Power BI Desktop jest programem cyklicznie ulepszanym przez Microsoft w comiesięcznych aktualizacjach. Kolejne wersje programu wprowadzają nowe funkcjonalności związane np. z obszarem wizualizacji danych. Implementowane rozwiązania często polegają na dodaniu nowego typu wykresu, który z początku może zostać udostępniony w wersji zapoznawczej.

W jednej z odsłon Power BI, która miała miejsce w listopadzie 2019 r., wprowadzono wykres o nazwie drzewo dekompozycji (ang. decomposition tree). Wykres ten od dawna był oczekiwany przez środowisko użytkowników Power BI ze względu na bardzo przydatne funkcje analityczne pozwalające na drążenie danych. Aby w pełni wykorzystać potencjał drzemiący w tym wykresie, warto dokładnie zapoznać się ze wszystkimi jego właściwościami.

Włączenie wykresu drzewa dekompozycji

Dostęp do kolejnych nowych funkcji, jakie oferuje Power BI Desktop, możliwy jest tylko po zaktualizowaniu programu do najnowszej edycji. Informację o aktualności posiadanej wersji można uzyskać, wybierając kartę „Plik”, a następnie opcję „Informacje” (Rysunek 1).

Rysunek 1. Wersja programu Power BI Desktop. Źródło: Opracowanie własne.

Wykres drzewa dekompozycji począwszy od swojej premiery cały czas udostępniany jest jako funkcja w wersji zapoznawczej. Zatem aby z niego skorzystać, należy włączyć wykres, korzystając z karty „Plik” → „Opcje i ustawienia” → „Opcje”, a następnie z „Funkcji w wersji zapoznawczej” zaznaczyć checkbox przy Wizualizacji drzewa dekompozycji (Rysunek 2).

Rysunek 2. Włączenie wizualizacji drzewa dekompozycji. Źródło: Opracowanie własne.

Po akceptacji monitu o konieczności ponownego uruchomienia Power BI, ikona drzewa dekompozycji będzie widoczna wśród innych wizualizacji.

Praca z wykresem drzewa dekompozycji

Drzewo dekompozycji jest wykresem, który bardzo dobrze radzi sobie w analizach robionych ad hoc, mających na celu określenie wpływu głównych czynników na badane zjawisko. Dzięki możliwości drążenia danych na wykresie można przeprowadzić wielopoziomową analizę według wcześniej zdefiniowanych wymiarów. Określone wymiary wykresu można analizować w dowolnej kolejności, badając ich udział w sumie danego zjawiska. Dodatkowo drzewo dekompozycji jest jednym z trzech wykresów w Power BI, które mają sztuczną inteligencję (AI). Dzięki niej wykres potrafi zasugerować wymiar, który wart jest pogłębionej analizy opartej na określonych kryteriach. Sposób działania wykresu najłatwiej wytłumaczyć, posługując się przykładem. W tym celu do programu Power BI Desktop zostały zaimportowane przykładowe dane dotyczące sprzedaży. Układ tabeli, w której znajdują się dane, prezentuje Rysunek 3.

Rysunek 3. Dane dotyczące sprzedaży. Źródło: Opracowanie własne.

Pozostałe 80% artykułu dostępne jest dla zalogowanych użytkowników serwisu.

Jeśli posiadasz aktywną prenumeratę przejdź do LOGOWANIA. Jeśli nie jesteś jeszcze naszym Czytelnikiem wybierz najkorzystniejszy WARIANT PRENUMERATY.

Zaloguj Zamów prenumeratę Kup dostęp do artykułu

Zobacz również

Tylko on-line nr 24/2020

Model analizy efektywność inwestycji w akcje spółki

CiRZ_5-6_37.jpg

W niniejszym artykule prezentujemy kompleksowy model, który w uniwersalny sposób łączy ocenę z perspektywy wejścia, utrzymywania i wyjścia z inwestycji oraz umożliwiający porównywanie danej klasy aktywów pod względem zakładanych parametrów inwestycji.

Czytaj więcej
Tylko on-line nr 24/2020

Znajdowanie udziałów oraz porównywanie wartości w tabeli przestawnej

CiRZ_04_9.jpg

Pracując z różnego rodzaju danymi często dochodzimy do momentu, w którym mamy stworzoną tabelę przestawną, którą potrzebujemy dalej analizować. Okazuje się, że mamy do tego szereg narzędzi, które warto wykorzystywać.

Czytaj więcej
Tylko on-line nr 24/2020

Weryfikacja statusu płatności w Power Query

CiRZ_5-6_28.jpg

Wyobraźmy sobie taką sytuację. Odpowiadamy za sprawy księgowe w firmie i potrzebujemy trzymać rękę na pulsie jeśli chodzi o kontrolę spływających płatności od klientów. Wystawiamy setki dokumentów sprzedażowych w programie transakcyjnym, a informacje o płatnościach otrzymujemy w postaci wyciągów z banków. Potrzebujemy „zderzyć” ze sobą te dane, aby wiedzieć który klient zalega z płatnością, a który jest przykładem do naśladowania. Niestety używany system nie pozwala nam na prostą weryfikację. Co robimy? Sięgamy po Excela i Power Query.

Czytaj więcej

Przejdź do

Partnerzy

Reklama