Power BI Bookmarks III. – možnosti a limitace využití | Mňamka #409

V posledním díle průvodce po Power BI Bookmarks se podíváme na to, jak lze záložky používat a kdy je naopak lepší zvolit jinou možnost vizualizace.

Jeden z nejčastějších příkladů záložek - vyskakovací panel s filtry - jsme si názorně ukázali již v předchozí části. Hlavní výhodou je úspora místa, která vznikne tím, že filtry a slicery přesuneme do skryté části, přičemž si je uživatel může zobrazit jen v případě, že je chce využít.

Záložky můžete využít i v případě, když potřebujete na report vtěsnat více vizuálů, ale nechcete tak činit na úkor přehlednosti.

Prostřednictvím záložky umístíte na report více objektů na sebe a necháte uživatele, aby si sám vybral, který si zrovna zobrazí. Může se jednat o překlikávání mezi stejnými informacemi, ale v jiné úrovni detailu, nebo může jít o absolutně odlišné objekty. Fantazii se meze nekladou.

Informační funkce

Obsahuje váš report mnoho prvků, které vyžadují dodatečné informace či vysvětlení pro uživatele, jak dané prvky využívat? Buď můžete schovat tyto instrukce do tooltipu ke každému objektu, nebo dáte uživateli možnost zobrazit si všechny informace naráz, čímž mu ušetříte mnoho překlikávání.

Základem tohoto způsobu použití je doplnění reportu o kombinaci tvarů a textových polí, do kterých doplníte instrukce dle vaší potřeby. Záložku pak nastavíte tak, aby se všechny dodatečné informace zobrazily a ukryly po stisknutí určitého tlačítka.

Záložky versus parametry polí

Pojďme nyní od záložek odbočit k jinému nástroji, které nabízí Power BI, a tím jsou parametry polí, neboli Field Parameters.

Parametry polí představují relativně novou funkci Power BI, která umožňuje uživatelům dynamicky měnit metriky nebo dimenze v rámci vizuálů podle svých preferencí. V určitém ohledu tedy suplují funkci záložek, přičemž ale přináší značnou úsporu paměti.

Parametry polí naleznete pod možností Modelování > Nový Parametr > Pole (Modeling > New parameter > Fields)

Pokud chcete vytvořit parametr, zadejte jeho název a vyberte pole, která chcete použít. V tomto ukázkovém případě jsme vybrali dvě metriky, mezi kterými si bude uživatel vybírat – právě ty pro nás představují naše pole.

Stisknutím tlačítka Create se automaticky vytvoří kalkulovaná tabulka, která je zcela odpojená od modelu:

Tato tabulka obsahuje tři sloupce: jméno parametru, které se zobrazí ve sliceru, odkaz na metriky nebo dimenze použité v parametru polí a pořadí těchto polí.

S parametry pracujeme jako s jakoukoliv metrikou nebo dimenzí. V následujícím případě tedy parametr přidáme do Values a za pomoci sliceru vybíráme metriku, kterou chceme v danou chvíli zobrazit v rámci jednoho vizuálu.

Stejného výsledku bychom dosáhli i za pomocí záložek, a to tak, že bychom vytvořili dva grafy, které by se navzájem překrývaly. Proč tedy v tomto případě použít parametry polí namísto záložek?

Použití parametrů je jednodušší a rychlejší, ale hlavně je na jejich fungování potřeba méně paměti. Jistě jste si také všimli, že čím více objektů na stránce máte, tím déle trvá jejich načítání. I když se objekty navzájem překrývají, i tak se v rámci Power BI nahrávají na pozadí. V případě parametrů polí se druhý vizuál začne načítat až v okamžiku, kdy si ho uživatel vybere prostřednictvím sliceru.

Jak jsme tedy uvedli výše, záložky mají mnohé výhody a možnosti jejich využití jsou nepřeberné. I tento nástroj má však své limity, a proto i v případě záložek platí pravidlo používat je s mírou a zamyslet se pro každý use case, zda Power BI nenabízí efektivnější řešení.

Zapomněla jsem na něco? Chcete se na něco zeptat? Napište mi. 

Terka

Tereza Augustinová
datový detektiv
LinkedIn

Zeptej se svých dat: BigQuery vs. Fabric vs. Copilot | Mňamka #558

Zeptej se svých dat: BigQuery vs. Fabric vs. Copilot | Mňamka #558

Je to sen skoro každého manažera: místo čekání na analytika prostě napíšu do chatu „jak nám rostly tržby po regionech za poslední kvartál?" a za pár vteřin mám odpověď, ideálně i s grafem. Říká se tomu konverzační analytika a tři velcí hráči ji dnes nabízejí. My jsme si všechny tři osahali. Tady je upřímné srovnání, co funguje a kde to zatím drhne.

Postavili jsme stejného AI chatbota nad firemními daty v Googlu i v Microsoft Azure. | Mňamka #557

Postavili jsme stejného AI chatbota nad firemními daty v Googlu i v Microsoft Azure. | Mňamka #557

Skoro každá firma dneska sedí na hromadě vlastních dokumentů - produktové listy, FAQ, smlouvy, zápisy z projektů. A skoro každá firma by chtěla to samé: chatbota, kterému napíšete otázku a on odpoví z vašich dat, ne z toho, co si kde přečetl na internetu. Zní to jednoduše. My jsme si to chtěli osahat pořádně, a tak jsme jedno a to samé řešení postavili dvakrát - jednou v Google Cloudu, podruhé v Microsoft Azure. Tady je, co z toho vypadlo.

Microsoft Fabric vs. dbt | Mňamka #556

Microsoft Fabric vs. dbt | Mňamka #556

Když firmy modernizují svou datovou platformu, narazí dřív nebo později na otázku, jaký datový stack zvolit a co je pro jejich byznys nejvhodnější. Migrovat na Microsoft Fabric? Nasadit dbt? Otázka je ale položená trochu zavádějícím způsobem, jde totiž o srovnání dvou věcí, které stojí na jiné úrovni datového stacku: Fabric je platforma, dbt je transformační nástroj, který na takové platformě běží. Přesto má smysl se ptát, jak se tyto dva světy doplňují, kde si uvnitř Fabricu konkurují nativní nástroje a dbt, a kdy se vyplatí sáhnout po dbt jako standardní transformační vrstvě.