znajdź plik, który właśnie pobrałeś i wybierz go. Po załadowaniu powinien pojawić się komunikat o pomyślnym zaimportowaniu elementu wizualnego.

Ikonka 3AG System – Column Chart with Variance jest na końcu możliwych wizualizacji do wyboru.

Wykres dodany! Możesz przystąpić do przygotowania wykresu.

Jakie inne wykresy dostarczyła użytkownikom Power BI firma 3AG Systems?

Ten wykres to 1 z kilku wykresów od 3AG Systems, które znajdziemy w Power BI. Zamiast odchylenia wartościowego znajdziemy procentowe (relative variance), zamiast kolumn słupki (bar) i wreszcie mój ulubiony wykres panelowy (small multiples).

Jak przygotować wykres?

Posługuję się standardowo danymi sprzedażowymi od 2011 do 2014. Moim celem będzie porównywanie sprzedaży tegorocznej z zeszłoroczną, planami i prognozami. Do tego mam dołączone regiony sprzedażowe, informacje o celach sprzedażowych i oznaczenia lat sprzedaży.
Zaczniemy od porównania sprzedaży tegorocznej z zeszłoroczną. Kliknij na ikonkę Column Chart with Variance, a następnie uzupełnij pola Category, Actual oraz Previous Year.

W Category wstawię Region z tabeli regiony, a w pozostałe pola sumy sprzedaży tegorocznej i zeszłorocznej. Efekt?

Nic się nie dzieje, a oba słupki są takiej samej wysokości. Brakuje filtru. Dodajmy fragmentator z latami i zobaczmy, jak zmieniła się sprzedaż np. w 2013 w porównaniu z 2012.

Tu już się dzieje! Interpretację zacznijmy od wykresu na dole. Ciemne słupki oznaczają sprzedaż tegoroczną, czyli z 2013. Szare natomiast to sprzedaż z 2012. Czasami wyższe są słupki ciemne, a czasami te jaśniejsze – odzwierciedleniem tego jest wykres powyżej. To właśnie on pokazuje wariancję – o ile wzrosła lub spadła sprzedaż w porównaniu z poprzednim rokiem dla każdego regionu.

Wiele wykresów, jeden dashboard

Jak już wspomniałem na początku, Column Chart with Variance pozwala porównywać wartości aktualne, przeszłe, prognozowane i cele (plany). 3AG przewidziało, że być może będziemy potrzebować wstawić wszystkie te wykresy na jednym raporcie. Przygotowałem wykresy porównujące sprzedaż z planami i prognozami. Kolory słupków i gradienty różnią się w zależności od pokazywanych kategorii wartości.

Każdy wykres można dostosowywać do własnych potrzeb, np. zmieniając jednostkę etykiet danych. Na wykresie ze sprzedażą w porównaniu z planami zmieniłem jednostki na tysiące.

W polu Category można wstawić nie tylko klasyczne zmienne kategoryczne, które wymagają później filtru np. po latach, ale także same lata.

Wtedy zastosowanie filtru jest zbędne.

Czy plany mojej firmy są realne? Sprawdź sam!

Porównywanie wartości to kwintesencja analizy danych. Sprzedaż rośnie, maleje, plany są wyśrubowane – dowiesz się tego tylko wtedy, gdy porównasz wartości. Wizualizacja Column Chart with Variance pozwala porównać wyniki dla różnych okresów, ale także automatycznie tworzy wykres odchyleń. Co więcej, kolory i symbole wykorzystywane w wizualizacji są spójne ze Standardem Międzynarodowej Komunikacji Biznesowej (IBCS), więc z powodzeniem można ją wykorzystać do wdrożenia standardu. Pozostaje jednak jeszcze pole do rozwoju. Wykresy nie mają możliwości przeskalowania, przez co w przypadku większych różnic, mniejsze będą niezauważalne. Nie ma też opcji pokazania procentowych różnic – aby to zrobić, trzeba pobrać kolejną niestandardową wizualizację, która jest dedykowana pokazaniu zmian procentowych. Problemem może być także brak możliwości formatowania, co szczególnie widać na wykresie z prognozami – etykiety nakładają się na siebie, przez co są niejasne. Nie ma też możliwości interakcji z wykresem. Niemniej, skorzystanie z wizualizacji Column Chart with Variance to świetny sposób na czytelne przedstawienie danych i szybką informację o różnicach. Spróbuj sam!

Wykres kolumnowy nie zawsze jest najlepszym wyborem

Dla danych, które mieszczą się w wąskim przedziale liczbowym, oddalonym od punktu 0, wykres kolumnowy niekoniecznie będzie dobrym pomysłem. Dla poniższego wykresu różnice między średnim rabatem procentowym są niewielkie, a zaczynanie osi w „0” (zgodne z zasadą z infografiki) nie przynosi korzyści.

Wykres punktowy jako dot plot w Power BI

Alternatywą będzie wykres punktowy, który jako oś x przyjmuje nie tylko miary, lecz także wymiary. W poniższym przykładzie do osi x trafia pole Region, a pole Kategoria produktu trafia na półkę Legenda.

Teraz swobodnie możemy sterować osią y, bez ryzyka, że obraz danych ulegnie zniekształceniu.

Niestety posłużenie się wymiarem na osi x wyłącza działanie półki Szczegóły. Jeśli chcemy, aby wykres narysował się z dokładnością do rabatu udzielonego pojedynczemu Klientowi, wykres przestaje działać.

Wykres punktowy dot plot od OKViz dla Power BI

W takiej sytuacji pomoże nam inny wykres dot plot, stworzony jako wizualizacja niestandardowa. Wykres od OK Viz pozwala nie tylko na kolorowanie punktów, ale też na zwiększanie stopnia szczegółowości poprzez półkę Axis. W naszym przypadku umieszczenie tam pola Klient pozwala na utworzenie wykresu zgodnie z oczekiwaniami i odkrycie kilku klientów, dla których średni rabat procentowy znacznie przekracza ramy ustalone w polityce rabatowej (0-10%).

Niestety i ten wykres nie jest pozbawiony wad – nie posiada etykietki, więc nie dokopiemy się łatwo do nazwiska klienta. Wykres ten nie wspiera także filtrowania. Dość szybko pojawiło się ostrzeżenie o zbyt dużej ilości punktów.

Wykres punktowy dot plot od MAQ Software

Najlepiej w zadaniu wypadł wykres dot plot od MAQ Software – kolejna testowana przeze mnie wizualizacja niestandardowa.

Wykres ten pozwolił nie tylko przygotować odpowiedni układ danych, ale także:

• Zmienić układ na poziomy,
• Dodać sumę obrotów jako wielkość bąbelka (Bubble size),
• Rozproszyć punkty techniką drgania (ang. jitteringu),
• Podświetlić w etykietce nazwisko klienta i dodać ewentualnie inne pola do Tooltips,
• Filtrować inne wykresy.

Ten wykres to zdecydowany zwycięzca w konkursie na najlepszy dot plot w Power BI.

Plik do pobrania

Tu możesz pobrać plik z wykresem dot plot w Power BI i samodzielnie przetestować 3 wizualizacje.

Tworzenie wizualizacji Power KPI w Power BI

Power KPI pozwala na konstrukcję wieloliniowych wykresów z szerokim wachlarzem opcji, które mogą być konfigurowane w różny sposób. Prezentuje tytuł oraz podtytuł prezentacji, ostatnią datę oraz poziom KPI (wraz z wartością, odchyleniem oraz przypisanym do niego symbolem).

Typowa budowa wykresu dla KPI to dane źródłowe zawierające miarę z aktualnymi wartościami dla KPI oraz drugą miarę z wartościami, które będą dla pierwszej porównaniem, co umożliwi utworzenie ikony sygnalizacji statusu (KPI Indicator).

Kolejne półki dla danych tej wizualizacji stanowią pola niezbędne do jej zastosowania. Pierwsza półka (wymagana), umieszczona w obszarze wartości, traktowana jest jako wartość aktualna, druga miara (opcjonalna) umieszczona w obszarze wartości traktowana jest jako główna oś porównań dla wartości KPI. Niezbędne jest również umieszczenie kategorii, które pozwolą na stworzenie osi x, zwykle są to data lub czas, nazywane później jako wartość daty KPI. Można jednak użyć w ich zastępstwie daty jako tekstu lub jakiejś kategorii.

Na samej wizualizacji wyświetlana jest po lewej stronie ostatnia data (KPI Date Value), dla której prezentowana jest wartość na wykresie. Po umieszczeniu danych aktualnych również dla tej daty, pojawia się suma wartości aktualnych – na poniższym wykresie po środku (KPI Actual Value).

Domyślnie procentowa różnica (pomiędzy danymi rzeczywistymi a np. budżetem), kalkulowana jest automatycznie pomiędzy dwoma seriami, a następnie prezentowana na wykresie jako KPI Indicator Value (etykieta pierwsza od prawej strony). Oczywiście nie musi być ona zawsze widoczna, można ją ukryć lub w tym miejscu wykorzystać inna miarę. Wówczas wystarczy w obszarze KPI Indicator Value umieścić pole, z którego wartość ma być prezentowana na wykresie.

Umieszczając kolejne pole w obszarze Values, automatycznie wygenerujemy kolejną wartość KPI (Second KPI Indicator Value), która może być (podobnie jak w przypadku KPI Indicator Value) wyliczana automatycznie na podstawie porównania pól z obszaru Values lub może być to pole wybrane przez nas. Etykieta na wykresie pojawi się pomiędzy aktualną wartością (KPI Actual Value) a pierwszym KPI (KPI Indicator Value).

Należy pamiętać, że pokazane wartości na wykresie to wartości dla ostatniego punktu danych wykresu. W poniższym przypadku są to wartości dla daty 16-6-2017. By zobaczyć wartości dla innych dat, wystarczy wybrać punkt na wykresie, a kolejne wartości KPI oraz pozostałe miary pojawią się w etykietce.

KPI Idicator Index jest to wybór grafiki, która może ale nie musi, pojawić się przy określonym poziomie KPI.

Jak stworzyć poziomy dla KPI?

Wizualizacja Power KPI nie pozwala na wyklikanie przedziałów/progów wykonania KPIów np. nie pokaże nam czerwonego wykrzyknika, gdy miara będzie odchylała się od zamierzonej o 5% i więcej. Potrzebujemy zatem stworzyć dodatkową miarę, która będzie zwracała wynik w liczbach całkowitych od 1 do 5, które oznaczają w tej wizualizacji kolejne statusy. Miarę umieszczamy na półce KPI Symol Index, co umożliwi opisanie jej symbolom wybranym w części Format dla KPI Indicator (kolor i kształt). Jak widać w Polu format pojawiają się KPI od 1 do 5 – tyle dokładnie różnych poziomów możemy opisać przy pomocy kształtów i kolorów.

Jakie opcje edycji posiada Power KPI?

Opcje formatowania wykresu Power KPI są naprawdę  bogate. Podlegające konfiguracji elementy KPI to:

• Symbole KPI – koło, trójkąt, kwadrat, diament, flaga, wykrzyknik, znacznik wyboru, strzałki, dłoń, koło, koło jako znacznik wyboru, gwiazda, połączone z gamą kolorystyczną.
• Bogate opcje formatowania – alternatywne tytuły, etykiety, podpowiedzi, czcionki, kolory, kolory tła.
• Opcje układu – włącz/wyłącz wszystkie wartości na karcie, wybierz jeden z układów.
• Liczne opcje wykresów – dostępne są niemal wszystkie funkcjonalności wykresów jak w Power BI, m.in. formaty liczb, ustawienia osi X oraz Y, etykiety i linie odniesienia, style linii, legenda i lokalizacja wykresu, podpowiedzi uruchamiające się po najechaniu.
• Skalowanie automatyczne – zaprojektuj większy kafelek w swoim raporcie z większymi szczegółami, a po przepięciu go do panelu kontrolnego Power BI możesz zmienić rozmiar na mniejsze wersje kafelka, bez utraty szczegółów i bez potrzeby tworzenia osobnych kafelków raportu w tym celu.

Poniżej pełna lista elementów, które w Power KPI moją podlegać zmianom – cała sekcja Format.