Porównanie DAX i języka M w Power BI

DAX vs Język M – Który wybrać i do czego służą?

Wprowadzenie do DAX i języka M

Power BI to jedno z najpopularniejszych narzędzi do analizy i wizualizacji danych, a jego funkcjonalność opiera się na dwóch kluczowych językach: DAX (Data Analysis Expressions) oraz M (Power Query Formula Language). Choć oba służą do manipulacji danymi, mają zupełnie inne zastosowania.

• DAX jest językiem stosowanym do analizy danych w modelu Power BI. Umożliwia on wykonywanie dynamicznych obliczeń, tworzenie miar oraz agregowanie danych w tabelach.

• Język M to język funkcjonalny używany w Power Query, który służy do transformacji i przekształcania danych przed ich załadowaniem do modelu.

Wybór odpowiedniego języka zależy od tego, na jakim etapie pracy z danymi znajdujesz się w Power BI – przed czy po załadowaniu ich do modelu danych.

Główne różnice między DAX a językiem M

Cel użycia

• DAX: używany do analizy danych i obliczeń na poziomie modelu Power BI.

• Język M: stosowany do przekształcania i czyszczenia danych w Power Query przed ich załadowaniem.

Sposób działania

• DAX pracuje w modelu danych Power BI, wykonując obliczenia w czasie rzeczywistym.

• Język M wykonuje transformacje danych przed ich załadowaniem, działając w trybie ETL (Extract, Transform, Load).

Typowe zastosowania

• DAX:

  • Tworzenie dynamicznych miar.

  • Definiowanie kolumn obliczeniowych.

  • Wykonywanie agregacji.

• Język M:

  • Czyszczenie danych.

  • Łączenie różnych źródeł.

  • Transformacja i filtrowanie danych.

Różnice w wydajności

• DAX umożliwia dynamiczne przeliczanie danych w zależności od filtrów i wizualizacji.

• Język M może znacznie poprawić wydajność Power BI, przekształcając dane przed ich załadowaniem do modelu.

Kiedy używać DAX, a kiedy M w Power BI?

DAX:

• Tworzenie dynamicznych miar (np. SUM(), AVERAGE(), COUNTROWS()).

• Obliczanie wskaźników KPI.

• Zastosowanie filtrów kontekstowych i relacyjnych w modelu danych.

• Analiza danych na poziomie wizualizacji, np. dynamiczne podsumowania, rankingi i wartości skumulowane.

• Obsługa skomplikowanych relacji między tabelami, np. analiza danych historycznych z użyciem CALCULATE().

• Umożliwia interaktywność raportu poprzez dynamiczne reagowanie na wybory użytkownika.

Język M:

• Czyszczenie i przekształcanie danych przed ich załadowaniem.

• Łączenie różnych źródeł danych w Power Query, np. baz danych SQL, arkuszy Excela, plików CSV.

• Tworzenie nowych tabel na podstawie przekształconych danych, np. grupowanie i filtrowanie dużych zbiorów danych przed ich wczytaniem do modelu.

• Redukcja ilości danych, poprzez filtrowanie i eliminację niepotrzebnych kolumn przed ich importem do Power BI.

• Przygotowanie złożonych zapytań do przekształceń i automatyzacja procesów ETL.

Składnia i podstawowe funkcje DAX

DAX opiera się na funkcjach podobnych do Excela. Oto kilka kluczowych funkcji:

• SUM() – Sumuje wartości w danej kolumnie.
• AVERAGE() – Oblicza średnią.
• COUNTROWS() – Liczy liczbę wierszy w tabeli.
• CALCULATE() – Zmienia kontekst obliczeniowy, np.:

  TotalSalesFiltered = CALCULATE(SUM(Sales[Amount]), Sales[Category] = "Electronics")
  

• FILTER() – Filtrowanie danych w tabelach.
• RELATED() – Pobiera wartości z powiązanych tabel.

Składnia i podstawowe funkcje języka M

Język M jest funkcjonalny i wykorzystuje strukturę let-in. Oto podstawowe funkcje:

• Table.TransformColumns() – Modyfikacja kolumn w tabeli.

  Table.TransformColumns(Source, {"Column1", each _ * 2})
  

• Text.Clean() – Usuwa niepotrzebne znaki.
• List.RemoveNulls() – Usuwa puste wartości.
• Table.Combine() – Łączy tabele.
• If, Each, Try – Struktury warunkowe, np.:

  Table.AddColumn(Source, "NewColumn", each if [Value] > 10 then "High" else "Low")
  

Język M doskonale nadaje się do zaawansowanej manipulacji danymi przed ich załadowaniem.

Podsumowanie – który język wybrać?

Kiedy użyć DAX?

• Potrzebujesz dynamicznych miar i wskaźników w Power BI.
• Chcesz przeprowadzić obliczenia na danych w modelu.

Kiedy użyć języka M?

• Pracujesz z różnych źródłami danych i potrzebujesz je znormalizować.
• Chcesz zoptymalizować wydajność Power BI poprzez lepsze przekształcenie danych przed ich załadowaniem.

Podsumowanie: Jeśli potrzebujesz dynamicznych obliczeń w raporcie – użyj DAX. Jeśli dane wymagają zaawansowanego przekształcenia przed analizą – wybierz M. Połączenie obu języków pozwala na optymalizację pracy z danymi w Power BI, poprawiając zarówno wydajność, jak i elastyczność raportów.

Jak podejście data driven zmienia współczesny biznes? 20 marca 2025

GREP w InDesign – jak działa i jak go używać? 18 marca 2025