Die 10 wichtigsten DAX-Funktionen in Energy BI

Einführung

Energy BI verwendet eine Reihe von Funktionen, Operatoren und Konstanten namens DAX, um dynamische Berechnungen und Analysen durchzuführen. Man kann seine Energy BI-Kompetenz verbessern, indem man DAX-Funktionen verwendet, die helfen bei Datenmodellierung und Berichterstattung. Dieser Artikel untersucht die wichtigsten DAX-Funktionen, die jeder Energy BI-Benutzer kennen sollte.

Was ist Energy BI?

Energy BI wurde von Microsoft entwickelt. Es handelt sich um eine Enterprise-Analytics-Software program, mit der Kunden ihre Daten analysieren, anzeigen und freigeben können. Energy BI verfügt über „Assistenten“, mit denen Schnittstellen erstellt werden können, mit denen die Daten problemlos bearbeitet werden können. Außerdem bietet es Enterprise Intelligence und Instruments wie Grafiken und Diagramme, mit denen Endbenutzer Berichte und Dashboards erstellen können.

Was sind DAX-Funktionen?

Einige häufig verwendete Operatoren, Funktionen und Konstanten in Formeln und Ausdrücken in Energy BI, Energy Pivot und Evaluation Companies enthalten DAX, mit dem Ergebnisse berechnet und sogar zurückgegeben werden können.

Zu den Hauptattributen von DAX-Funktionen gehören:

• Datenaggregation: Daten können mit Funktionen wie SUM, AVERAGE, COUNT und SUMX zusammengefasst werden.
• Filterung: Komplexe Datenfilter können mit Funktionen wie FILTER und CALCULATE definiert werden.
• Zeitintelligenz: Datums- und Zeitberechnungen werden von Funktionen wie DATEADD, DATEDIFF und YEAR durchgeführt.
• Nachschlagefunktionen: LOOKUPVALUE und andere ähnliche Funktionen erleichtern das Abrufen relevanter Daten aus vielen Tabellen.

Warum ist Energy BI für die Datenanalyse unverzichtbar?

Aus folgenden Gründen ist Energy BI für die Datenanalyse unverzichtbar:

1. Interaktive Visualisierungen: Eine große Auswahl an dynamischen und anpassungsfähigen Datenvisualisierungen Die von Energy BI angebotenen Funktionen erleichtern die Dateninterpretation und aussagekräftige Präsentation.
2. Echtzeit-Datenzugriff: Es erleichtert die Konnektivität vieler Datenquellen, einschließlich Echtzeit-Datenströmen, sodass Analysen und Berichte auf dem neuesten Stand sind.
3. Datentransformation und -aufbereitung: Energy BI bietet eine einfache Möglichkeit, Daten zu bereinigen, zu transformieren und für die Analyse in Energy Question vorzubereiten, sodass Benutzer ein wenig Code schreiben können.
4. Erweiterte Analysen: Energy BI ermöglicht komplexe Berechnungen und umfassende Analysen. Der DAX verfügt über eine in das System integrierte KI, die den Benutzern hilft.
5. Integration und Zusammenarbeit: Energy BI ist mit Microsoft Excel-, Azure- und SharePoint-Instruments kompatibel. Es verbessert außerdem die Teamarbeit und den Austausch verschiedener Aufgaben und Ideen.

Prime-DAX-Funktionen in Energy BI

Verkaufstabelle

Produkttabelle

1. BERECHNEN

Die Funktion CALCULATE gehört zu den stärksten DAX-Formeln. Sie wertet einen Ausdruck im Kontext eines geänderten Filters aus. Mit CALCULATE können Sie die Umgebung ändern, in der Daten gefiltert werden, und so flexiblere und dynamischere Berechnungen ermöglichen.

Syntax:

CALCULATE(<expression>, <filter1>, <filter2>...)

Beispiel:

Electronics Gross sales = 
CALCULATE(
    SUM(Gross sales(Amount)),
    Merchandise(Class) = "Electronics"
)

Erläuterung:

Diese Kennzahl berechnet nur den Gesamtumsatz für Elektronikprodukte.

• Der Ausdruck SUM(Gross sales(Amount) * Gross sales(UnitPrice)) berechnet den Gesamtumsatz.
• Der Filter Merchandise(Class) = "Electronics" ändert den Kontext, um nur Produkte der Kategorie „Elektronik“ einzuschließen.
• CALCULATE wendet diesen Filter an und überschreibt alle vorhandenen Filter in der Produkttabelle.

2. SUM und SUMX

Die Funktion SUM ist unkompliziert und summiert alle Werte in einer Spalte. SUMX hingegen ist eine Iteratorfunktion, die die Ergebnisse eines für jede Zeile in einer Tabelle ausgewerteten Ausdrucks summiert.

Syntax:

SUM(<column>)
SUMX(<desk>, <expression>)

Beispiel:

Complete Amount Offered = SUM(Gross sales(Amount))

Complete Revenue = 
SUMX(
    Gross sales,
    Gross sales(Amount) * (Gross sales(UnitPrice) - RELATED(Merchandise(Value)))
)

Erläuterung:

3. BERECHNETABIL

CALCULATETABLE wertet einen Tabellenausdruck in einem geänderten Filterkontext aus, ähnlich wie CALCULATE mit Skalarausdrücken arbeitet.

Syntax:

CALCULATETABLE(<table_expression>, <filter1>, <filter2>,...)

Beispiel:

Elektronik_Verkauf =
BERECHNETABELLE(
Verkäufe,
Produkte (Kategorie) = „Elektronik“
)

Erläuterung:

• Es beginnt mit der gesamten Verkaufstabelle.
• Anschließend wird der Filter angewendet Merchandise(Class) = "Electronics".
• Dieser Filter wird über die Beziehung zwischen den Tabellen „Gross sales“ und „Merchandise“ angewendet. Das Ergebnis ist eine Teilmenge der Tabelle „Gross sales“, die nur die Verkäufe elektronischer Produkte enthält.
• Diese Funktion ist praktisch, um virtuelle Tabellen zu erstellen, die nach bestimmten Kriterien gefiltert sind.

4. RangX

RANKX ordnet Elemente in einer Tabelle anhand eines Ausdrucks. Es hilft beim Erstellen von Rangfolgen innerhalb eines Datensatzes.

Syntax:

Rangx(,,(optionally available),(optionally available),(optionally available))

Beispiel:

RANKX(
    ALL(Gross sales(SalesPersonID)),
    CALCULATE(SUM(Gross sales(Amount) * Gross sales(UnitPrice)))
)

Erläuterung:

• Der Ausdruck CALCULATE(SUM(Gross sales(Amount) * Gross sales(UnitPrice))) berechnet den Gesamtverkaufsbetrag für jeden Verkäufer.
• RANKX wertet den Ausdruck für jede Zeile in der angegebenen Tabelle aus.
• Anschließend wird basierend auf dem Ergebnis dieses Ausdrucks ein Rang zugewiesen.
• Standardmäßig weist RANKX höheren Werten einen niedrigeren Rang (näher an 1) zu.

In Energy BI hilft RANKX dabei, Rankings dynamisch innerhalb von Berichten zu generieren.

5. DATEDIFF

Die Funktion DATEDIFF berechnet die Differenz zwischen zwei Daten.

Syntax:

Period = DATEDIFF(StartDate, EndDate, DAY)

Beispiel

Days Since Launch = 
DATEDIFF(
    Merchandise(LaunchDate),
    MAX(Gross sales(Date)),
    DAY
)

Erläuterung:

Diese Kennzahl berechnet die Anzahl der Tage zwischen dem Einführungsdatum jedes Produkts und dem letzten Verkaufsdatum.

• Merchandise(LaunchDate) ist das Startdatum.
• MAX(Gross sales(Date)) findet das letzte Verkaufsdatum im aktuellen Kontext.
• DAY gibt an, dass die Differenz in Tagen berechnet werden soll.

In Energy BI hilft DATEDIFF dabei, die zwischen zwei Daten verstrichene Zeit in verschiedenen Einheiten (Tage, Monate, Jahre) zu berechnen.

6. DATEADD

DATEADD verschiebt ein Datum um eine bestimmte Anzahl von Intervallen. Dies erleichtert das Erstellen von Vergleichen über einen bestimmten Zeitraum.

Syntax:

DATEADD(<dates>, <number_of_intervals>, <interval>)

Beispiel:

NewLaunchDate = DATEADD(Merchandise(LaunchDate), 1, MONTH)

Erläuterung:

In Energy BI ermöglicht DATEADD zeitintelligente Vorgänge, wie etwa den Vergleich der Daten des aktuellen Monats mit denen des Vormonats.

7. COUNT und COUNTROWS

Während COUNTROWS die Anzahl der Zeilen in einer Tabelle zählt, zählt COUNT die Anzahl der nicht leeren Werte in einer Spalte.

Beispiel:

CustomerCount = COUNT(Gross sales(CustomerID))
OrderCount = COUNTROWS(Gross sales)

Erläuterung:

• ZÄHLEN in der Spalte „CustomerID“: Dadurch wird die Anzahl der nicht leeren Einträge in der Spalte „CustomerID“ gezählt.
• LÄNDER für die gesamte Verkaufstabelle: Dadurch wird die Gesamtzahl der Zeilen in der Tabelle gezählt.

In Energy BI helfen diese Funktionen dabei, die Größe eines Datensatzes oder einer Teilmenge zu bestimmen.

8. SUCHWERT

LOOKUPVALUE ruft den Wert einer Spalte in einer Tabelle ab, ähnlich einem SVERWEIS in Excel.

Syntax:

LOOKUPVALUE(<result_column>, <search_column1>, <search_value1> (, <search_column2>, <search_value2> (, … ) ) )

Beispiel:

ProductCost = LOOKUPVALUE(Merchandise(Value), Merchandise(ProductID), "P003")

Erläuterung:

• result_column: Die Spalte, aus der Sie den Wert zurückgeben möchten.
• search_column1: Die Spalte, in der Sie nach dem Wert suchen.
• search_value1: Der Wert, den Sie finden möchten in search_column1.
• Diese Formel durchsucht die Merchandise Tabelle für die ProductID „P003“ und gibt die entsprechende Value.

In Energy BI ist LOOKUPVALUE unerlässlich, um verwandte Daten aus verschiedenen Tabellen abzurufen.

9. FILTER

Die Funktion FILTER gibt eine Tabelle zurück, die eine Teilmenge einer anderen Tabelle darstellt, die durch einen bestimmten Ausdruck gefiltert wurde.

Syntax:

FILTER(<desk>,<filter>)

Beispiel:

FilteredProducts = FILTER(
    Merchandise,
    Merchandise(Class) = "Electronics" && Merchandise(Value) > 10
)

Erläuterung:

Diese Bedingung besteht aus zwei Teilen, die mit dem logischen UND-Operator kombiniert werden (&&):

• Merchandise(Class) = "Electronics": Dieser Teil der Bedingung filtert die Zeilen, in denen die Class ist „Elektronik“.
• Merchandise(Value) > 10: Dieser Teil der Bedingung filtert zusätzlich jene Zeilen, bei denen die Value ist größer als 10.

In Energy BI wird FILTER verwendet, um Daten basierend auf bestimmten Bedingungen einzugrenzen.

10. VERWANDTE

Die Funktion RELATED ruft einen verwandten Wert aus einer anderen Tabelle ab und nutzt dabei die Beziehungen zwischen Tabellen.

Syntax:

RELATED(<Column>)

Beispiel:

CategoryDescription = RELATED(Classes(Description))

Erläuterung:

Dieser DAX-Ausdruck holt die Description von dem Classes Tabelle für jede Zeile in der Merchandise Tabelle basierend auf der Beziehung zwischen dem Class Spalten beider Tabellen.

In Energy BI ist RELATED entscheidend für das Abrufen von Daten aus verknüpften Tabellen.

Abschluss

Die Beherrschung dieser Energy BI DAX-Funktionen wird Ihre Datenanalyse- und Modellierungskapazität erheblich verbessern. Wenn Sie Funktionen wie CALCULATE, SUMX, RANKX, DATEDIFF und LOOKUPVALUE verstehen und effizient nutzen, können Sie komplexe Berechnungen durchführen und dynamische, informative Ergebnisse erzielen. Die DAX-Funktionen in Energy BI bieten die Instruments, um unstrukturierte Daten in aufschlussreiche Informationen umzuwandeln, egal ob Sie Gesamtberechnungen durchführen, Daten bewerten oder mit Datumswerten arbeiten.

Wenn Sie ausführlichere Informationen zu DAX für Energy BI erhalten möchten, finden Sie hier ein YouTube-Tutorial: Praktische Erfahrung mit Knowledge Evaluation Expressions (DAX) für Energy BI

Häufig gestellte Fragen