Gdzie znajdziesz Power Query i jak odświeżysz zapytania? 

W Excelu 365 Power Query znajdziesz na karcie Dane pod przyciskiem Pobierz dane. Tuż obok jest przycisk Odśwież wszystko, którym uruchomisz proces aktualizacji. 

Tu znajdziesz informację, gdzie znaleźć PQ w poprzednich wersjach Excela: 
https://www.youtube.com/watch?v=NNgW8fI-Vg8 

W Power BI Desktop przyciski Pobierz dane i Odśwież znajdziesz od razu po uruchomieniu aplikacji na karcie Narzędzia główne. Od września 2025 r. można oprócz pełnego odświeżenia schematu i danych, wybrać tylko schemat lub tylko dane. 

Jak odświeżać zapytania Power Query automatycznie? 

W Excelu nastaw się na aktualizację ręczną. Większość użytkowników, otwiera plik > uruchamia prawy panel Zapytania i połączenia > klika Odśwież wszystko i upewnia się, że proces przebiegł poprawnie, patrząc na wyniki w Excelu i status zapytań. 

We właściwościach zapytania znajdziesz dodatkowe opcje: 

1. Odśwież co… – tu ustawisz automatyczne uruchamianie procesu odświeżania co x minut. Plik musi być otwarty. 
2. Odśwież dane podczas otwierania pliku – nie musisz klikać Odśwież wszystko. 

Istnieją niestandardowe sposoby, aby zautomatyzować odświeżanie bez użytkownika, ale wymagają użycia narzędzi zewnętrznych i skryptów VBA, Power Automate czy Power Shell. 

W Excelu 365 przez przeglądarkę nie da się na ten moment tworzyć zapytań, ale można je odświeżać. Warunkiem jest, aby źródło danych było umieszczone w przestrzeni online (np. na SharePoint/OneDrive). 

W Power BI Desktop wywołanie procesu odświeżenia jest ręczne, ale w Usłudze Power BI (w przeglądarce) można ten proces zautomatyzować na koncie płatnym Pro. Oprócz tego istnieje szereg technik uruchamiania tego procesu inaczej, np. przez Power Automate czy przez API Power BI Service. 

💡Ciekawostka nt. Power Query w usłudze Power BI 

Przepływy danych (ang. Dataflows) są odpowiednikiem Power Query w usłudze Power BI. Służą do stworzenia poprzedzającej warstwy danych danych, która może być wykorzystywana w wielu modelach semantycznych (raportach). Narzędzie ma bardzo podobny interfejs i zasadę działania. Kryje też kilka nowości w porównaniu z wersją stacjonarną w Excelu czy Power BI. 

Więcej o dataflows: https://skuteczneraporty.pl/poznaj-przeplywy-danych-ang-dataflows-czyli-power-query-w-przegladarce/ 

PQ ma też dużo wspólnego z narzędziem Dataflows Gen2 w Microsoft Fabric. 

Lista źródeł danych wspieranych przez Power Query 

W Excelu znajdziesz najważniejsze źródła danych dla użytkownika: pliki, bazy danych SQL, Azure, platformę Power, usługi Online czy innych źródeł. 

Nie wszystkie wersje Excela 365 mają taką samą listę. Przykładowo, tylko w wersji Microsoft 365 dla przedsiębiorstw (ang. Enterprise) znajdziesz connector do folderu SharePoint czy SAP HANA. 

Power BI może się w tym zakresie pochwalić znacznie większym wachlarzem źródeł danych, w szczególności w zakładkach Baza danych, Azure, Usługi online i Inne. 

Co interesujące, w obu narzędziach możemy podłączyć się do Modelu semantycznego usługi Power BI (w Excelu oglądamy go w tabeli przestawnej) i przepływów danych. Model semantyczny można też wczytać na poziomie zapytania, korzystając z łącznika Baza danych usługi SQL Server Analysis Services (w Excelu znajdziesz ją z dopiskiem „import”). Połączenie odbywa się przez XMLA Endpoint i wymaga pojemności Premium (Premium Per User lub Fabric Capacity). 

Jest jednak źródło, które nie istnieje w Power BI, a jest w Excelu? Jakie? 

Tabela lub zakres, które pochodzą z aktualnie otwartego pliku. 

Jak ponownie otworzyć okienko Power Query? 

W Excelu kliknij dwa razy lewym przyciskiem myszy dowolne zapytanie w prawym panelu Zapytania i połączenia. 

Ewentualnie dłuższa droga wiedzie przez Dane > Pobierz dane > Uruchom edytora dodatku Power Query.  

Skrót do PQ możesz dodać do paska narzędzi Szybki dostęp. 

W Power BI Desktop zwykle klikniesz niebieski ołówek z karty Narzędzia główne o nazwie Przekształć dane. 

Możesz też kliknąć prawym przyciskiem myszy na tabeli w prawym panelu Dane > Edytuj zapytania. 

Jak wyłączyć ładowanie niepotrzebnych zapytań Power Query? 

Kolejna różnica między Excelem a Power BI polega na dezaktywacji zapytań, które mają się odświeżać, ale nie mają ładować danych. W Excelu masz 2 opcje: 

• Kliknij prawym przyciskiem w panelu Zapytania i połączenia > Załaduj do… > Utwórz tylko połączenie. 

Pozostałe opcje ładowania omówiłem tu: https://skuteczneraporty.pl/jak-wstawic-tabele-przestawna-bezposrednio-na-zapytaniu-power-query-lekcja-7-w-kursie-pobieranie-danych-w-excelu-dla-finansistow/;

• Usuń arkusz z zapytaniem (polecam ten sposób). 

Z kolei w Power BI Desktop opcję tę znajdziesz w samym Power Query i klikasz ją jeszcze przed załadowaniem danych do modelu danych. W prawym panelu Zapytania kliknij prawym przyciskiem myszy na zapytanie > Odznacz opcję Włącz ładowanie. 

Jak zakończyć zapytanie Power Query? 

Przycisk kończący nasze zapytanie jest w obu narzędziach w tym samym miejscu. W Excelu nazywa się Zamknij i załaduj, podczas gdy w Power BI Zamknij i zastosuj. 

Czy Power Query blokuje aplikację? 

W Excelu tak. Dopóki nie wyjdziesz z PQ, nie możesz podejrzeć aktualnie otwartego pliku i uruchomić innego. 

W Power BI możesz działać jednocześnie na raporcie i w edytorze zapytań. 

💡Ciekawostka Power Query dla Excela 

Jeśli uruchomisz nową instancję Excela (przytrzymaj lewy Alt i kliknij ikonkę Excela na pasku zadań), możesz działać na innych Excelowych plikach podczas pracy w Power Query.  

Gdzie rozpocząć nowe zapytanie w Power Query? 

Przycisk Nowe źródło umieszczono w Excelu na końcu wstążki Narzędzia główne (1). 

Natomiast w Power BI Desktop jest on tuż obok przycisku odświeżania (2). 

W obu narzędziach możesz też kliknąć prawym przyciskiem myszy w panelu Zapytania > Nowe źródło (3). 

💡Ciekawostka nt. przenoszenia zapytań Power Query 

Zapytania (wraz z kodem języka M) możesz przenosić między oknami Excela i Power BI. W jednym narzędziu zaznacz wszystkie zapytania > prawy przycisk myszy > Kopiuj > przejdź do drugiej aplikacji > prawy przycisk myszy > wklej.  

Zapytania możesz przenosić w podobny sposób do Przepływów danych usługi Power BI. 

Czy w Power Query można stosować inne języki programowania? 

Tak, ale tylko w Power BI Desktop. Na końcu karty Przekształć znajdziesz dwa przyciski, których nie ma w Excelu: 

• Uruchom skrypt języka R 

• Uruchom skrypt języka Python 

Dany język i towarzyszący mu serwer muszą być zainstalowane na Twoim komputerze. 

Oto przykład wykorzystania R do eksportu danych z PQ do Excela: 

Jak zdiagnozować i poprawić wydajność zapytania Power Query? 

Kolejna różnica wynika z dodatkowej zakładki w interfejsie, którą znajdziesz tylko w Power BI Desktop. Mowa o karcie Narzędzia. 

Są tu narzędzia służące do optymalizacji działania zapytań. 

W Power BI Desktop jest jeszcze karta Pomoc, ale zawiera głównie szereg linków do stron internetowych. 

Jak Power Query komunikuje błędy w danych zapytania? 

W Excelu spodziewaj się dodatkowych informacji w panelu Zapytania i połączenia – obok liczby wierszy. 

W Power BI Desktop pojawia się czerwona flaga tuż po odświeżeniu. 

Gdzie Power Query działa szybciej? 

W moich wewnętrznych testach zdecydowanie wygrywa Power Query po stronie Power BI Desktop. Wynika to głównie z optymalizacji pamięci RAM i lepszego zarządzania pamięcią podręczną. 

Znasz inne różnice między Power Query w Excelu i Power Query w Power BI? 

Podziel się w komentarzu. 

Jak działa wykres pociskowy?

Jeśli nie znasz tego typu wykresu, zerknij na blog SkuteczneRaporty.pl. Znajdziesz tam kilka artykułów o tej wizualizacji:

• Wykres pociskowy jako alternatywa dla liczników na dashboardzie
• Wykres pociskowy w Excelu idealny do dashboardu

Źródło inspiracji nt. obrazków SVG w Power BI

Pomysłodawczynią użycia obrazka SVG wewnątrz wizualizacji typu Macierz jest Kerry Kolosko, a link do portfolio wraz z gotowym kodem DAX (na którym będziemy się wzorować) znajdziesz tutaj: https://kerrykolosko.com/portfolio/progress-bars/.

Jak wstawić wykres pociskowy w macierzy Power BI?

Skopiuj kod dotyczący Bullet Chart i wklej go do nowej miary.

Podstaw Twoje własne miary wg poniższej instrukcji:

Krok 1

Zdecyduj, które miary będą zmiennymi – czyli wartości, które będziesz chciał ze sobą porównywać. W naszym przykładzie będzie to porównanie sumy bieżącej wartości marży z poziomem Marży I (czerwona linia targetu) oraz Marży II (jasnoniebieskie wypełnienie) według kategorii produktu. Chcemy więc pokazać na naszym wykresie pociskowym, czy aktualna wartość Marży zbliża się do docelowych wartości, którymi są Marża I i II.

Krok 2

Zdefiniuj zakres osi dla każdej z miar – w tym celu użyj funkcji MAXX, która zwróci maksymalne wartości dla poszczególnych miar.

Krok 3

Określ długość słupków oraz pozycję czerwonej linii, która wskazuje, jak daleko jesteśmy od realizacji celu.

Krok 4

Jeśli użyjesz funkcji HASONVALUE oraz IF na macierzy zwizualizujesz Bullet Chart dla poszczególnych kategorii, ale w podsumowaniu już go nie będzie.

Krok 5

Skonfiguruj właściwości obrazka SVG – ta część kodu dotyczy obrazka SVG i to właśnie w tym miejscu możesz zdecydować nie tylko o kolorze słupków, ale również o ich rozmiarach.

Krok 6

Zamień typ kategorii nowo powstałej miary – kliknij daną miarę, następnie przejdź do Narzędzi miar i wybierz z listy rozwijalnej: ”Adres URL obrazu”

Na blogu Kerry Kolosko znajdziesz również inne przykłady gotowych kodów DAX, dzięki którym stworzysz niestandardowe wizualizacje. Warto też skorzystać z gotowych tutoriali na YouTube, z pomocą których w łatwy sposób dostosujesz dostępny kod do własnych potrzeb raportowych.

• https://www.youtube.com/watch?v=wc8jlKHTyYI
• https://www.youtube.com/watch?v=Blrn53FyJ3o
• https://www.youtube.com/watch?v=H8gaMK1iYuI

Pobierz plik Power BI i skopiuj miary do swojego modelu

Tutaj znajdziesz gotowy plik Wykres pociskowy w Power BI do pobrania.

Kilka uwag na początek:

• Poniższe oczekiwania potraktuj jako listę życzeń – nie musisz spełniać ich wszystkich (np. jeśli znasz Power BI, a nie znasz RPA, nadal możesz aplikować).
• Doświadczenie trenerskie nie jest wymagane – kluczowe są dla mnie pasja i kontakt z ludźmi.
• Nie oczekuję, że znasz wszystkie technologie wymienione na samym dole, a tylko część z nich. Więc jeśli wpiszesz gdzieś „0”, nadal możesz aplikować.

Oczekiwania:

• pasjonat w temacie raportowania i technologii
• komunikatywność, umiejętność przedstawiania trudnych zagadnień w prosty sposób, świetny kontakt z ludźmi
• bardzo dobra znajomość technologii raportowych Power od Microsoft (Power BI, Power Query, model danych, DAX, Power Pivot), potwierdzona zbudowanymi raportami
• bardzo dobra znajomość programu Excel
• co najmniej dobra znajomość języka SQL i VBA
• mile widziana znajomość narzędzi RPA: UiPath i/lub Power Automate
• mile widziane doświadczenie trenerskie
• bardzo dobra znajomość języka angielskiego, umożliwiająca prowadzenie szkoleń
• umiejętność radzenia sobie ze stresem
• gotowość do podróży służbowych (Polska i Europa)

Zakres obowiązków:

• prowadzenie szkoleń na rzecz klientów zewnętrznych – w siedzibie klienta lub online – z zakresu technologii Power i RPA
• tworzenie materiałów szkoleniowych i edukacyjnych
• udział w eventach i konferencjach
• realizacja projektów na rzecz klientów
• dbanie o ciągły rozwój własny i bycie na bieżąco ze światem technologii

Co oferuję:

• atrakcyjne wynagrodzenie w widełkach 10 000 – 20 000 zł brutto
• pełne przeszkolenie do pracy trenera
• umowę o pracę lub B2B
• dynamiczny rozwój w różnych technologiach i narzędziach
• stały kontakt z nowymi wyzwaniami i osobami

Jak zaaplikować?

Wyślij na adres kontakt@skuteczneraporty.pl (Temat wiadomości: Rekrutacja):

1. CV
2. Krótkie uzasadnienie udziału w rekrutacji (w treści maila)
3. Opis doświadczenia trenerskiego (jeśli było; też w treści maila)
4. Krótki film w języku angielskim, w którym wyjaśnisz działanie funkcji Excel XLOOKUP (jako załącznik lub link do pliku / filmu)
5. Poniższą listę (w treści maila), w której w sposób punktowy ocenisz swoje kompetencje w skali od 0 do 5 (0 – nic nie wiem, 5 – ekspert). Uzupełniając, ją postaw sobie następujące pytanie: Jeśli dziś miałabyś / miałbyś poprowadzić szkolenie z poniższego zakresu dla grupy uczestników, na ile oceniasz swoje kompetencje:

• Power BI Desktop
• Power BI Online (administracja, data flows, data marts, Pro, Premium itd.)
• Power Query i język M
• Modelowanie danych
• Język DAX
• Excel formuły
• Excel tabele przestawne
• VBA
• SQL
• UiPath
• Power Automate
• Inne języki / aplikacje – napisz jakie

Na zgłoszenia czekam do 15.10.2022.

Dlaczego wykrywamy anomalie?

Podczas analizy danych zazwyczaj staramy się znaleźć jakiś wzorzec danych, zbadać zależności między zmiennymi, aby móc stworzyć uogólniony schemat, który przybliży i wyjaśni nam badane dane zjawisko. Jednakże nie zawsze wszystkie dane w zbiorze zachowują się w taki sam sposób. Niektóre wartości mogą być całkiem odmienne od reszty. Warto się wtedy pochylić również nad takimi wartościami, aby zbadać powód ich wystąpienia, co może pozwolić nam na jeszcze lepsze zrozumienie badanego zagadnienia.

Wykrywanie anomalii jest przede wszystkim stosowane w analizie szeregach czasowych, gdy badamy zmianę danego czynnika w czasie. Szczególnie na wykresie liniowym można wtedy łatwo zauważyć, gdy któraś z obserwacji mocno odstaje na tle pozostałych. Można to wykorzystać m.in. w wykrywaniu awarii – np. w przypadku analizowaniu zużycia energii elektrycznej w gospodarstwie domowym i sprawdzania, czy powstały jakieś spięcia i który ze sprzętów mógł je spowodować, przez co powinien zostać wymieniony.

Ponieważ anomalie to temat na styku analizy danych i data science, polecam zerknąć blog Mirosława Mamczura w tym zakresie.

Wykrywanie anomalii w Power BI

Power BI umożliwia nam automatyczne wykrycie występujących anomalii, jak również ich dalsze, dokładniejsze przeanalizowanie za pomocą kliku prostych kliknięć. Możliwość włączenia wykrywania anomalii pojawi nam się w panelu Wizualizacji w zakładce Analiza pod nazwą Znajdź anomalie.

Wykrywanie anomalii zazwyczaj jest stosowane w przypadku szeregów czasowych, dlatego też w Power BI wykorzystanie jest funkcjonalności będzie tylko możliwe w przypadku danych czasowych – w sekcji Osi w panelu Wizualizacji muszą znajdować się dane typu Data.

Aby zastosować wykrywanie anomalii w praktyce stworzymy sobie prosty wykres liniowy, który będzie prezentował wynik sprzedaży na przestrzeni lat.

Następnie w sekcji wizualizacji przechodzimy do opcji Analiza > Znajdź anomalię > Dodaj. Od razu nasz wykres zostaje wzbogacony o oczekiwany zakres wartości oraz gdy wartość wykracza poza tę oczekiwaną granicę, zostaje oznaczana jako anomalia za pomocą zdefiniowanego przez nas kształtu.

Pierwszą z charakterystyk jest Poufność wyrażona w procentach, za pomocą której określamy dopuszczalne odchylenie od podstawowej wartości, które będzie jeszcze mieścić się w zbiorze wartości oczekiwanych – jeżeli dana wartość wyjdzie poza ten zakres, zostanie sklasyfikowana jako obserwacja odstająca. Im większy procent, tym mniejsze będzie dopuszczalne odchylenie w danych.

Do pola Wyjaśnij według wstawić zmienne, które według nas mogą być przyczyną powstania danej anomalii. W tym celu wystarczy przeciągnąć daną zmienną w puste okienko i kliknąć Zastosuj. Szczególnie przydatna jest ta opcja, gdy chcemy znaleźć przyczynę wystąpienia anomalii, ponieważ Power BI ogranicza wtedy analizę do wskazanych przez nas zmiennych i weryfikuje, czy występuje powiązanie między tymi zmiennymi.

Za pomocą dalszych parametrów możemy również dostosować również kształt, który będzie nam odznaczał anomalię na wykresie, jego wielkość oraz kolor. Pełnej edycji podlega również obszar wartości oczekiwanej, który może zostać zaprezentowany jako sama linia, bądź linia z wypełnieniem w środku. Możemy również wybrać jego kolor oraz stopień jego nasycenia, który regulujemy za pomocą paska w polu Przezroczystość.

Analizowanie anomalii

Oprócz samego wykrywania anomalii, Power BI daje nam również możliwości wyjaśnienia powstania anomalii. W tym celu należy kliknąć w punkt na wykresie, który został zaklasyfikowany jako anomalia, następnie usługa Power BI przeprowadza analizę pól w modelu danych w celu ustalenia możliwych wyjaśnień. Gdy klikniemy na anomalię, z prawej strony pojawi nam się okno o nazwie Anomalie, na którym będzie widoczny analizowany przez nas wykres oraz krótkie podsumowanie znalezionej anomalii.

Dodatkowo w niektórych przypadkach Power BI możne nam podpowiedzieć, co mogło być potencjalną przyczyną wystąpienia odchylenia. Informacje na ten temat znajdziemy w sekcji Możliwe wyjaśnienia.

Poniżej zostaną wynotowane wartości poszczególnych zmiennych, które miały wpływ na powstanie wartości odstającej oraz pod nimi będzie przedstawiona procentowo ich siła oddziaływania na badaną zmienną. Po kliknięciu w znak rozwinięcia znajdujący się po prawej stronie od procentu siły oddziaływania na daną zmienną, pokaże nam się wykres z tej zmiennej wraz z nałożonym wykresem tej zmiennej przyjmującą wartość, która najbardziej wpłynęła na wystąpienie anomalii. Jeżeli chcemy, aby ten wykres również znalazł się na naszym dashboardzie musimy kliknąć Dodaj do reportu poniżej wykresu.

Ograniczenia

• Możliwość wykrywania anomalii jest tylko możliwa w przypadku wykresów liniowych zawierających dane szeregów czasowych w polu oś.
• Wykrywanie anomalii nie jest obsługiwane w przypadku legend, wielu wartości lub wartości drugorzędnych na wykresie liniowym.
• Wykrywanie anomalii wymaga co najmniej 12 punktów danych.
• Linie prognozy, min, max, średniej, mediany i percentyla nie działają z wykrywaniem anomalii.
• Drążenie w dół w celu przejścia do następnego poziomu w hierarchii nie jest obsługiwane.

Przykład zastosowania wykrywania anomalii w Power BI

Przykład 1: analiza zużycia energii

Wykrywanie anomalii może być bardzo przydatne, gdy będziemy chcieli przeanalizować na przykład zużycie energii w naszym domu/mieszkaniu. Dzięki temu będziemy w stanie sprawdzić, w których miesiącach zużywaliśmy energię ponad przeciętnie, a dodatkowo możemy również w ten sposób sprawdzić, czy na przykład pod naszą nieobecności nie zadziała się jakaś awaria sprzętów, bądź któreś z urządzeń wymaga naprawy/wymiany, ponieważ nie działa już w optymalny dla nas sposób.

Przykład 2: Analiza liczby zgonów po kwartałach

Jak wstawić zwykłą tabelę przestawną w Excelu 365?

Proces tworzenia nowej „zwykłej” tabeli przestawnej w Excelu 365 nie uległ zmianie.

Krok 1: Stań kursorem na zakresie komórek lub – lepiej – utwórz tabelę (Ctrl+T).

Krok 2 i 3: Przejdź na kartę Wstawianie > Tabela przestawna.

Krok 4: Kliknij OK, aby wstawić tabelę do nowego arkusza.

O co zatem tyle zamieszania?

Opcje dodatkowa wstawiania tabel przestawnych w Excelu 365

Pod przyciskiem Tabela przestawna pojawiła się nowa opcja, która ulegała zmianie przy poprzednich aktualizacjach Excela 365. Najnowszy wygląd prezentuje się następująco:

O co tu chodzi?

Jak wstawić tabelę przestawną bezpośrednio na zapytaniu Power Query w Excelu 365?

Od wielu lat można w Excelu tworzyć tabele przestawne na zewnętrznych źródłach danych (np. bazach danych), natomiast opcja ta stała się teraz dużo bardziej popularna teraz, gdy jako zewnętrzne źródło danych traktowane jest zapytanie Power Query. Jeśli chcesz uniknąć przechowywania danych w Excelu dwa razy i zbudować jeden przycisk Odśwież wszystko:

1. Pierwszą tabelę przestawną utwórz, ładując zapytanie jako Raport w formie tabeli przestawnej.

2. Kolejne tabele przestawna wstawiaj, wybierając opcję Zewnętrzne źródło danych > Wybierz połączenie. Ewentualnie możesz skopiować i wkleić pierwszą tabelę przestawną.

Jak wstawić tabelę przestawną bezpośrednio na modelu danych utworzonym w dodatku Power Pivot w Excelu 365?

Excel 365 przyniósł ważną zmianę – każda wersja jest wyposażona w Power tabele przestawne, bazujące na modelu danych.

Tabelę przestawną można wstawić na modelu danych na wiele sposobów:

W zwykłym oknie wstawiania tabeli przestawnej

Kończąc zapytanie Power Query i zaznaczając checkbox przy modelu danych.

Wstawiając tabelę przestawną bezpośrednio z widoku Power Pivot

Wszystkie te sposoby działają, jednak żadnego z nich nie polecam. Proponuję zapamiętać następującą kolejność:

1. Załaduj dane do modelu danych jako połączenie (żeby nie przechowywać danych 2 razy w tym samym pliku).

2. Zbuduj model danych i miary DAX w dodatku Power Pivot. Proces ten omówiłem w webinarze wprowadzającym do świata Power tabel przestawnych.

3. W czystym arkuszu kliknij Wstawianie > Tabela przestawna > Z modelu danych.

Jak w Excelu 365 wstawić tabelę przestawną na zestawie danych opublikowanym w usłudze Power BI Online?

Jednym z ciekawszych pomostów stworzonych między światem Power BI i Excelem jest możliwość wstawiania tabel przestawnych na danych (a konkretnie na zestawach danych) opublikowanych w usłudze Power BI Online. Taka integracja Excela z aplikacją BI to trochę święty Graal raportowania. Opcja ta jest reprezentowana w usłudze Power BI przez przycisk Analizuj w programie Excel.

To samo można wyklikać w Excelu na 2 sposoby:

1. Poprzez Power Query, czyli karta Dane > Pobierz dane > Z usługi Power BI

2. Poprzez wstawienie tabeli przestawnej w pustym arkuszu poprzez Wstawianie > Tabela przestawna > Z usługi Power BI.

Jak wstawić tabelę przestawną w Excelu 365?

Oto krótkie podsumowanie graficzne dostępnych opcji, które szczegółowo omawiam na szkoleniach oraz w ramach kursów w Akademii SkuteczneRaporty.pl.

Temat

Power Query + Power BI + PowerPoint = Power Infographics, czyli jak zrobić infografikę w Power BI

Jak wziąć udział w spotkaniu?

Kliknij na link, aby wziąć udział w spotkaniu poprzez Microsoft Teams:
https://teams.microsoft.com/l/meetup-join/19%3ameeting_MGI4MzI0MDktOWU5NC00N2YyLWFhMDctZjE0ZjgyNjAzZjVm%40thread.v2/0?context=%7b%22Tid%22%3a%22c1390450-d146-4f96-9ffd-773d5c35a68f%22%2c%22Oid%22%3a%22e3ea0744-bb2c-4660-abb3-f93e8c279c9d%22%2c%22IsBroadcastMeeting%22%3atrue%7d

Uwagi organizacyjne

1. Spotkanie potrwa ok. 1 h i odbędzie się online w postaci Wydarzenia na żywo poprzez Teams.
2. Spotkanie jest bezpłatne i nie wymaga rejestracji.
3. Rekomendujemy wziąć udział poprzez:
a. Przeglądarkę na komputerze – wówczas można wziąć udział jako gość bez żadnego logowania do Teams.
b. Aplikację Teams na urządzaniach mobilnych – aplikacja jest bezpłatna, ale wymaga założenia bezpłatnego konta Microsoft (założenie trwa ok. 5 min).
4. W czasie prelekcji będzie można zadawać pytania na moderowanym czacie Q&A.

Agenda

• każdy może być analitykiem
• przygotowanie danych w Power Query
• budowa wykresów w Power BI
• projektowanie infografiki w PowerPoint

Prelegent

Paulina Sanak – absolwentka krakowskiej Akademii Górniczo-Hutniczej na wydziale zarządzania. Doświadczony praktyk, od lat związana z procesem wspierania decyzji biznesowych w oparciu o dane. Pracowała w działach analitycznych firm: HSBC, T-Mobile, RBS, Cisco. Obecnie współpracuje z firmą Elitmind, w której głównie zajmuje się wypracowywaniem wraz z klientem końcowej wizji produktów BI. Pasjonatka data storytellingu. Prelegentka SQLDay 2019 i 2020.
linkedin www.linkedin.com/in/paulinasanaklistwan
https://medium.com/@paulinasanaklistwan

Do zobaczenia!

Od maja 2019 w Power BI dostępna jest funkcjonalność Performance Analyzer (po polsku trochę gorzej brzmiący Analizator wydajności) , która w walce o poprawę wydajności niezwykle pomaga. W jaki sposób zbadać, co spowalnia nasz raport?

Gdzie znaleźć Analizator wydajności?

Znajduje się na karcie Widok > Analizator wydajności.  

Do czego służy Analizator wydajności?

Pozwala zidentyfikować operacje wykonywane “na raporcie” podczas interakcji użytkownika z raportem. Sumuje czasy wykonywania poszczególnych operacji dla każdej z wizualizacji, pozwalając na porównanie czasów ich trwania. Zebrane dane można również pobrać i poddać dalszej analizie, ponieważ zawierają dużo bardziej szczegółową informację dotyczącą wykonanych operacji.  Daje również możliwość skopiowania zapytań DAX generowanych podczas odświeżania wizualizacji.

Powiązanie działań użytkownika a wizualizacji i zapytań, podstawowe informacje

Po uruchomieniu Analizatora wydajności po prawej stronie pojawi się dedykowany mu panel, z kolejnymi funkcjonalnościami.

Aby sprawdzić wydajność na początku należy wybrać przycisk Rozpocznij nagrywanie, co uruchomi rejestrację kolejnych zdarzeń i ich pomiar. By wywołać jakieś akcje możliwe do zarejestrowania, wystarczy wykonać działania na raporcie lub wybrać Odśwież wizualizacje, co w efekcie spowoduje odświeżenie wszystkich wizualizacji na aktualnej karcie raportu.

Po wybraniu Odśwież wizualizacje, wygenerowana zostanie lista odświeżonych wizualizacji wraz z czasem ich trwania. Całą listę można wygodnie posortować, według widocznych na poniższym screenie kategorii.

Często korzystając z listy elementów Analizatora wydajności trudno odgadnąć, z którą wizualizacją mamy do czynienia, więc warto je nazywać. Z panelu Wybór.

Możemy też wybrać dany element z widoku raportu, a zostanie podświetlony na liście w Analizatorze wydajności i na odwrót.

Warto pamiętać o tym, że jeżeli nie zatrzymamy nagrywania w Analizatorze, wówczas każde działanie zostanie „nagrane” i odzwierciedlone w analizie. Co po pewnym czasie może wygenerować dość długą listę…

Jednak nie ma się czym martwić bo listę (warto pamiętać, że całą) można wyczyścić przy pomocy przycisku „Wyczyść” .

Bardzo przydatną opcją jest możliwość zmierzenia wydajności jednej wybranej wizualizacji, poprzez wybranie przycisku Odśwież tę wizualizację , opcja ta jest możliwa jedynie w momencie kiedy widoczny jest panel Analizatora wydajności.

Szczegółowe informacje dotyczące Analizatora Wydajności

Czas generowania/odświeżania danej wizualizacji jest mierzony na różnych płaszczyznach :

• Zapytanie DAX – czas potrzebny na otrzymanie wyniku zapytania DAX towarzyszącego danej wizualizacji

• Wyświetlenie elementu wizualnego – czas potrzebny na utworzenie wizualizacji opartej na kalkulacji DAX
• Inne – czas oczekiwania na wygenerowanie innych wizualizacji, można nazwać to czasem oczekiwania w kolejce na wygenerowania innych wizualizacji

Opcja, która pozostała jeszcze do omówienia, to Kopiuj zapytanie. Pozwala na przechwycenie zapytania, które towarzyszy wygenerowaniu danej wizualizacji.

Wyniki Analizatora wydajności, czyli całą listę operacji wraz z czasami, również możemy wyeksportować do pliku .json przy pomocy przycisku Eksportuj. A w kolejnych krokach wykorzystać jako źródło do wizualizacji w Power BI i zaprezentować wyniki wydajności w raporcie.

Na ciekawe aspekty wyników otrzymanych w Analizatorze wydajności zwraca również uwagę Seequality, a mianowicie:

• wykorzystanie cache przy odświeżaniu wizualizacji, co może zaburzać prawidłowość otrzymanych wyników w Analizatorze  
• synchronizacja slicerów pomiędzy stronami raportu, które również wpływają na czas odświeżenia wizualizacji, co widać w części Inne.

Podsumowanie

Analizator wydajności jest bardzo przydatnym narzędziem, pozwalającym na rozpoczęcie pracy z optymalizacją tworzonego przez nas raportu, ale też łatwe jej sprawdzenie. Szybko wskazuje miejsca, gdzie może być problem z wydajnością i daje możliwość wyeksportowania wyników analiz. Warto jednak pamiętać o takich kruczakach jak część Inne czy mierzenie wydajności bez wyczyszczenia cache. Dla ciekawskich Microsoft udostępnił dodatkowe informacje na GitHubie.

Podgląd danych

Wchodząc do Edytora kwerend w kartę Widok ,w sekcji Podgląd danych znajduję trzy opcje: Rozkład kolumn, Profil kolumny, Jakość kolumn.

Rozkład kolumn

Rozkład wartości (unikatowych oraz odrębnych) oraz ich liczba, w każdej z kolumn jest zaprezentowany graficznie.

Jakość kolumn

Pokazuje jak rozkładają się procentowo wartości w poszczególnych kolumnach , w kategoriach prawidłowe, błąd  oraz puste. Jakość danych  w kolumnie prezentowana jest również na pasku, pojawiającym się zaraz pod nazwą kolumny.

Kolor zielony świadczy o prawidłowości danych, domieszki innych sugerują braki lub błędy.

Profil kolumny

To nowa funkcjonalność, która dokładniej pozwala przedstawić zawartość wybranej kolumny:

– Statystyki kolumn – dostępne po lewej stronie okna, w zależności od typu danych (tekstowe, liczbowe, data) w kolumnie mogą się pojawić inne miary. Znajdę tu m.in. liczba elementów, liczba błędów, pustych, minimum, maksimum, średnia, mediana, odchylenie standardowe

– Rozkład kolumn  – widoczne po prawej stronie okna, jest to powiększona wersja histogramu widocznego przy włączonej opcji Rozkład kolumn (omawianej wyżej w artykule). Posiada dodatkową funkcjonalność, wybierając jedną z kolumn histogramu , pojawia się okno z opcją Zachowaj/ Usuń . Jest to możliwość modyfikowania filtrów na danej kolumnie:

                – Zachowaj > powoduje założenie filtru, z wybraną wartością na kolumnie

                – Usuń > powoduje odznaczenie danej wartości z filtrów w kolumnie

Krok filtrowania pojawia się również po prawej stronie wśród Zastosowanych kroków analizowanego  zapytania.

Profilowanie kolumn na podstawie wybranej bazy wierszy

Do tej pory możliwe było profilowanie  kolumn jedynie na podstawie 1000 pierwszych wyświetlanych wierszy. Aktualnie dzięki wprowadzonym zmianom profilowanie dostępne jest także, dla całego zestawu danych. Przełączenie tej opcji dostępne jest na dole Edytora kwerend.

Przejście od obrazu do działania

Power Query pozwala umożliwia też wykonanie od razu na widoku profilu kolumny podstawowe operacje, takie jak:

• filtrowanie
• operacje na błędach
• praca na duplikatach
• usuwanie pustych
• zamiana wartości
• kopiowanie dystrybucji w postaci tabeli do Excela

Czekamy na kolejne funkcje i ich wprowadzenie także do Excela.

Dokładnie takie funkcjonalności daje Power BI, dziś kilka przykładów, jak to zrobić.

Proste definiowanie ról

Na początku do raportu Power BI pobieram dane dot. sprzedaży. Narzędzia główne > Pobierz dane > Excel > Wybieram arkusz dane >  Załaduj.

Następnie by utworzyć role wybieram kartę Modelowanie > Zarządzaj rolami.

Role będą opierały się na regionach. W pliku sprzedaż znajduje się kolumna o nazwie Region , poniżej widać zawarte w niej elementy. Role , które będę tworzyć będą odpowiednie dla kierowników każdego z występujących na liście elementów, czyli regionów.

W części Role tworzę nowe role i nadaję im nazwy, w kolejnej części czyli Tabele, wskazuję na jakiej tabeli , a tym samym na jakich wierszach i wartościach chcę oprzeć daną rolę. Wybieram w tym miejscu tabelę oraz wskazuję kolumnę (klikając wielokropek obok nazwy tabeli) na której zakładam filtr.

W kolejnej części wybieram  wartość filtru jaka ma być przyjęta dla danej roli. W tym przykładzie tworzę rolę dla regionu centralnego , tym samym wyrażenie DAX filtru tabeli dla kolumny Region , będzie przyjmowało wartość centralny. Po uzupełnieniu wszystkich pól wybieram Zapisz.

Takie same operacje wykonuję dla pozostałych regionów.

W trakcie dodawania kolejnych ról mogę skorzystać z filtrów utworzonych dla wcześniejszych ról.

Sprawdzenie działania utworzonych ról

Tworzę prosty wykres Zysk w podziale na Region, tak by móc faktycznie sprawdzić działanie utworzonych ról.

Wybieram konkretną rolę poprzez Modelowanie > Wyświetl jako role.  Na liście wyboru widzę utworzone przeze mnie role oraz Brak, Inni użytkownicy. Wybieram rolę Wschodni.

W  tym momencie widok raportu został zawężony do regionu Wschodni  , na górnym pasku pojawia się również komunikat , że wyświetlam dane w roli Wschodni. By znów zobaczyć pełen zakres danych wybieram szary przycisk Zatrzymaj wyświetlanie.

Zastosowanie funkcji OR

Cóż począć gdy kierownicy odpowiadają za więcej niż jeden Region? Wówczas należy zastosować funkcję OR języka DAX. Poprzez Zarządzanie rolami dodaję nową rolę Makro północny , która  będzie zawierać w sobie dostęp do regionu północnego oraz północno zachodniego. Dodaję filtr , tak jak w poprzednich przypadkach na kolumnie Region.

Zastosowanie funkcji USERNAME – powiązanie z kontem użytkownika

By z tej funkcjonalności skorzystać, muszę się dowiedzieć, jak nazywa się moja nazwa użytkownika. W tym celu tworzę nowe puste zapytanie i nadaję mu nazwę Pracownik : Narzędzia główne > Pobierz dane > Puste zapytanie > zmieniam nazwę > Zamknij i zastosuj.

To utworzonego zapytania wstawiam Nową miarę : Narzędzia główne > Obliczenia > Nowa miara

Nową miarą  będzie nazwa aktualnie korzystającego użytkownika. Na pasku formuły wpisuję nazwę miary oraz jej wartość czyli w tym przypadku wynik działania formuły USERNAME().

Aby zobaczyć, jaką wartość przyjmuje wskazana miara, umieszczam ją na wizualizacji. Otrzymuję wówczas wygląd nazwy mojego użytkownika. Nazwa ta zmienia się po opublikowaniu raportu na adres mailowy.

Do wybranych rekordów w pliku sprzedaż dodam w nowej kolumnie Użytkownik moją nazwę użytkownika. Powiedzmy, że będą to rekordy dla województwa mazowieckiego. Kopiuję z wizualizacji wartość mojego loginu.

Poprzez Modelowanie > Zarządzaj rolami dodaję nową rolę o nazwie User. Filtr zakładam na tabeli dane, na kolumnie Użytkownik z wartością jak na poniższym screenie > Zapisz.

Dzięki temu, zgodnie z filtrem wizualizacja zostaje zawężona do danych, w których pojawia się mój adres e-mail.

Pobierz plik

Przygotowanie danych w pracy w Power BI

Do analizy posłużą mi dane serwisu Airbnb, z rezerwacji w Nowym Jorku.

Filtrowanie poprzez fragmentator

W obszarze wizualizacji wybieram Fragmentator, w obszarze Pole umieszczam Host Since, które jest polem typu data.

Na wykresie słupkowym umieszczam typ wynajmowanego pokoju oraz zliczam liczbę ofert każdego typu, przy pomocy pola Host Id.

Wybierając strzałkę w prawym górnym rogu fragmentatora uruchamia się menu podręczne, z różnymi opcjami dot. filtru. To co mnie interesuje to opcja Względnie.

W pierwszym polu fragmentatora do wyboru są następujące opcje: Ostatnie, Dalej, To.

Ostatnie – okresy wstecz, od dzisiejszej daty

Dalej – okresy wprzód od dzisiejszej daty

To  – dane z dzisiejszej daty, tygodnia, miesiąca, roku , w zależności od wyboru w ostatnim polu

Pole liczbowe pozwala na wpisanie wartości, do jakich dat względnie się odwołuję.

Ostatnie pole umożliwia wybór miary czasu do jakiego się odwołuję, poniżej lista możliwych opcji:

• Dni
• Tygodnie
• Tygodnie (kalendarzowe)
• Miesiące
• Miesiące (kalendarzowe)
• Lata
• Lata (kalendarzowe)

Czym różnią się Miesiące od Miesiące (kalendarzowe)? Wybierając w drugim polu wartość 3 przy opcji Miesiące , przy dzisiejszej dacie 25 kwietnia, wybrany zakres dat to : 26-02-2019 do 25-04-2019. Natomiast przy wyborze Miesiące (kalendarzowe) będą to daty z przedziału: 01-02-2019 do 31-03-2019 czyli dwa pełne miesiące kalendarzowe.

Filtrowanie poprzez filtr boczny

Filtrowanie poprzez filtr boczny umożliwia również operowanie datami względnymi. W tym celu pole daty należ przenieść do obszaru Filtru na poziomie strony lub raportu.

W polu Typ filtru po rozwinięciu listy dostępna jest opcja Filtrowania dat względnych.

Po wybraniu tej opcji pojawiają się, podobnie jak w przypadku fragmentatora trzy kolejne pola. Pozwalają na wybór kierunku przesunięcia czasowego (w przód, tył), wybór miary czasu oraz jej ilości. Dodatkową opcją do zaznaczenia jest pole Uwzględnij dzisiaj , którego nie ma we fragmentatorze. Przy zaznaczeniu dzisiejsza data brana jest do zakresu , przy wyborze miar czasowych kalendarzowych opcja ta jest nieaktywna.

Różnice filtrowania przy pomocy filtra bocznego oraz fragmentatora

Obie opcje w zasadzie funkcjonowania praktycznie się nie różnią. W opcji fragmentatora pomocnym może być to, że z każdą dokonaną zmianą ustawienia widoczny jest zakres dat, który wybieramy. Co z punktu widzenia użytkownika raportu, czyli przede wszystkim nie dewelopera, może być bardzo istotne.

Drugą różnicą jest fakt, że w filtrze bocznym mamy opcję Uwzględnij dzisiaj, dzięki której możemy łatwo wykluczyć aktualny dzień.

Ograniczenia

• modele danych w usłudze Power BI nie przechowują informacji o strefie czasowej
• fragmentator oraz filtr boczny zawsze bazują na czasie w formacie UTC
• dane zebrane w lokalnej strefie czasowej można przekonwertować na format UTC przy pomocy Edytora zapytań

Pobierz plik

Pobierz plik Power BI i sam sprawdź jak działa filtr boczny oraz fragmentator.