C’est une erreur courante, et pas seulement lorsque l’on débute avec Power BI. Le message « Une dépendance circulaire a été détectée » repose sur les ressorts fondamentaux du DAX, et implique CALCULATE, la transition de contexte, les mesures et les colonnes, ou encore les filtres. A travers cette erreur, nous allons passer en revue quatre règles fondamentales du DAX.
Le troisième livre que je consacre à Power BI sort demain 14 avril : 328 pages entièrement dédiées au DAX, les concepts-clés (et en particulier le contexte d’évaluation), CALCULATE, la modification du modèle physique, l’analyse temporelle, etc., 328 pages également accompagnées d’exercices pratiques, corrigés et commentés (à la fois pour Power BI et pour Excel).
Le contexte de filtre est assurément le cœur du DAX, le langage d’analyse de Power BI et de Power Pivot dans Excel. Comprendre le contexte de filtre, c’est comprendre 90% du DAX : ce n’est pas moi qui le dis, mais les deux sommités mondiales sur ce langage (Marco et Alberto, de SQLBI). Dans ce billet, je vous propose de regarder une formule et de commenter le contexte de filtre et ses évolutions.
Dans ce billet, je vous propose une étude très poussée de la moyenne mobile et de sa mise en œuvre dans Power BI. La moyenne mobile est un outil primordial pour « lire » les données, en particulier lorsque les variations sont importantes, mais aussi un outil prédictif. Et notamment, tout un pan des stratégies d’investissement repose sur la lecture de ces moyennes
Les données ne sont pas toujours aussi « propres » qu’on pourrait l’espérer. Une référence dans la table des transactions peut être absente dans la table de dimension (une référence produit manquant par exemple). Dans Power BI, cela se traduit par une ligne blanche. La question est de trouver ce qui coince : investigator va vous aider !
Depuis juillet 2109, date à laquelle mon premier livre sur Power BI est sorti, il s’est passé beaucoup de choses, et plus encore au cours des derniers mois. Dans ce billet, je veux vous proposer un tour d’horizon des ressources que j’ai publiées sur le thème de Power BI, et de ce que je prévois pour la suite.
Les paramètres What If ont été introduits en 2018 dans Power BI, pour permettre la mise en place des scenarios de variation d’un facteur : comment évoluerait notre indicateur si tel ou tel facteur variait ? Mode d’emploi.
Les paramètres servent dans Power Query, mais également dans la visualisation elle-même : nous allons le voir à travers un premier exemple où le paramètre consiste à laisser à l’utilisateur le choix de la mesure affichée
Power BI offre de nombreuses fonctions de Time Intelligence (« analyse historique », « analyse dans le temps » ?) toutes prêtes à l’emploi. Des « syntax sugars » comme disent les anglophones. Mais encore faut-il comprendre comment elles fonctionnent, et savoir revenir aux fondamentaux de ce type d’analyse. C’est ce que nous allons voir dans ce post, avec les sommes cumulatives et le cas du cumul hebdomadaire, que Power BI n’a pas prévu
Le calcul de la semaine s’avère plus complexe qu’il n’y paraît : deux normes co-existent, et celle que nous utilisons en Europe (considérée comme universelle) – la norme ISO 8601 – n’est pas celle que Power BI utilise par défaut. Détails, calculs et une pépite non-documentée dans le billet.
Commander le livre
Commentaires récents