Zaawansowane techniki ETL w Power Query dla Power BI Desktop Integracja danych z różnych źródeł: Łączenie danych z API REST (Web.Contents). Przekształcanie danych JSON i XML (Json.Document, Xml.Tables). Pobieranie danych z baz danych: Przykłady łączenia z SQL Server, Oracle, PostgreSQL. Pobieranie danych z SAP: Korzystanie z konektora SAP HANA dla bezpośredniego dostępu do danych biznesowych. Import danych z plików: Łączenie z plikami Excel, CSV, JSON i XML z lokalnych dysków lub udziałów sieciowych. Zmiana ścieżki źródła danych z wykorzystaniem parametrów Tworzenie dynamicznych źródeł danych Automatyzacja procesów ETL w Power Query: Optymalizacja wydajności za pomocą Table.Buffer. Automatyczne odświeżanie danych z wykorzystaniem skryptów M i dynamicznych parametrów. Budowanie własnych funkcji w Power Query: Tworzenie i wykorzystanie własnych funkcji M do zautomatyzowanych transformacji danych. Przykłady zastosowań własnych funkcji do specyficznych przypadków transformacji danych. Zaawansowane przekształcenia danych Zmiana struktury danych przy użyciu Table.Pivot i Table.Unpivot. Dynamiczne filtrowanie i sortowanie (Table.Sort, Table.Filter). Przekształcenia tabelaryczne: Użycie Table.Pivot dla dynamicznej pivotacji danych i Table.Unpivot dla konwersji kolumn na wiersze. Operacje na tekstach: Zastosowanie funkcji Text.Split, Text.Trim, Text.Extract do zaawansowanej manipulacji tekstowej. Filtrowanie i sortowanie: Implementacja zaawansowanych filtrów z użyciem Table.SelectRows i sortowanie z Table.Sort. Modelowanie danych i zastosowanie formuł DAX do obliczania danych Tworzenie zaawansowanych modeli danych: Relacje wiele do wielu i korzystanie z USERELATIONSHIP dla zaawansowanej analizy relacyjnej. Optymalizacja modelu danych poprzez agregacje i tworzenie tabel pomocniczych. Wykonywanie operacji obliczeniowych na danych CALCULATE, SUMX, FILTER, ALLSELECTED dla zaawansowanych obliczeń kontekstowych. DATEADD, DATESBETWEEN, SAMEPERIODLASTYEAR dla analizy czasu i trendów. FORECAST.LINEAR, PERCENTILEX.INC dla analizy predykcyjnej i statystycznej. Wykorzystanie funkcji agregujących: SUMX, AVERAGEX, CONCATENATEX Analiza czasowa: Wykorzystanie funkcji Time Intelligence takich jak DATEADD, DATESBETWEEN, SAMEPERIODLASTYEAR. Analiza predykcyjna: Implementacja funkcji takich jak FORECAST.LINEAR dla prognozowania danych Wizualizacja danych i interaktywne raporty Przegląd dostępnych w Power BI Desktop wykresów takich jak wykresy słupkowe skumulowane, wykresy liniowe z markerami, wykresy punktowe dla przedstawienia złożonych danych. Formatowanie warunkowe: Zastosowanie formatowania warunkowego dla wyróżnienia kluczowych informacji w danych. Niestandardowe wizualizacje: Integracja niestandardowych wizualizacji z AppSource, tworzenie wizualizacji przy użyciu R lub Python dla specyficznych potrzeb analitycznych. Interaktywność i dynamika raportów: Budowanie interaktywnych raportów z użyciem zakładek, przycisków i dynamicznych filtrów. Zastosowanie SWITCH i SELECTEDVALUE w DAX dla warunkowych wizualizacji. Monitorowanie i optymalizacja wydajności raportów: Użycie Performance Analyzer do optymalizacji wydajności. Stosowanie najlepszych praktyk zarządzania wydajnością modelu danych. Publikowanie, współpraca i zarządzanie bezpieczeństwem Publikowanie i udostępnianie raportów w Power BI Service Zarządzanie dostępem i uprawnieniami w aplikacji workspace. Implementacja bezpieczeństwa na poziomie wiersza (RLS). Bezpieczne parametry połączeń i szyfrowanie danych