Blog

Poměrně často pracuji v Power BI s menšími sémantickými modely, které slouží pro rychlý ad-hoc reporting, PoC a podobně. Nad různými datovými zdroji pak pravidelně potřebuju vytvořit stále stejné typy DAX metrik. V mém případě se nejčastěji jedná o různé součty, průměry a počty záznamů. K tomu se mi pak často hodí i metriky pro sledování změn oproti dalším obdobím (např. předchozí měsíc, předchozí rok) a absolutní i procentuální změny. K tomu si občas přidávám ještě metriky s barvami pro podmíněné formátování a najednou se může jednat o docela velké množství nudného kódu, který je potřeba napsat. A tak jsem si vytvořil makro pro Tabular Editor 3, které mi tento proces výrazně urychluje. Tady ho máte.

Když se řekne ETL (Extract, Transform, Load), většina lidí si představí specializované nástroje jako Keboola, Talend, Informatica, Pentaho, Microsoft SQL Server Integration Services nebo dbt. Občas existují ale okamžiky, kdy máte data v SQL databázi a z různých důvodů ETL nástroje nasadit nemůžete. Jak to řeším já u některých klientů?

Vytvořit rychlou RFM (recency, frequency, monetary) analýzu není složité. Náročnější už je její vizualizace koncovým příjemcům. A s tím vám pomůže další má bezplatná „hračka“, kterou používám už řadu let. Jde o soubor se všemi hodnotami dosažitelného skóre (1-5), segmenty i doporučenou následnou aktivitou. Samotné číselné RFM segmenty čtenáři reportů nic neřeknou, takto jim jednoduše můžete zobrazit i názvy segmentů a vhodně je seřadit

Nakupují u nás více muži nebo ženy? A kdo z nich je vlastně kdo? Poznat tohle, není úplně jednoduché. Tedy pokud k tomu nemáte šikovnou databázi...

Vizualizovat adresy do mapových podkladů není vždy jednoduché. Často skončíte s tím, že potřebujete zobrazit různé metriky na úrovni krajů a okresů a ty přitom v podkladových datech nemáte. Pokud ale v datech máte české nebo slovenské PSČ, můžete je snadno převést na okresy a kraje pomocí bezplatného nástroje, který jsem pro vás připravil.