Het onderwerp van vandaag is iets waar bijna iedereen die met PowerBee werkt van heeft gehoord, maar wat bijna niemand echt kan uitleggen. Wat is DAX precies? Zijn het gewoon Excel-formules in PowerBee of is het iets compleet anders? Het zit zo, de meeste mensen denken dat DAX eigenlijk Excel-formules met een andere naam zijn, maar dat is niet zo. DAX is een compleet andere manier van denken over berekeningen. Als je het als Excel probeert te behandelen, raak je gefrustreerd en in de war omdat je cijfers niet kloppen. Aan het eind van deze aflevering weet je wat DAX echt is, waarom het belangrijk is en wat de kernconcepten zijn om het met vertrouwen te gebruiken. Pak je koffie erbij en laten we beginnen. Wat is DAX precies? DAX staat voor Data Analysis Expressions en het is de formuletaal die wordt gebruikt in PowerBee, PowerPivot in Excel en SQL Server Analysis Services. Zie het als de motor die achter de schermen je berekeningen aandrijft. DAX is niet nieuw. Het bestaat al sinds Excel PowerPivot meer dan 10 jaar geleden werd geïntroduceerd. Maar met PowerBee is het de standaardtaal geworden voor iedereen die serieus bezig is met data-analyse. En dit is wat het anders maakt. In Excel schrijf je formules die werken met individuele cellen. Wijs naar A1, vermenigvuldig met B1 en je krijgt een resultaat voor één cel. DAX werkt niet op die manier. Het werkt met hele tabellen en kolommen tegelijk. Je berekent niet één cel per keer. In plaats daarvan zeg je tegen de engine, neem deze hele kolom met getallen en tel deze op of filter deze hele tabel op basis van deze voorwaarden. Dus, hoe moet je dit voor je zien? Stel je voor dat je een kantoorgebouw bouwt. PowerBee geeft je de structuur, de vloeren, muren en kamers. Dat is je datamodel. DAX is de bedrading en de leidingen. Het is wat alles laat werken. Zonder DAX heb je een gebouw dat er mooi uitziet, maar geen elektriciteit of stromend water heeft. Met DAX gaan de lichten aan, werken de kranen en reageren je rapporten echt als iemand op een slicer klikt. Dat reactievermogen is precies het punt. DAX laat je berekeningen maken die automatisch reageren op filters en interacties. Maak één measure en het toont het juiste getal of iemand nu kijkt naar de totale verkoop per regio, per product of per maand. Het werkt gewoon. Maar om het goed te gebruiken, moet je de twee belangrijkste manieren begrijpen om met DAX te werken. Laten we die doornemen. De twee werelden, berekende kolommen versus measures. Vandaag bespreken we twee bouwstenen in DAX, berekende kolommen en measures. De meeste mensen denken dat ze hetzelfde zijn. Dat zijn ze niet. Ze door elkaar halen is een van de meest gemaakte fouten die ik zie. Een berekende kolom is statisch. Het voegt een nieuwe kolom toe aan je tabel. Het wordt gevuld tijdens een verversing en blijft daarna staan. Het verandert niet tot de volgende verversing. Dit is de eenvoudigste manier om erover na te denken. Stel je een archiefkast voor, je stopt een fel papier in een map. Op dat papier staat de volledige naam van de klant. Het maakt niet uit of je het dossier vandaag of volgende week bekijkt. De naam staat er nog steeds. Dat is een berekende kolom. Een meting is compleet anders. Het staat niet in de tabel. Het leeft in het geheugen van je rapport. Telkens wanneer iemand filtert, segmenteert of op een visual klikt, wordt de meting actief en herberekent deze. Waarom is dit belangrijk? Als een gebruiker op een slicer voor de noordoostelijke regio klikt, herberekent een meting direct. Een berekende kolom negeert de slicer. Dat moet wel. Het is statisch. Dit is de simpele regel. Als het getal moet veranderen wanneer iemand op een knop klikt, gebruik dan een meting. Als het altijd hetzelfde blijft, is een berekende kolom prima. Totale verkoop moet altijd een meting zijn. Als iemand filtert op regio of maand moet het totaal bijwerken. De volledige klantnaam is een kolom. Die verandert nooit. Een slicer heeft er geen invloed op. Hier raken de meeste beginners in de war. Ze maken voor alles berekende kolommen aan. Het voelt natuurlijk, want zo werkt Excel. Maar overmatig gebruik van kolommen maakt je model zwaar. Je rapporten worden traag. Berekende kolommen creëren statische cijfers die je gebruikers negeren. Metingen zijn bijna altijd de betere keuze. Ze zijn dynamisch. Ze reageren. Zodra je dit verschil begrijpt, ben je klaar voor de echte magie van DAX. Die magie heet filter context. Het grote idee, filter context. Oké, we hebben onze twee bouwstenen. Laten we het nu hebben over de motor erachter. Elk getal dat je in een Power BI rapport ziet, wordt berekend binnen iets dat filter context heet. Het klinkt ingewikkeld, maar het is simpel. Filter context is gewoon een reeks filters die op dat exacte moment actief zijn. Waar komen die filters vandaan? Ze komen van de slicers op je pagina. Ze komen van de visual waarop je hebt geklikt. Ze komen van de pagina zelf. Zelfs de rij die je bekijkt, creëert een filter context. Dit is waarom het je zou moeten boeien. Wanneer je een meting zoals totale verkoop schrijft, vertel je deze niet om naar de noordoostelijke regio in Q3 te kijken. Je vertelt de meting alleen om de verkoopkolom op te tellen. Dat is alles. De meting weet niets van regio's of kwartalen. Ze telt simpelweg alle rijen op die op dat moment zichtbaar zijn. De filter context bepaalt wat er zichtbaar is. Stel je een spotlight voor. Je gehele dataset is de kamer. De filter context is de spotlight. De meting is een camera die een foto maakt van precies datgene wat in het licht staat. Verplaats de spotlight naar de noordoostelijke regio. De meting wordt opnieuw berekend. Verplaats hem naar Q3 en hij wordt opnieuw berekend. Je hebt de formule niet gewijzigd. De context is veranderd. Dit verwart de meeste mensen. Ze schrijven een meting die er in één visual goed uitziet, maar zodra ze die in een matrix met andere filters plaatsen, verandert het getal. Ze denken dat er iets kapot is. Het is niet kapot. Dat is precies wat de meting hoort te doen. Hij is dynamisch. Dit is de echte kracht. Je schrijft één formule en die werkt voor elke mogelijke filter combinatie in je hele rapport. Eén formule, oneindig veel antwoorden. Maar je moet voorzichtig zijn. Als je niet weet welke filters actief zijn, zul je je getal niet begrijpen. Je moet de spotlight volgen. Word vertrouwd met de filter context en je ontgrendelt de echte kracht van DAX. En dat brengt ons bij de ster van de show, de Kelkje Leed functie, de belangrijkste functie, Kelkje Leed. Welkom terug. De kennissnack van vandaag gaat over de allerbelangrijkste functie in DAX. Die heet Kelkje Leed. Als je maar één functie onder de knie krijgt, laat het dan deze zijn. Met Kelkje Leed kun je de filter context aansturen in plaats van alleen de actieve filters te accepteren. Dit is hoe normale metingen werken. Wanneer je een meting schrijft, respecteert deze automatisch de huidige filter context. Als iemand 2024 selecteert in een slicer, toont je meting de cijfers van 2024. Als ze de noordoostelijke regio kiezen, toont deze de noordoostelijke cijfers. De meting reageert op alle actieve filters, zonder extra werk. Dat is het standaardgedrag. Maar wat als je een getal nodig hebt dat de huidige filters negeert? Misschien wil je de totale verkoop voor alle regio's naast de verkoop van de geselecteerde regio zien. Of je hebt de verkoop van vorig jaar nodig terwijl iemand naar dit jaar kijkt. In die gevallen kun je niet vertrouwen op de standaardcontext. Je moet deze aanpassen. Dat is precies wat Kelkje Leed doet. Kelkje Leed werkt door de filter context tijdelijk te wijzigen. Je geeft het een uitdrukking om te berekenen en vervolgens geef je één of meer filters op om toe te passen. Het wijzigt de context, voert de berekening uit en geeft het resultaat terug. De oorspronkelijke filter context blijft onaangetast. Dat is de magie. De syntaxis is eenvoudig. Je schrijft Kelkje Leed, Expressie, Filter 1, Filter 2. De expressie is meestal een meting die je al hebt gemaakt. Filters zijn de voorwaarden die je wilt toepassen. Je kunt zoveel filters toevoegen als je nodig hebt. Laten we kijken hoe dit werkt. Stel je hebt een meting genaamd totale verkoop. Deze toont de verkoop voor de geselecteerde periode. Om de verkoop voor dezelfde periode vorig jaar te tonen, schrijf je Kelkje Leed totale verkoop, dezelfde periode vorig jaar kalenderdatum. Dat is alles wat nodig is. Kelkje Leed neemt je bestaande meting en verschuift de datum context met één jaar terug. Je krijgt de vergelijking die je nodig hebt in één regel. Zonder Kelkje Leed zit je vast aan de bestaande filter context. Met Kelkje Leed kun je filters overschrijven, nieuwe toevoegen of bestaande verwijderen. Je kunt de totale verkoop voor alle producten opvragen, zelfs als iemand filtert op een specifieke categorie. Je kunt de verkoop van vorige maand ophalen terwijl het rapport deze maand toont. De controle ligt in jouw handen. Ongeveer 80% van geavanceerde DAX leunt op Kelkje Leed. Tijdsintelligentie, dynamische vergelijkingen, aangepaste aggregaties, lopende totalen, ze gebruiken allemaal Kelkje Leed op de achtergrond. Comfortabel worden met deze ene functie geeft je enorme macht over je rapporten. Maar Kelkje Leed werkt op het filterniveau. Hoe zit het met rij voor rij logica binnen een meting? Dat is waar een andere set functies van pas komt. Iterator functies, wanneer je rij voor rij moet denken. Kelkje Leed handelt wijzigingen op filterniveau uitstekend af, maar soms moet je in een tabel stappen en berekeningen uitvoeren op elke rij afzonderlijk binnen een meting. De eenvoudige som kan dat niet. Je hebt iets nodig dat rij voor rij door de tabel loopt. Hier is een veelvoorkomende situatie. Je hebt een verkooptabel met hoeveelheid en eenheidsprijs in aparte kolommen. Je wilt een meting die de totale omzet toont. Je kunt niet zomaar een hoeveelheid vermenigvuldigen met een eenheidsprijs. Dat vermenigvuldigt de totale, niet de individuele rijen. Je moet de hoeveelheid van elke rij vermenigvuldigen met de eenheidsprijs en daarna al die resultaten optellen. Dat is rij voor rij wiskunde. Iterator functies zijn hiervoor gebouwd. Dat zijn de functies die eindigen op x, sumx, ave, r, age, x, c, u, n, t, x, minx, max. De x staat voor expressie. Deze functies nemen een tabel, lopen elke rij af, voeren een berekening uit op elke rij en aggregeren de resultaten tot één waarde. Voor het omzetvoorbeeld schrijf je sumx, verkoop, verkoophoeveelheid, verkoopeenheidsprijs. Het eerste argument is de tabel om overheen te itereren. Het tweede argument is de expressie die op elke rij moet worden geëvalueerd. Sumx gaat rij voor rij, vermenigvuldigt hoeveelheid met prijs en telt alles op. Eén meting geeft je de correcte totale omzet, eenvoudig en direct. Gebruik iterators wanneer je berekening meerdere kolommen van dezelfde rij betreft. Winst per regelitem, kortingsprijs, gewogen scores. Wanneer de berekening rij voor rijlogica vereist binnen een measure, is een iterator je hulpmiddel. Maar iterators hebben een prestatiekost. Ze lopen elke rij langs, dus overmatig gebruik op tabellen met miljoenen rijen kan je rapporten enorm vertragen. De simpele regel, gebruik alleen een iterator wanneer je echt rij voor rijlogica nodig hebt. Als een simpele som of gemiddelde het juiste antwoord geeft, gebruik dat dan in plaats daarvan. Je rapporten zullen je dankbaar zijn. Nog een tip, soms is een berekende kolom plus een simpele som sneller dan een sumx. Als je een berekende kolom maakt die de berekening op rijniveau één keer uitvoert tijdens het verversen, en daarna een normale som op die kolom gebruikt, vermijd je de kosten van de iterator telkens wanneer iemand het rapport bekijkt. Test beide benaderingen met je eigen gegevens. De snelste optie hangt af van de grootte van je model en hoe vaak de gegevens veranderen. Kies verstandig. Time Intelligence simpel uitgelegd. Laten we het nu hebben over een van de meest gevraagde functies in Power BI, het vergelijken van tijdsperiode. Hoe zijn de verkopen van deze maand vergeleken met vorige maand? Hoe loopt het jaar ten opzichte van vorig jaar? Deze vragen komen in bijna elk bedrijfsrapport naar voren en DAX heeft functies die daarvoor zijn gemaakt. Time Intelligence functies verwerken year-to-date totalen, dezelfde periode vorig jaar, voortschrijdende gemiddelden en maand-op-maand wijzigingen. Ze maken deel uit van DAX, dus je hoeft geen complexe filterlogica vanaf nul te schrijven. Maar er is een addertje onder het gras. Time Intelligence functies vereisen een correcte datumtabel, niet zomaar een datumkolom uit je feitentabel. Je hebt een aparte tabel nodig met één rij per dag die je volledige datumbereik zonder gaten beslaat, en deze moet in je model worden gemarkeerd als datumtabel. Sla je die stap over, dan zullen de functies simpelweg niet werken. Zodra je die datumtabel hebt ingesteld, zijn de meest nuttige functies TOTALGYTD, SAMEPERIODLASTGYEAR, DATEADD en DATESBETWEN. TOTALGYTD is de eenvoudigste. Je schrijft TOTALGYTD, Total Sales, Calendar, Date, en je krijgt een lopend totaal vanaf het begin van het jaar tot de datum die in de context staat. Plaats dit in een lijngrafiek per maand en je ziet dat cumulatieve totaal groeien naarmate het jaar voordert. SAMEPERIODLASTGYEAR doet precies wat de naam suggereert. Het verschuift de datumcontext 1 jaar terug. Je combineert het met Calculate, zoals dit, Calculate, Total Sales, SAMEPERIODLASTGYEAR, calendar, date. Nu staan de verkopen van vorig jaar naast de cijfers van dit jaar voor een eenvoudige vergelijking. DATADD is nog flexibeler. Hiermee kun je verschuiven PERDAGEN, maanden, kwartalen of jaren. Je kunt dit kwartaal vergelijken met hetzelfde kwartaal van 2 jaar geleden of de cijfers van vorige maand bekijken door min 1 maand te gebruiken. Het is het Zwitsers zakmes voor het verschuiven van tijd. De meest gemaakte fout is het vergeten om de datummaattabel te markeren. Je kunt een perfecte datummaattabel hebben met elke dag van 2020 tot en met 2030, maar als je deze niet markeert als datummaattabel in het model, zullen de functies fouten of lege waarde retourneren. Het is een eenvoudige instelling. Klik met de rechter muisknop op de tabel, kies markeren als datummaattabel en selecteer de datumkolom. Doe dit één keer en alles begint te werken. Een andere fout is het gebruik van tijdintelligentiefuncties op een datumkolom in je feitentabel in plaats van een speciale datummaattabel. De functies verwachten een aaneengesloten datumbereik zonder gaten en feitentabellen hebben dat bijna nooit. Bouw dus een juiste datummaattabel, markeer deze en je tijdintelligentie zal soepel werken. Veel voorkomende valkuilen voor beginners. Zelfs met de juiste functies trappen beginners nog in veel voorkomende valstrikken. Laat me de grootste met je doornemen, zodat je ze vanaf dag 1 kunt vermijden. De nummer 1 bron van Bax in DAX is het verwarren van rijkontext met filtercontext. Eerder bespraken we hoe berekende kolommen een rijkontext creëren en één rij tegelijk evalueren, terwijl metingen filtercontext gebruiken op basis van de actieve filters. Beginners schrijven vaak een meting alsof deze toegang heeft tot individuele rijen en vragen zich dan af waarom de resultaten onjuist zijn. Als je meting individuele rijen moet zien, gebruik dan een iteratorfunctie. Zo niet, hou het dan simpel. De tweede grote fout is het gebruik van berekende kolommen wanneer een meting zou volstaan. Berekende kolommen voelen vertrouwd aan omdat je de waarden in de tabel kunt zien, maar elke berekende kolom maakt je model groter en het vernieuwen langzamer. Vraag jezelf voor het toevoegen af, moet deze waarde veranderen wanneer iemand het rapport filtert. Indien ja, dan moet het een meting zijn. Een andere valkouw is het negeren van het datamodel zelf. DAX werkt niet in isolatie. Het is afhankelijk van de relaties tussen je tabellen. Als je model zwakke relaties, een verkeerde kardinaliteit of ontbrekende join sleutels heeft, zullen je DAX-formules stilletjes falen. Je krijgt getallen die aannemelijk lijken, maar in werkelijkheid onjuist zijn. De oplossing is niet betere DAX. Herstel eerst je model. Dan is er nog het verkeerd gebruik van Kelkjeleet. Beginners voegen meerdere filters toe in Kelkjeleet zonder te beseffen dat ze elkaar kunnen opheffen. Een filter voor de verkoop van 2024 en een ander voor de verkoop van vorig jaar conflicteren bijvoorbeeld, en het resultaat zal niet zijn wat je verwacht. Elk filter in Kelkjeleet moet een duidelijk doel hebben. Als je niet zeker weet wat het doet, test het dan eerst apart. Nog een veelgemaakte fout is het niet gebruiken van variabelen. Met VAR gedeclareerde variabelen laten je tussen resultaten opslaan en hergebruiken in dezelfde measure. Zonder deze herhaal je dezelfde berekening meerdere keren in één formule, wat je code minder leesbaar, moeilijker te debuggen en trager maakt. Maak er een gewoonte van om VAR vroeg te gebruiken. Het bespaart je uren aan frustratie. En tot slot, valideer je measures altijd in verschillende contexten. Een measure die perfect werkt in een kaartvisual, kan in een matrix totaal fout gaan. Dat komt doordat de totaalrij in een andere filter context evalueert dan de detailrijen. Test je measures in tabellen, kaarten, matrices en met verschillende slicer combinaties. Als een measure in al die scenario's standhoudt, weet je dat deze solide is. Alles samenbrengen Goed, laten we een concreet voorbeeld doornemen dat alles samenbrengt. Stel je bouwt een verkooprapport en je moet drie getallen tonen. De totale verkoop voor deze periode, de totale verkoop voor dezelfde periode vorig jaar en het groeipercentage daartussen. Het eerste wat je nodig hebt, is een schone datumtabel. Ga naar je model, maak een datumtabel die je volledige datumbereik beslaat, één rij per dag, zonder gaten. Klik er vervolgens met de rechter muisknop op, kies markeren als datumtabel en selecteer de datumkolom. Doe dit één keer en elke tijdslimiet functie die je daarna schrijft, zal gewoon werken. Schrijf daarna je basismeasure. Noem het totale verkoop en type, totale verkoop is gelijk aan som van verkoopbedrag. Dat is het fundament en elke andere berekening zal voortbouwen op deze ene eenvoudige regel. Schrijf vervolgens de measure voor het voorgaande jaar. Gebruik kelkje leed met SAMEPERIODLASTGXYAR. Het ziet er als volgt uit. Verkoop vorig jaar is gelijk aan kelkje leed totale verkoop SAMEPERIODLASTGYAR kalenderdatum. Nu heb je het huidige jaar direct naast het vorige jaar staan. Nu het groeipercentage. Gebruik de feit om situaties af te handelen waarin de verkoop van vorig jaar nul kan zijn. En dat zal gebeuren. Schrijf het als volgt op. Groeipercentage is gelijk aan de feit totale verkoop min verkoop vorig jaar gedeeld door verkoop vorig jaar. De feit geeft veilig een blank terug in plaats van een foutmelding als de noemer nul is. Dat is de slimme manier om crashes te voorkomen. Nu heb je drie herbruikbare measures die werken met elk filter dat je erop loslaat. Sliep ze in een tabel per product, per regio, per maand. Ze zullen elke keer correct reageren. Dat is precies het punt. Bouw op een schoon model, beheers een handvol kernfuncties en de rest valt op zijn plek. Probeer dus niet op dag één complexe daks te schrijven. Zorg eerst dat je model klopt. Leer de basis, measures, filter, context en calculate. En je lost de meeste zakelijke problemen op met slechts een paar regelscode. Dus hier komen we uit. Je weet wat daks is, waarom filter, context belangrijk is en hoe calculate en iteratorfuncties werken. Je hebt de gebruikelijke valkuilen gezien en hoe je ze kunt vermijden. En we hebben een concreet voorbeeld doorlopen dat alles met elkaar verbindt. De echte kracht van daks zit niet in het uit het hoofd leren van honderd functies, maar in een goed datamodel en een paar kernpatronen. Zorg voor een goed model en de daks wordt bijna vanzelfsprekend. Dit is wat ik je aanraad om te proberen. Open Power B. Bouw een simpel model met een datumtabel, een verkoopstabel en een producttabel. Schrijf daarna een week lang elke dag één measure. Begin met de totale verkoop, voeg de verkoop van vorig jaar toe, voeg het groeipercentage toe en probeer daarna een lopend totaal. Aan het eind van de week schrijf je measures zonder erbij na te denken. Zo valt het kwartje. Als deze aflevering je heeft geholpen, abonneer je dan en blijf je kennis uitbreiden. De volgende keer praten we over het debuggen van daks als er dingen misgaan, want dat gebeurt, en weten hoe je ze oplost is het halve werk. Tot dan!