Sprawny import danych - Nauczysz się szybko pobierać dane z Excela, CSV, JSON, XML, folderów i źródeł online, dzięki czemu samodzielnie zbudujesz stabilny proces zasilania raportów.
Lepsze przygotowanie danych - Opanujesz czyszczenie danych: usuwanie zbędnych wierszy, poprawę nagłówków, typów danych, duplikatów i pustych wartości, aby przekazywać do analizy spójne zestawy.
Praktyczne transformacje - Nauczysz się dzielić i łączyć kolumny, używać pivot i unpivot, tworzyć kolumny obliczeniowe oraz reguły warunkowe, aby przekształcać surowe dane w użyteczne tabele.
Łączenie wielu źródeł - Dowiesz się, jak poprawnie scalać i dołączać tabele przez Merge i Append, obsługiwać braki dopasowań oraz przygotowywać struktury danych tak, by łączenia działały przewidywalnie.
Automatyzacja raportowania - Zbudujesz zapytania gotowe do cyklicznego odświeżania, wykorzystasz parametry i dynamiczne foldery oraz ograniczysz ręczne poprawki przy każdej nowej porcji danych.
Szybsze i stabilniejsze zapytania - Poznasz zasady wpływające na wydajność Power Query, nauczysz się układać kroki we właściwej kolejności i diagnozować problemy, które spowalniają odświeżanie danych.
Świadoma praca z językiem M - Zrozumiesz składnię let/in i sposób zapisu kroków w M, dzięki czemu świadomie zmodyfikujesz kod wygenerowany przez Power Query i wykonasz także mniej typowe transformacje.
Lepsze zapytania pod raporty - Nauczysz się projektować zapytania z myślą o dalszej analizie w Excelu lub Power BI, aby przygotowane dane były czytelne, spójne i gotowe do budowy wiarygodnych raportów.
W kontekście ETL Power Query pełni rolę warstwy przygotowania danych przed analizą i raportowaniem. Na początku uczestnicy porównają jego możliwości w Excelu i Power BI, poznają edytor zapytań, Applied Steps i podgląd danych oraz zasady projektowania zapytań pod dalsze wykorzystanie.
Power Query pracuje z plikami, folderami, bazami danych i źródłami online, dlatego sposób importu trzeba dopasować do rodzaju połączenia. Sekcja obejmuje wczytywanie danych z Excel, CSV, TXT, JSON i XML, konsolidację plików oraz ustawienia poświadczeń i prywatności.
Surowe dane często zawierają zbędne wiersze, techniczne nagłówki, stopki oraz niespójne typy pól, które utrudniają analizę. W tej sekcji nacisk położono na porządkowanie struktury, ujednolicanie dat, liczb i tekstu oraz usuwanie duplikatów, pustych wartości i rozbieżności słownikowych.
Operacje na kolumnach stanowią podstawę dalszego modelowania danych w Power Query. Uczestnicy wykonają dzielenie i łączenie pól, wyodrębnianie tekstu, pivot i unpivot, grupowanie z agregacjami oraz filtrowanie, sortowanie, kolumny obliczeniowe, reguły logiczne i mapowanie wartości.
Łączenie danych z wielu tabel wymaga zarówno właściwego doboru typu połączenia, jak i poprawnego przygotowania struktur źródłowych. Omówione zostaną Merge z joinami left, right, inner i full, Append dla dołączania zbiorów oraz obsługa braków dopasowań i konfliktów danych.
Przygotowanie zapytań do cyklicznego raportowania wymaga uwzględnienia zmian w danych i sposobie ich dostarczania. Ta część obejmuje odświeżanie ręczne i automatyczne, parametry zapytań, pracę na dynamicznych folderach oraz obsługę zmieniającej się struktury plików.
Problemy z długim odświeżaniem zwykle wynikają z kolejności kroków, zbyt dużego wolumenu danych lub nieoptymalnej konstrukcji zapytania. Uczestnicy przećwiczą ograniczanie danych już przy imporcie, diagnostykę wąskich gardeł i typowe błędy wpływające na stabilność odświeżania.
Język M jest pokazany jako mechanizm stojący za kolejnymi krokami zapytania, a nie jako osobny temat programistyczny. Sekcja wyjaśnia składnię let/in, zasady czytelnego zapisu oraz miejsca, w których kod M pojawia się w Power Query i może być świadomie modyfikowany.
Podstawy Excela - Powinieneś swobodnie pracować w Excelu: otwierać pliki, poruszać się po arkuszach, filtrować dane i rozumieć strukturę tabel, bo na tym będzie oparta część ćwiczeń.
Praca z tabelami danych - Powinieneś rozumieć, czym są kolumny, wiersze, nagłówki i typowe błędy w danych, aby sprawnie wykonywać ćwiczenia związane z czyszczeniem i porządkowaniem zestawów.
Podstawy analizy danych - Powinieneś mieć podstawowe doświadczenie w analizie danych, na przykład w sortowaniu, filtrowaniu i prostym grupowaniu, aby łatwiej zrozumieć sens wykonywanych transformacji.
Pierwszy kontakt z Power Query - Warto, abyś znał podstawy Power Query lub przynajmniej widział edytor zapytań, ponieważ szkolenie koncentruje się na pracy średniozaawansowanej, a nie na pełnym wprowadzeniu.
