WEBVTT

00:00:00.000 --> 00:00:03.080
Topik hari ini adalah sesuatu yang hampir semua pengguna Power BI pernah dengar,

00:00:03.280 --> 00:00:04.780
tapi hampir tidak ada yang bisa menjelaskannya.

00:00:05.640 --> 00:00:06.360
Apa sebenarnya DAX itu?

00:00:06.840 --> 00:00:09.780
Apakah itu hanya rumus Excel di dalam Power BI atau sesuatu yang sepenuhnya berbeda?

00:00:10.240 --> 00:00:14.040
Begini, banyak orang mengira DAX hanyalah rumus Excel dengan nama berbeda, padahal tidak.

00:00:14.720 --> 00:00:17.100
DAX adalah cara berpikir yang benar-benar berbeda mengenai perhitungan.

00:00:17.540 --> 00:00:19.480
Jika Anda mencoba memperlakukannya seperti Excel,

00:00:19.640 --> 00:00:22.080
Anda akan merasa frustrasi dan bingung mengapa angka Anda tidak akurat.

00:00:22.700 --> 00:00:25.840
Di akhir episode ini, Anda akan memahami apa itu DAX, mengapa itu penting,

00:00:26.120 --> 00:00:28.480
dan konsep inti untuk mulai menggunakannya dengan percaya diri.

00:00:28.480 --> 00:00:30.120
Ambil kopi Anda dan mari kita mulai.

00:00:31.100 --> 00:00:31.940
Apa sebenarnya DAX itu?

00:00:32.860 --> 00:00:35.660
DAX adalah singkatan dari Data Analysis Expressions,

00:00:35.900 --> 00:00:40.700
bahasa rumus yang digunakan dalam Power BI, Power Pivot di Excel, dan SQL Server Analysis Services.

00:00:41.480 --> 00:00:44.320
Anggap saja sebagai mesin yang menggerakkan perhitungan Anda di balik layar,

00:00:44.940 --> 00:00:45.720
DAX bukan hal baru.

00:00:46.280 --> 00:00:49.160
Sudah ada sejak Excel Power Pivot diperkenalkan lebih dari satu dekade lalu.

00:00:49.880 --> 00:00:53.680
Namun dengan Power BI, ia menjadi bahasa utama bagi siapapun yang serius dalam analisis data.

00:00:54.340 --> 00:00:55.320
Dan inilah yang membuatnya berbeda.

00:00:55.320 --> 00:00:58.100
Di Excel, Anda menulis rumus yang bekerja dengan sel individu.

00:00:58.940 --> 00:01:02.000
Arahkan ke A1, kalikan dengan B1, dan Anda mendapatkan hasil untuk satu sel.

00:01:02.340 --> 00:01:03.400
DAX tidak bekerja seperti itu.

00:01:03.640 --> 00:01:05.440
Ia bekerja dengan seluruh tabel dan kolom sekaligus.

00:01:05.900 --> 00:01:07.420
Anda tidak menghitung satu sel dalam satu waktu.

00:01:07.860 --> 00:01:09.180
Sebaliknya, Anda memberitahu mesin.

00:01:09.280 --> 00:01:13.540
Ambil seluruh kolom angka ini dan jumlahkan atau saring seluruh tabel ini berdasarkan kondisi ini.

00:01:14.300 --> 00:01:15.260
Jadi bagaimana cara moyangkan?

00:01:15.540 --> 00:01:17.100
Bayangkan Anda sedang membangun gedung perkantor.

00:01:17.560 --> 00:01:20.140
Power BI Anda, strukturnya, lantai, dinding, dan ruangannya.

00:01:20.600 --> 00:01:21.300
Sedangkan model data net.

00:01:21.740 --> 00:01:22.700
DAX dan pipa airnya.

00:01:22.700 --> 00:01:24.320
Nah, itulah yang membuat semuanya berfungsi.

00:01:24.660 --> 00:01:28.380
Tanpa DAX, Anda memiliki gedung yang tampak bagus tetapi tidak ada listrik atau air mengalir.

00:01:28.760 --> 00:01:33.140
Dengan DAX, lampu menyala, keran berfungsi, dan laporan Anda merespon saat seseorang mengeklik slicer.

00:01:33.780 --> 00:01:35.100
Responsivitas itulah inti utamanya.

00:01:35.640 --> 00:01:39.320
DAX memungkinkan Anda membuat perhitungan yang otomatis bereaksi terhadap filter dan interaksi.

00:01:39.860 --> 00:01:45.100
Buat suatu ukuran, maka ia akan menampilkan angka yang tepat baik saat melihat total penjualan berdasarkan wilayah, produk, atau bulan.

00:01:45.160 --> 00:01:45.960
Semuanya berjalan.

00:01:46.460 --> 00:01:49.560
Namun untuk menggunakannya dengan baik, Anda perlu memahami dua cara utama bekerja dengan air.

00:01:49.560 --> 00:01:50.520
Mari kita bahas keduanya.

00:01:51.480 --> 00:01:54.140
Dua dunia, kolom terhitung versus ukuran measures.

00:01:54.860 --> 00:01:58.320
Hari ini kita membahas dua blok pembangun dalam DAX, kolom terhitung dan ukuran.

00:01:58.820 --> 00:02:00.780
Kebanyakan orang punya keduanya sama, padahal tidak.

00:02:01.160 --> 00:02:03.380
Tertukar antara keduanya adalah kesalahan paling umum yang saya lihat.

00:02:04.020 --> 00:02:04.900
Kolom tersifat statis.

00:02:05.600 --> 00:02:06.840
Ini menambahkan kolom baru ke tabel Anda.

00:02:07.240 --> 00:02:09.580
Kolom ini terisi saat penyegaran dan kemudian tetap di sana.

00:02:09.960 --> 00:02:11.620
Isinya tidak berubah sampai penyegaran berikutnya.

00:02:11.620 --> 00:02:13.280
Ini cara paling sederhana untuk memikirkannya.

00:02:13.700 --> 00:02:14.700
Bayangkan sebuah lemari arsik.

00:02:15.080 --> 00:02:16.280
Anda memasukkan selama kertas ke dalam folder.

00:02:16.720 --> 00:02:18.120
Kertas itu membuat nama lengkap langit.

00:02:18.120 --> 00:02:20.820
Tidak masalah apakah Anda melihatnya hari ini atau minggu depan.

00:02:21.080 --> 00:02:21.860
Namanya masjid atau pesan.

00:02:22.060 --> 00:02:22.980
Itulah kolom terhitung.

00:02:23.320 --> 00:02:24.480
Ukuran atau alimek asyur benar-benar beda.

00:02:24.840 --> 00:02:26.140
Ia tidak menetap di dalam tabel.

00:02:26.180 --> 00:02:27.400
Ia hidup di memori laporan Anda.

00:02:27.800 --> 00:02:30.720
Setiap kali seseorang memfilter, mengiris, atau mengeklik visual,

00:02:30.880 --> 00:02:32.660
kalimek asyur akan aktif dan menghitung ulang.

00:02:33.020 --> 00:02:33.560
Mengapain yang penting.

00:02:34.120 --> 00:02:36.400
Jika pengguna mengeklikai selicara untuk wilayah timur laut,

00:02:36.400 --> 00:02:39.520
kalimek asyur akan menghitung ulang seketika kolom terhitung mengapaikan kalimek asyur.

00:02:40.000 --> 00:02:40.680
Memang harus begitu.

00:02:40.960 --> 00:02:41.780
Karena ia bersifat statis.

00:02:42.680 --> 00:02:43.980
Berikut adalah aturan sederah.

00:02:44.240 --> 00:02:46.420
Jika angka perlu berubah saat seseorang mengklik tombol,

00:02:46.620 --> 00:02:47.400
gunakan kalimek asyur.

00:02:48.120 --> 00:02:49.740
Jika angkanya tetap sama apapun yang terjadi,

00:02:49.860 --> 00:02:50.800
kolom terhitung sudah cukup.

00:02:51.640 --> 00:02:53.080
Hotel penjualan harus selalu menjadi kaya.

00:02:53.240 --> 00:02:55.500
Jika seseorang memfilter berdasarkan wilayah atau bulan,

00:02:55.560 --> 00:02:56.300
totalnya harus diperbaiki.

00:02:56.600 --> 00:02:57.720
Nama lengkap pelanggan adalah kolom.

00:02:58.180 --> 00:02:59.040
Isinya tidak pernah berubah.

00:02:59.120 --> 00:03:00.100
Alisra tidak akan mengaruhinya.

00:03:00.100 --> 00:03:02.020
Nah, disinilah kebanyakan pemula menjadi bingung.

00:03:02.500 --> 00:03:04.060
Mereka membuat kolom terhitung untuk segalanya.

00:03:04.480 --> 00:03:06.120
Terasa alami karena begitulah cara kerja Excel.

00:03:06.820 --> 00:03:08.600
Namun penggunaan kolom yang berdebihan akan mempemani model.

00:03:11.780 --> 00:03:13.300
Statis yang mengabaikan pengguna Anda.

00:03:14.080 --> 00:03:15.500
Alimek asyura hampir selalu menjadi bidwai.

00:03:15.920 --> 00:03:16.780
Asyuri bersifat dinamis.

00:03:17.180 --> 00:03:17.620
Asyur respons.

00:03:18.340 --> 00:03:19.940
Setelah Anda memahami perbedaan ini,

00:03:20.120 --> 00:03:21.940
Anda siap untuk keajaiban DAX yang sesungguhnya.

00:03:22.360 --> 00:03:23.640
Ajaiban itu disebut konteks filter.

00:03:24.700 --> 00:03:25.880
Gagasan besarnya konteks filter.

00:03:26.460 --> 00:03:27.620
Kayak kita punya dua blok bangunan ini.

00:03:28.200 --> 00:03:29.600
Sekarang mari bicara tentang mesin dibalik.

00:03:29.980 --> 00:03:32.160
Setiap angka yang Anda lihat di laporan Power BI

00:03:32.160 --> 00:03:34.100
dihitung di dalam sesuatu yang disebut konteks filter.

00:03:34.460 --> 00:03:35.600
Terdengar rumit padahal sederhana.

00:03:36.700 --> 00:03:39.480
Konteks filter hanyalah sekumpulan filter yang aktif pada saat itu juga.

00:03:40.200 --> 00:03:41.260
Dari mana filter tersebut berasak?

00:03:41.260 --> 00:03:42.680
Filter berasal dari cerah liman Anda.

00:03:42.960 --> 00:03:44.180
Filter berasal dari visual yang nge-click.

00:03:44.720 --> 00:03:45.820
Filter berasal dari halaman ini.

00:03:46.280 --> 00:03:48.420
Bahkan baris yang sedang Anda lihat menciptakan konteks filter.

00:03:48.880 --> 00:03:49.900
Inilah alasan mengapa dari itu.

00:03:50.120 --> 00:03:52.060
Saat Anda menulis kira seperti total penjualan,

00:03:52.200 --> 00:03:54.360
Anda tidak menyuruhnya melihat wilayah timur laut di Q3.

00:03:54.840 --> 00:03:56.560
Anda hanya menyuruhnya menjumlahkan kolom penjualan.

00:03:56.680 --> 00:03:56.940
Itu saja.

00:03:57.580 --> 00:03:58.760
Mesher tidak tahu tentang wilayah.

00:03:59.020 --> 00:04:00.060
Tidak tahu tentang kuartal.

00:04:00.540 --> 00:04:02.740
Ia hanya menjumlahkan baris apapun yang sedang terlihat.

00:04:03.480 --> 00:04:04.900
Konteks filter menentukan apa yang terlihat.

00:04:05.940 --> 00:04:06.920
Bayangkan sebuah lampu sorot.

00:04:07.280 --> 00:04:08.460
Selu kumpulan data Anda adalah ruangan.

00:04:08.460 --> 00:04:10.160
Konteks filter adalah lampu sorotnya.

00:04:10.680 --> 00:04:13.120
Mesher adalah kamera yang mengambil gambar tepat pada apa yang disinarik lampu.

00:04:13.620 --> 00:04:15.020
Gerakan lampu sorot ke wilayah timur laut.

00:04:15.540 --> 00:04:16.260
Mesher menghitung ulang.

00:04:16.580 --> 00:04:18.180
Pindahkan ke Q3, ia menghitung ulang lagi.

00:04:18.520 --> 00:04:19.440
Anda tidak mengubah rumusnya.

00:04:19.720 --> 00:04:20.460
Konteksnya yang berubah.

00:04:21.100 --> 00:04:22.160
Hal ini membingungkan banyak orang.

00:04:22.680 --> 00:04:23.580
Mereka menulis mesher.

00:04:23.720 --> 00:04:24.900
Terlihat benar di satu visual,

00:04:25.060 --> 00:04:28.020
lalu mereka memasukkannya ke matriks dengan filter berbeda dan angkanya berubah.

00:04:28.520 --> 00:04:29.420
Mereka pikir ada yang rusak.

00:04:29.840 --> 00:04:30.440
Itu tidak rusak.

00:04:30.880 --> 00:04:32.480
Justru itulah yang seharusnya dilakukan oleh sebuah mesher.

00:04:32.800 --> 00:04:33.460
Mesher itu dinamis.

00:04:33.820 --> 00:04:34.360
Inilah sebenarnya.

00:04:34.860 --> 00:04:39.100
Anda menulis satu rumus dan itu berfungsi untuk setiap kombinasi filter yang mungkin di seluruh laporan Anda.

00:04:39.420 --> 00:04:40.880
Satu rumus jawaban tak terbatas.

00:04:41.340 --> 00:04:42.180
Namun Anda harus berhati-hati.

00:04:42.780 --> 00:04:45.400
Jika Anda tidak tahu filter apa yang aktif, Anda tidak akan memahami angka Anda.

00:04:45.900 --> 00:04:46.900
Anda perlu melacak lampu sorot.

00:04:47.400 --> 00:04:50.260
Pahami konteks filter dan Anda akan membuka kekuatan DAX yang sebenarnya.

00:04:51.220 --> 00:04:53.040
Dan itu membawa kita pada bintang utama kita.

00:04:53.240 --> 00:04:55.480
Fungsi kalkulat, fungsi paling penting, kalkulat.

00:04:56.400 --> 00:04:56.760
Nama datang.

00:04:57.160 --> 00:05:00.240
Pengetahuan hari ini adalah tentang fungsi paling penting dalam DAX.

00:05:00.680 --> 00:05:01.480
Namanya adalah kalkulat.

00:05:01.480 --> 00:05:04.120
Jika Anda hanya menguasai satu fungsi, pastikan fungsi ini.

00:05:04.660 --> 00:05:05.100
Kalkulat.

00:05:05.480 --> 00:05:09.140
Memungkinkan Anda mengontrol konteks filter daripada sekadar menerima filter apapun yang aktif.

00:05:09.700 --> 00:05:10.780
Ini cara kerja mesher nolak.

00:05:11.120 --> 00:05:14.260
Saat Anda menulis mesher, ia secara otomatis menghormati konteks filter saat ini.

00:05:14.640 --> 00:05:18.140
Jika seseorang memilih 2024 dari slicer, mesher Anda menampilkan angka 2024.

00:05:18.880 --> 00:05:21.340
Jika mereka memilih wilayah timur laut, ia menampilkan angka weld.

00:05:21.800 --> 00:05:25.000
Mesher merespons filter apapun yang digunakan tanpa perlu kerja tambahan.

00:05:25.400 --> 00:05:26.200
Itu adalah perilaku default.

00:05:26.200 --> 00:05:29.060
Tapi bagaimana jika Anda membutuhkan angka yang mengabaikan filter saat ini?

00:05:29.620 --> 00:05:33.240
Mungkin Anda ingin total penjualan untuk semua wilayah tepat di sebelah penjualan untuk wilayah yang dipilih.

00:05:34.140 --> 00:05:37.060
Atau Anda butuh penjualan tahun lalu sementara seseorang sedang melihat tahun ini.

00:05:37.380 --> 00:05:39.320
Dalam kasus tersebut, Anda tidak bisa mengandalkan konteks default.

00:05:39.560 --> 00:05:40.440
Anda perlu memodifikasi.

00:05:40.760 --> 00:05:41.800
Itulah tepatnya dilakukan kalkulat.

00:05:42.120 --> 00:05:44.500
Kalkulat bekerja dengan mengubah konteks filter untuk sementara.

00:05:44.880 --> 00:05:48.800
Anda memberikannya ekspresi untuk dihitung, lalu Anda memberikannya satu atau beberapa filter untuk dihitung.

00:05:48.800 --> 00:05:52.140
Ia mengubah konteks, menjalankan perhitungan, dan mengembalikan hasilnya.

00:05:52.140 --> 00:05:55.060
Konteks filter asli tetap tidak tersentuh, belakang ajaibannya.

00:05:55.560 --> 00:05:56.300
Sintaksnya sederhana.

00:05:56.860 --> 00:05:59.340
Anda menulis kalkulat ekspresi filter 1, filter 2.

00:06:00.900 --> 00:06:03.000
Ekspresi tersebut biasanya dalam misi yang sudah Anda buat sebelumnya.

00:06:03.420 --> 00:06:05.180
Filter adalah kondisi yang ingin Anda terapkan.

00:06:05.680 --> 00:06:07.320
Anda bisa menambahkan filter sebanyak yang Anda butuhkan.

00:06:07.780 --> 00:06:08.460
Mari kita lihat cara kerja.

00:06:08.920 --> 00:06:10.840
Misalkan Anda memiliki ukuran bernama total penjualan.

00:06:11.000 --> 00:06:12.500
Ini menunjukkan penjualan untuk periode dipilih.

00:06:12.600 --> 00:06:15.060
Untuk menampilkan penjualan periode yang sama tahun lalu,

00:06:15.260 --> 00:06:18.080
tuliskan kalkulat total penjualan same period last year calendar date.

00:06:18.560 --> 00:06:19.120
Hanya itu yang diperlukan.

00:06:19.120 --> 00:06:22.740
Kalkulat mengambil ukuran yang ada dan menggeser konteks tanggal mundur 1 tahun.

00:06:23.280 --> 00:06:24.900
Anda mendapatkan perbandingan yang diperlukan dari 1 tahun.

00:06:25.180 --> 00:06:28.140
Tanpa kalkulat, Anda terbatas pada konteks filter yang ada.

00:06:28.760 --> 00:06:32.240
Dengan kalkulat, Anda bisa menimpa filter, menambahkan yang baru, atau menghapus yang sudah ada.

00:06:32.700 --> 00:06:36.320
Anda bisa meminta total penjualan untuk semua produk meskipun seseorang memfilter kategori T.

00:06:36.560 --> 00:06:39.380
Anda bisa menarik penjualan bulan lalu saat laporan menampilkan bulan ini.

00:06:39.740 --> 00:06:40.720
Kontrol ada di tangan Anda.

00:06:41.180 --> 00:06:43.540
Sekitar 80% deks tingkat lanjut bergantung pada kalkulat.

00:06:43.540 --> 00:06:49.180
Kecerdasan waktu, perbandingan dinamis, agregasi khusus, total berjalan, semuanya menggunakan kalkulat di latar belakang.

00:06:49.720 --> 00:06:50.640
Menjadi mahir dengan satu.

00:06:50.760 --> 00:06:53.180
Fungsi ini memberi Anda kekuatan besar atas laporan Anda.

00:06:53.660 --> 00:06:55.120
Namun kalkulat bekerja pada tingkat filter.

00:06:55.700 --> 00:06:57.520
Bagaimana dengan logika baris demi baris di dalam ukuran?

00:06:57.960 --> 00:06:59.580
Disitulah fungsi yang berbeda berperan.

00:07:00.380 --> 00:07:02.720
Fungsi iterator saat Anda perlu berpikir baris demi baris.

00:07:02.720 --> 00:07:05.380
Jadi kalkulat menangani perubahan tingkat filter dengan baik,

00:07:05.500 --> 00:07:09.540
tapi terkadang Anda perlu masuk ke dalam tabel dan menghitung setiap baris secara individual di dalam ukuran.

00:07:10.060 --> 00:07:11.200
Fungsi sum sederhana tidak bisa melakukan.

00:07:11.660 --> 00:07:13.880
Anda memerlukan sesuatu yang menusuri tabel baris demi baris.

00:07:14.380 --> 00:07:15.300
Ini adalah situasi yang umum.

00:07:15.780 --> 00:07:18.740
Anda memiliki tabel penjualan dengan kuantitas dan harga satuan di kolom terpisah.

00:07:19.080 --> 00:07:20.620
Anda ingin ukuran yang menunjukkan total pendapatan.

00:07:21.020 --> 00:07:23.220
Anda tidak bisa begitu saja mengalihkan kuantitas dengan harga satuan.

00:07:24.140 --> 00:07:26.100
Mengalihkan totalnya bukan masing-masing baris.

00:07:26.500 --> 00:07:30.940
Anda perlu mengalihkan kuantitas setiap baris dengan harga satuannya lalu menjumlahkan semua hasil tersebut.

00:07:30.940 --> 00:07:32.500
Itu lama tiga baris demi baris.

00:07:34.510 --> 00:07:35.470
Fungsi iterator dibuat untuk ini.

00:07:36.090 --> 00:07:41.410
Ini adalah fungsi yang diakhiri dengan X seperti sumx, afregx, conx, minx, mxx.

00:07:41.930 --> 00:07:43.110
Berupa X adalah singkatan dari ekspresi.

00:07:43.470 --> 00:07:47.970
Fungsi fungsi ini mengambil tabel, menelusuri setiap baris, melakukan perhitungan pada setiap baris,

00:07:48.390 --> 00:07:50.190
lalu mengagregasi hasilnya menjadi satu nilai.

00:07:50.790 --> 00:07:55.630
Untuk contoh pendapatan, Anda menulis sumx, penjualan, kuantitas penjualan, harga satuan penjualan.

00:07:56.890 --> 00:07:58.750
Argumen pertama adalah tabel untuk iterasi.

00:07:58.750 --> 00:08:02.290
Argumen kedua adalah ekspresi untuk dievaluasi pada setiap baris.

00:08:02.930 --> 00:08:06.930
Zoomx berjalan baris demi baris, mengalihkan kuantitas dengan harga, dan menjumlahkan semuanya.

00:08:07.570 --> 00:08:10.670
Satu ukuran memberi Anda total pendapatan yang benar, sederhana dan langsung.

00:08:11.490 --> 00:08:14.890
Gunakan iterator kapanpun perhitungan Anda melibatkan beberapa kolom dari baris yang sama.

00:08:15.610 --> 00:08:18.710
Laba per item, harga diskon, skor berbobot, kapanpun perhitungan.

00:08:18.710 --> 00:08:22.390
Memerlukan logika baris demi baris dalam sebuah ukuran, iterator adalah alat Anda.

00:08:22.670 --> 00:08:23.770
Iterator adalah alat Anda.

00:08:23.890 --> 00:08:25.290
Namun, iterator memiliki biaya kinerja.

00:08:25.710 --> 00:08:27.010
Mereka menelusuri setiap baris.

00:08:27.230 --> 00:08:31.070
Jadi penggunaan berlebihan pada tabel dengan jutaan baris dapat memperlambat laporan Anda hingga sangat lambat.

00:08:31.650 --> 00:08:35.370
Aturan sederhananya, gunakan iterator hanya saat Anda benar-benar membutuhkan logika baris demi baris.

00:08:35.670 --> 00:08:38.730
Jika penjumlahan atau rata-rata sederhana memberikan jawaban yang tepat, gunakan lain.

00:08:39.170 --> 00:08:39.930
Laporan Anda akan bibaikan.

00:08:39.930 --> 00:08:44.870
Satu tips lagi, terkadang kolom terhitung ditambah jumlah sederhana lebih cepat daripada UMX.

00:08:45.530 --> 00:08:49.130
Jika Anda membuat kolom terhitung yang melakukan perhitungan tingkat baris kali saat penyegaran,

00:08:49.410 --> 00:08:51.290
lalu menggunakan jumlah reguler pada kolom tersebut,

00:08:51.650 --> 00:08:54.350
Anda menghindari biaya iterator setiap kali seseorang melihat laporan.

00:08:55.130 --> 00:08:56.790
Uji kedua pendekatan tersebut pada data Anda sini.

00:08:57.330 --> 00:09:00.290
Opsi tercepat bergantung pada ukuran model Anda dan seberapa sering data berubah.

00:09:00.970 --> 00:09:01.590
Pilih dengan bijak.

00:09:02.070 --> 00:09:03.150
Kecerdasan waktu dibuat sederhana.

00:09:03.490 --> 00:09:07.690
Sekarang mari kita bahas salah satu fitur yang paling banyak diminta di Power BI, membandingkan periode waktu.

00:09:07.690 --> 00:09:10.130
Bagaimana penjualan bulan ini dibandingkan bulan lalu?

00:09:10.530 --> 00:09:12.070
Bagaimana pencapaian tahun ini dibandingkan tahun lalu?

00:09:12.690 --> 00:09:14.890
Pertanyaan-pertanyaan ini muncul di hampir setiap laporan bisnis.

00:09:15.310 --> 00:09:17.150
Dan DAX memiliki fungsi yang dibuat khusus untuk itu.

00:09:17.530 --> 00:09:19.810
Fungsi kecerdasan waktu menangani total tahun berjalan,

00:09:20.150 --> 00:09:23.570
periode yang sama tahun lalu, rata-rata bergulir, dan perubahan bulan ke bulan ke bulan.

00:09:23.850 --> 00:09:25.050
Fungsi ini adalah bagian dari DAX,

00:09:25.130 --> 00:09:27.930
jadi Anda tidak perlu menulis logika filter yang kompleks dari awal.

00:09:27.990 --> 00:09:28.950
Namun inilah syaratnya.

00:09:28.950 --> 00:09:31.310
Fungsi kecerdasan waktu memerlukan tabel tanggal yang tepat.

00:09:31.650 --> 00:09:33.490
Bukan sembarang kolom tanggal dari tabel fakta Anda.

00:09:33.490 --> 00:09:38.170
Anda memerlukan tabel terpisah dengan satu baris per hari mencakup rentang tanggal penuh tanpa celah

00:09:38.170 --> 00:09:40.570
dan harus ditandai sebagai tabel tanggal dalam model Anda.

00:09:41.030 --> 00:09:43.210
Lewati langkah itu, dan fungsinya tidak akan berfungsi.

00:09:44.170 --> 00:09:46.010
Setelah Anda menyiapkan tabel tanggal tersebut,

00:09:46.130 --> 00:09:47.270
fungsi yang paling berguna adalah

00:09:47.270 --> 00:09:50.030
Totally TD, Same Period Last Year, Date 8, dan Dates Between.

00:09:50.770 --> 00:09:54.110
Totally Sederhana, Anda menulis Totally TD, Total Penjualan, Tanggal Kalenang.

00:09:54.370 --> 00:09:58.270
Dan Anda mendapatkan total berjalan dari awal tahun hingga tanggal apapun yang ada dalam konteks.

00:09:58.750 --> 00:10:00.470
Letakkan dalam diagram garis berdasarkan bulan

00:10:00.470 --> 00:10:02.910
dan Anda akan melihat total kumulatif tersebut tumbuh seiring berjalan.

00:10:02.910 --> 00:10:05.330
Same Period Last Year melakukan persis seperti namanya.

00:10:05.690 --> 00:10:07.090
Fungsi ini menggeser konteks tanggal mundur satu.

00:10:07.650 --> 00:10:09.010
Anda masakannya dengan kalkulat seperti ini.

00:10:09.370 --> 00:10:12.390
Kalkulat total penjualan, Same Period Last Year, Tanggal Kalender.

00:10:13.430 --> 00:10:16.290
Sekarang Anda memiliki data penjualan tahun lalu tepat di sebelah angka tahun ini

00:10:16.290 --> 00:10:17.230
untuk perbandingan yang mudah.

00:10:17.630 --> 00:10:18.750
Data DAT ini bahkan lebih fleksibel.

00:10:19.010 --> 00:10:21.810
Fungsi ini memungkinkan Anda bergeser berdasarkan hari, bulan, kuartal, atau tahun.

00:10:22.030 --> 00:10:24.070
Anda bisa membandingkan kuartal ini dengan kuartalnya sama

00:10:24.070 --> 00:10:27.570
dua tahun lalu dengan menggunakan minus satu bulan lalu dengan menggunakan minus satu bulan.

00:10:27.570 --> 00:10:29.150
Ini adalah pisau Swiss untuk pergeseran waktu.

00:10:29.150 --> 00:10:32.350
Salahan paling umum yang dibuat orang adalah lupa menandai tabel tanggal.

00:10:32.530 --> 00:10:36.110
Anda bisa memiliki tabel tanggal sempurna dengan setiap hari dari tahun 2020 hingga 2030.

00:10:36.310 --> 00:10:39.250
Hingga 2030 tetapi jika Anda tidak menandainya sebagai tabel tanggal di dalam model,

00:10:39.330 --> 00:10:41.350
fungsi-fungsi tersebut akan menghasilkan kesalahan atau nilai kosong.

00:10:41.570 --> 00:10:42.090
Ini yang sederhana.

00:10:42.610 --> 00:10:45.290
Klik kanan pada tabel, pilih tandai sebagai tabel tanggal, lalu pilih kolom tanggal.

00:10:45.590 --> 00:10:47.150
Lakukan itu sekali dan semuanya akan mulai berfungsi.

00:10:47.350 --> 00:10:50.270
Kesalahan lainnya adalah menggunakan fungsi kecerdasan waktu pada kolom tanggal

00:10:50.270 --> 00:10:53.330
di dalam tabel fakta alih-alih menggunakan tabel fakta alih-alih menggunakan tabel.

00:10:53.490 --> 00:10:56.550
Fungsi-fungsi tersebut mengharapkan rentang tanggal yang kontinu tanpa celah

00:10:56.550 --> 00:10:58.090
dan tabel fakta hampir tidak pernah memiliki.

00:10:58.490 --> 00:11:02.350
Jadi buatlah tabel tanggal yang tepat, tandai, dan kecerdasan waktu Anda akan berfungsi dengan lancar.

00:11:03.170 --> 00:11:03.970
Jebakan umum bagi pemula.

00:11:04.490 --> 00:11:07.110
Bahkan dengan fungsi yang tepat, memulasiin kali terjebak dalam masalah umum.

00:11:07.570 --> 00:11:10.150
Ijinkan saya menunjukkan beberapa yang terbesar agar Anda bisa menghindarinya sejahat.

00:11:10.150 --> 00:11:14.290
Sumber utama bug dalam DAX adalah membingungkan konteks baris dengan konteks filter.

00:11:14.770 --> 00:11:18.150
Sebelumnya, kita telah membahas bagaimana kolom terhitung menciptakan konteks baris,

00:11:18.270 --> 00:11:19.770
mengevaluasi satu baris pada satu waktu,

00:11:19.870 --> 00:11:22.770
sementara ukuran menggunakan konteks filter berdasarkan filter apapunnya.

00:11:23.310 --> 00:11:26.350
Pemula sering menulis ukuran seolah-olah memiliki akses ke masing-masing baris,

00:11:26.490 --> 00:11:28.130
lalu bingung mengapa hasilnya salah.

00:11:28.910 --> 00:11:31.990
Jika ukuran Anda perlu melihat masing-masing baris, gunakan fungsi iterator.

00:11:32.770 --> 00:11:33.870
Jika tidak, buat latar sederhan.

00:11:34.290 --> 00:11:37.010
Kesalahan besar kedua adalah menggunakan kolom terhitung padahal ukuran bisa digunakan.

00:11:37.010 --> 00:11:41.110
Kolom terhitung terasa familiar karena Anda bisa melihat nilainya di dalam tabel,

00:11:41.210 --> 00:11:44.670
tetapi setiap kolom terhitung membuat model Anda lebih besar dan peninggarannya lebih lambat.

00:11:45.390 --> 00:11:49.550
Sebelum menambahkannya, tanyakan pada diri sendiri apakah nilai ini perlu berubah saat seseorang memfilter laporan.

00:11:49.870 --> 00:11:51.050
Jika ya, itu seharusnya menjadi ukuran.

00:11:51.510 --> 00:11:53.210
Kecepatan lainnya adalah mengabaikan model data itu sendiri.

00:11:53.750 --> 00:11:54.970
DAX tidak bekerja secara terisolasi.

00:11:55.290 --> 00:11:57.170
DAX bergantung pada hubungan antar tabel Anda.

00:11:57.870 --> 00:12:00.590
Jika model Anda memiliki hubungan yang lemah, kardinalitas yang salah,

00:12:00.590 --> 00:12:03.390
atau kunci gabungan yang hilang, rumus DAX Anda akan gagal tanpa peringatan.

00:12:03.390 --> 00:12:05.950
Anda akan mendapatkan angka yang terlihat masuk akal, tetapi sebenarnya salah.

00:12:06.250 --> 00:12:07.210
Solusinya bukan DAX yang lebih baik.

00:12:07.530 --> 00:12:08.450
Perbaiki model Anda terbiduk.

00:12:08.730 --> 00:12:09.910
Lalu ada penyelagunan Calculate.

00:12:10.330 --> 00:12:14.650
Pemula menambahkan beberapa filter di dalam Calculate tanpa menyadari bahwa filter tersebut mungkin saling membatalkan.

00:12:15.510 --> 00:12:19.950
Sebagai contoh, filter untuk penjualan tahun 2024 dan filter lainnya untuk penjualan tahun lalu akan berkonflik,

00:12:20.090 --> 00:12:21.490
dan hasilnya tidak akan seperti yang Anda harapkan.

00:12:21.790 --> 00:12:24.030
Setiap filter di dalam Calculate harus memiliki tujuan yang jelas.

00:12:24.390 --> 00:12:27.270
Jika Anda tidak yakin dengan apa yang dilakukannya, ojilah secara terbisa terbiduk.

00:12:27.270 --> 00:12:29.510
Satu lagi kesalahan umum adalah tidak menggunakan variabel.

00:12:29.970 --> 00:12:34.730
Variabel yang dideklarasikan dengan VR memungkinkan Anda menyimpan hasil antara dan menggunakannya kembali dalam ukuran yang sama.

00:12:34.970 --> 00:12:38.010
Tanpa variabel, Anda mengulangi perhitungan yang sama berkali-kali dalam satu rumus,

00:12:38.150 --> 00:12:41.570
membuat kode Anda lebih sulit dibaca, lebih sulit dibaca, lebih sulit diperbaiki, dan lebih lambat dijalankan.

00:12:41.730 --> 00:12:43.490
Biasakan diri untuk menggunakan VR, hasilnya awal.

00:12:43.530 --> 00:12:44.950
Ini akan menghemat waktu Anda dalam server jam-jam.

00:12:44.950 --> 00:12:47.770
Dan akhirnya selalu validasi ukuran Anda dalam konteks yang berbeda.

00:12:48.290 --> 00:12:52.130
Ukuran yang berfungsi sempurna dalam visual kartu mungkin rusak di total matrix.

00:12:52.130 --> 00:12:55.630
Itu karena baris total dievaluasi dalam konteks filtering berbeda dari baris detail.

00:12:56.490 --> 00:13:00.350
Uji ukuran Anda dalam tabel, kartu, matrix, dan dengan kombinasi pemotong yang berbeda.

00:13:01.010 --> 00:13:04.290
Jika ukuran tetap akurat di semua skenario tersebut, Anda tahu itu sudah solid.

00:13:05.550 --> 00:13:06.150
Menyatukan semuanya.

00:13:06.790 --> 00:13:09.090
Baiklah, mari kita bahas contoh nyata yang menggabungkan semuanya.

00:13:09.810 --> 00:13:13.250
Bayangkan Anda sedang membuat laporan penjualan dan Anda perlu menampilkan tiga angka.

00:13:13.550 --> 00:13:16.270
Total penjualan untuk periode ini, total penjualan untuk periode yang sama tahun lalu,

00:13:16.450 --> 00:13:17.990
dan persentase pertumbuhan di antara keduanya.

00:13:18.810 --> 00:13:20.710
Hal pertama yang Anda butuhkan adalah tabel tanggal yang bersih.

00:13:20.910 --> 00:13:21.630
Masuk ke model Anda.

00:13:21.630 --> 00:13:24.050
Buat tabel tanggal yang mencakup rentang tanggal lengkap Anda.

00:13:24.350 --> 00:13:25.850
Satu baris per hari, tanpa celah.

00:13:26.330 --> 00:13:29.230
Kemudian klik kanan, pilih tandai sebagai tabel tanggal, dan pilih kolom tanggal.

00:13:29.690 --> 00:13:33.550
Lakukan itu sekali saja, dan setiap fungsi kecerdasan waktu yang Anda tulis setelahnya akan langsung berulang.

00:13:34.050 --> 00:13:34.790
Tulis ukuran dasar Anda.

00:13:35.610 --> 00:13:38.690
Beri nama total sales dan ketik total sales sama dengan some sales amount.

00:13:39.490 --> 00:13:43.270
Itulah fondasinya, dan setiap perhitungan lainnya akan dibangun berdasarkan satu baris sederhana ini.

00:13:43.710 --> 00:13:44.990
Kemudian Anda menulis ukuran tahun sebelum.

00:13:45.530 --> 00:13:47.170
Gunakan calculate dengan same period last year.

00:13:47.610 --> 00:13:48.510
Beberannya seperti ini.

00:13:48.510 --> 00:13:53.190
Prior year sales sama dengan calculate total sales same period last year calendar date.

00:13:54.190 --> 00:13:56.470
Sekarang Anda memiliki data tahun berjalan tepat di samping tahun.

00:13:56.870 --> 00:13:57.730
Sekarang persentase pertumbuhan.

00:13:58.530 --> 00:14:03.470
Gunakan divide untuk menangani kasus di mana penjualan tahun lalu mungkin 0, dan hal itu akan terjadi.

00:14:04.350 --> 00:14:04.930
Tulis seperti ini.

00:14:05.390 --> 00:14:06.650
Growth percent sama dengan divide.

00:14:07.190 --> 00:14:09.950
Total sales, prior year sales, prior year sales.

00:14:10.770 --> 00:14:14.510
Divi dengan aman membalikkan nilai kosong alih-alih kesalahan jika penyebutnya 0.

00:14:14.510 --> 00:14:16.550
Itu adalah cara-cara untuk menghindari kerusakan sistem.

00:14:16.870 --> 00:14:20.410
Sekarang Anda memiliki tiga ukuran yang dapat digunakan kembali yang berfungsi di seluruh filter apapun yang Anda berikan.

00:14:20.710 --> 00:14:23.350
Letakkan di tabel berdasarkan produk, wilayah, atau bulan.

00:14:23.650 --> 00:14:25.170
Mereka akan merespons dengan benar setiap saat.

00:14:25.470 --> 00:14:26.130
Itulah tujuan utamanya.

00:14:26.510 --> 00:14:30.430
Bangun di atas model yang bersih, kuasai beberapa fungsi inti, dan sisanya akan berjalan dengan sendirinya.

00:14:30.550 --> 00:14:32.490
Jadi jangan mencoba menulis deksi yang romit pada hari warna.

00:14:32.770 --> 00:14:33.790
Perbaik model Anda terlebih dahulu.

00:14:33.790 --> 00:14:41.270
Pelajari dasarnya, Measure, Filter Konteks, Calculate, dan Anda akan menyelesaikan sebagian besar masalah bisnis hanya dengan beberapa baris kode.

00:14:42.090 --> 00:14:42.890
Jadi inilah kesimpulan.

00:14:43.230 --> 00:14:47.450
Anda tahu apa itu DAX, mengapa filter konteks penting, dan bagaimana fungsi calculate serta iterator bekerja.

00:14:47.710 --> 00:14:50.070
Anda telah melihat jebakan umum dan cara menghindarinya.

00:14:50.490 --> 00:14:52.410
Dan kita telah membahas contoh nyata yang menyatukan semuanya.

00:14:53.010 --> 00:14:58.430
Kekuatan nyata DAX bukan tentang menghafal 100 fungsi, melainkan tentang pemodelan data yang kelapi dan beberapa pola inti.

00:14:58.870 --> 00:15:01.190
Buat model yang tepat dan penggunaan DAX akan menjadi sangat jelas.

00:15:01.570 --> 00:15:02.630
Inilah yang saya sarankan untuk Anda coba.

00:15:02.630 --> 00:15:03.650
Buka Power BI.

00:15:04.350 --> 00:15:07.990
Bangun model sederhana dengan tabel tanggal, tabel penjualan, dan tabel produk.

00:15:08.550 --> 00:15:10.210
Lalu buat satu Measure setiap hari selama seminggu.

00:15:10.690 --> 00:15:11.610
Mulai dengan total penjualan.

00:15:11.730 --> 00:15:13.550
Tambahkan penjualan tahun lalu, persentase pertumbuhan.

00:15:13.670 --> 00:15:14.450
Lalu coba running total.

00:15:15.190 --> 00:15:17.770
Pada akhir minggu Anda akan menulis Measure tanpa perlu berpikir lagi.

00:15:18.210 --> 00:15:18.970
Begitulah cara memahami.

00:15:19.310 --> 00:15:21.710
Jika episode ini membantu subscribe dan terus bangun pengetahuan Anda.

00:15:22.370 --> 00:15:25.510
Lain kali kita akan membahas debugging DAX saat terjadi kesalahan karena itu pasti terjadi.

00:15:25.650 --> 00:15:27.990
Dan tahu cara memperbaikinya adalah setengah dari perjuangan.

00:15:28.570 --> 00:15:28.990
Sampai jumpa.
