Register now to learn Fabric in free live sessions led by the best Microsoft experts. From Apr 16 to May 9, in English and Spanish.
A medida que tengo un poco más de comprensión de cómo trabajar con Power BI, veo que puedo hacer muchas cosas en DAX, así como Power Query.
Pregunta para los profesionales de Power BI:
- ¿Cuánta limpieza (filtrar nulos/en blanco, unir tablas, etc.) hace en DAX frente a Power Query?
- ¿Cómo diferencias el trabajo que haces en DAX frente a Power Query?
Gracias
@ImkeF , @amitchandak , @Greg_Deckler y otros!
Hola a todos
así que ya que mencionamos PQ y transformaciones, ¿cómo se acumula PQ a un lado con otras herramientas ETL, podemos usar o depender de PQ como la solución empresarial para ETL
Algunas cosas a considerar:
- La mayoría (¿todo?) se puede hacer en PQ se puede hacer a través de la GUI de PowerBI PQ
- ¿Esto permite una mayor productividad de "desarrollador ciudadano" dentro de su organización?
- ¿Hay experiencia de PowerBI dentro de su organización para mantener informes?
- ¿O su organización ya utiliza un lenguaje ETL MODERNO?
- ¿Es PQ (a través de PowerBI) una posible "actualización" para sus organizaciones existentes (tal vez productos ETL anticuados/esotéricos)?
hi eric
gran pregunta aquí
im tratando de aprovechar la experiencia de PowerBI en mi equipo, he sido asignado recientemente a él, actualmente estamos utilizando ODICS y ADW de ORACLE, el problema es una gran cantidad de proyectos y la limpieza se hace de un equipo muy antiguo y en su mayoría se han ido sin la documentación adecuada, y esto está afectando el rendimiento, pero podemos decir que su limpio con no nulos hasta ahora
im tratando de utilizar más conjuntos de fechas y flujos de datos compartidos para que pueda difundir la cultura bi de autoservicio en la empresa y ahora im en el proceso de contratar a nuevo candidato para manejar más trabajo ETL, pero tener experiencia en ODI está más disponible que PQ, así que me pregunto si es mejor empezar a usar los poderes pq o mantenerlo para casos especiales
Muy buenas respuestas!
Mi regla general es:
1) Empuje todo lo que está aguas arriba como sea posible (hacia la fuente de los datos)
2) .... a menos que necesite una medida, entonces use DAX
3) Aprende a saber cuándo necesitas una medida: https://exceleratorbi.com.au/calculated-columns-vs-measures-dax/
Imke Feldmann (The BIccountant)
If you liked my solution, please give it a thumbs up. And if I did answer your question, please mark this post as a solution. Thanks!
How to integrate M-code into your solution -- How to get your questions answered quickly -- How to provide sample data -- Check out more PBI- learning resources here -- Performance Tipps for M-queries
Excelentes @Anonymous de ideas ! Me has dado muchas cosas que considerar, mirar hacia arriba y entender. Gracias.
(como un aparte, y SOLO porque me encontré con el otro día... Sí... "ellos" están haciendo ML con SQL ahora 🙂 )
Oh chico, esa es una pregunta cargada. @darlove probablemente querrá hablar de esto.
Así que mi respuesta a esto es que depende. Hay algunas escuelas de pensamiento sobre esto. Una, escuela de pensamiento, tratar de empujar la mayor cantidad de datos de limpieza de la "cadena" como sea posible. Así que si lo piensas, tienes:
1. Fuente
2. Consulta de energía
3. Modelo de datos/DAX
El pensamiento obvio aquí es ¿por qué procesar más datos o almacenar más datos de los que necesita? Por lo tanto, si puede eliminar las cosas en una vista SQL en lugar de conectarse directamente a una tabla, es una buena idea. Realmente puede acelerar las cargas y actualizaciones de datos. Pero, si no tienes acceso a la fuente para hacer cambios, eso está fuera obviamente.
Por lo tanto, eso es limpieza de datos, generalmente mejor hacerlo en el origen o en Power Query. ¿Qué hay de la transformación? Depende, generalmente desea realizar sus transformaciones en Power Query. Dicho esto, he visto datos no pivotantes de una lista de SharePoint tomar excesivamente largo en Power Query. De ahí vino UNPIVOT (solución DAX para despivotar columnas en tablas). Así que eso no es absoluto, pero generalmente una buena idea.
Ahora, ¿qué pasa con la adición de columnas y tal. Bueno, esto entra en una zona más gris en mi opinión. Algunas cosas son muy fáciles de hacer en DAX y un verdadero dolor en Power Query y viceversa. Luego está la pieza de mantenimiento de la misma. Si tiene que hacer ciertos cálculos en DAX, entonces es mejor hacerlos todos en DAX para que tenga una sola base de código? En otras palabras, alguien que viene después de usted no tiene que conocer Power Query y R y Python y DAX para mantener su archivo de informe? Porque puede usartodos todos ellos si lo desea en el mismo archivo de Power BI y ahora necesita saber 4 idiomas en lugar de 1 para mantenerlo.
Por lo tanto, en generalidades muy grandes, es mejor empujar el procesamiento hacia arriba de la cadena hasta el origen y fallar esa consulta de energía. Pero, hay otras cosas a considerar en mi opinión que no lo convierten en un tema absoluto en blanco y negro.
GEM de una respuesta! Estoy en este momento en"Entonces está la pieza de mantenimiento de la misma." Como alguien que acaba de heredar un "mi primer panel de Power BI" bastante grande. Reducir la curva de aprendizaje para los nuevos mantenedores es clave. Gracias por compartir su experiencia @Greg_Deckler.
Covering the world! 9:00-10:30 AM Sydney, 4:00-5:30 PM CET (Paris/Berlin), 7:00-8:30 PM Mexico City
Check out the April 2024 Power BI update to learn about new features.
User | Count |
---|---|
1 | |
1 | |
1 | |
1 | |
1 |