Posted on Leave a comment

Never trust summary statistics alone – always visualize your data

“Never trust summary statistics alone – always visualize your data” Đó là mục tiêu của Alberto Cairo khi tạo ra Datasaurus  dataset. Qua ví dụ này chúng ta thấy được mức độ quan trọng của việc Visualize dữ liệu để thấy được nhiều góc độ của dữ liệu đó. 12 data set khác nhau, thể hiện phân bố hoàn toàn khác nhau và có chung Mean, Standard Deviation, Correlation. Nếu bỏ qua bước Visualize, rất có thể analyst sẽ bỏ lỡ nhiều khía cạnh quan trọng của dữ liệu.

Tất cả các biểu đồ này thể hiện dữ liệu có chung mean, standard deviation, and Pearson’s correlation đến 2 chữ số sau dấu phẩy
Tất cả các biểu đồ này thể hiện dữ liệu có chung mean, standard deviation, and Pearson’s correlation đến 2 chữ số sau dấu phẩy

Cẩn thận với Boxplot

Boxplot thường được dùng làm công cụ thể hiện phân bổ của dữ liệu mẫu theo các phân vị. Tuy nhiên, một số trường hợp Boxplot không thể hiện được đặc trưng riêng của từng Dataset.

3 dataset có phân bổ rất khác biệt nhưng các điểm phân vị giống nhau nên BoxPlot thể hiện giống hệt nhau.
Một giải pháp thay thế là chúng ta có thể sử dụng Violin-Plot để thể hiện phân bổ của dữ liệu

Các bạn có thể tham khảo bài viết chi tiết, Source Code, Dataset tại đây.

Posted on Leave a comment

12 business intelligence certifications to advance your BI career

With data increasingly vital to business success, business intelligence (BI) continues to grow in importance. With a strong BI strategy and team, organizations can perform the kinds of analysis necessary to help users make data-driven business decisions.

BI encompasses numerous roles. BI analysts, with an average salary of $67,650 according to PayScale, provide application analysis and data modeling design for centralized data warehouses and extract data from databases and data warehouses for reporting, among other tasks. BI developers, with an average salary of $79,218 according to PayScale, work with databases and software to develop and fine-tune IT solutions. BI architects, with an average salary of $112,043 according to PayScale, analyze and implement BI for their organizations, with responsibilities that range from determining platforms to building and maintaining data warehouses. BI directors, with an average salary of $128,512 per year according to PayScale, lead design and development activities related to the enterprise data warehouse.

[ Get ahead with the top certs for big dataproject managementagiledata scienceIT management and the cloud, as well as the top-paying certs and emerging certifications for today’s hottest skills. | Get weekly career tips by signing up for our CIO Leader newsletter. ]

In its 4Q 2019 IT Skills Demand and Pay Trends Report, research firm Foote Partners notes that cash pay for tech certifications is near its five-year low having decreased by 4.3 percent from a year ago. The premium for data/database certs has fared better, but is still down 1 percent versus 2018. Foote Partners called out the MCSE: Data Management and Analytics certification as an exception, gaining more than 10 percent in value from the previous quarter. Overall, premiums for single certifications are boosting base salaries by 7.3 percent, according to Foote Partners.

Top 12 business intelligence certifications

  • Certified Business Intelligence Professional
  • IBM Certified Designer: IBM Cognos Analytics Author V11
  • MCSA: BI Reporting
  • MCSA: SQL 2016 BI Development
  • MCSE: Data Management and Analytics
  • Oracle Business Intelligence Foundation Suite 11g Certified Implementation Specialist
  • QlikView Business Analyst
  • QlikView Data Architect
  • SAP Certified Application Associate: Business Intelligence with SAP BW 7.4 & SAP BI 4.1
  • SAS Certified BI Content Developer for SAS 9
  • Tableau Desktop Certified Professional
  • Tableau Server Certified Professional

Certified Business Intelligence Professional (CBIP)

The CBIP certification program is intended for senior-level personnel in the information systems and technology industry with a focus on data management and business analytics. The cert demonstrates that you are up-to-date with BI technologies and are knowledgeable about best practices, solutions, and emerging trends. You will need two or more years of full-time experience in computer information systems, data modeling, data planning, data definitions, metadata systems development, enterprise resource planning, systems analysis, application development and programming, or information technology management. The initial certification is valid for four years and must be renewed every three years thereafter. Recertification requires proof of 120 credit hours of continuing education earned since the last renewal.

The certification has two levels:

  • Practitioner: Awarded to BI professionals who score at or above 50 percent on each of three exams.
  • Master: Awarded to BI professionals who score at or above 70 percent on each of three exams.

Organization: Transforming Data With Intelligence (TDWI)

Exam fee: $400 per exam

Annual fee: $125 to the Institute for Certification of Computing Professionals (ICCP) each year after the first

IBM Certified Designer: IBM Cognos Analytics Author V11

The IBM Certified Designer: IBM Cognos Analytics Author V11 certification demonstrates your ability to build advanced reports, active reports, and dashboards using relational data and/or uploaded files, as well as enhancing, customizing, and managing professional reports. Candidates should have basic knowledge of database concepts and SQL, how to visually present data, and JavaScript. The certification requires passing the IBM Cognos Analytics Author V11 exam delivered by Pearson VUE.

Organization: IBM

Price: $100 to $200

Microsoft Certified Solutions Associate: BI Reporting

The MCSA: BI Reporting certification demonstrates your expertise in analyzing data with both Power BI and Excel. It demonstrates knowledge of data analysis, data visualization, modeling, dashboards, and direct connectivity to data sources in Excel and Power BI. The certification serves as a first step toward the higher-level Microsoft Certified Solutions Expert (MCSE): Data Management and Analytics certification. The certification requires passing one of two exams and does not require renewal.

Organization: Microsoft

Exam fee: $165 per exam

Microsoft Certified Solutions Associate: SQL 2016 BI Development

The MCSA: SQL 2016 BI Development certification validates your extract, transform, and load (ETL), and data warehouse skills, as well as your ability to implement BI solutions using multidimensional and tabular data models and online analytical processing (OLAP) cubes. The certification serves as a first step toward higher-level MCSE certifications, including the MCSE: Data Management and Analytics certification. The certification requires passing one of 13 exams and does not require renewal.

Organization: Microsoft

Exam fee: $165 per exam

Microsoft Certified Solutions Expert: Data Management and Analytics

The MCSE: Data Management and Analytics certification demonstrates your broad skill sets in SQL administration, building enterprise-scale data solutions, and leveraging BI data on-premises and in cloud environments. It qualifies the holder for data analyst, database designer, and business intelligence analyst positions. To qualify, the candidate must first earn an MCSA in SQL Server 2012/2014, or SQL 2016 Database Administration, Database Development, BI Development, Machine Learning, BI Reporting, or Data Engineering with Azure. The certification requires passing two of 13 exams. The certification does not expire.

Organization: Microsoft

Exam fee: $165 per exam

Oracle Business Intelligence Foundation Suite 11g Certified Implementation Specialist

The Oracle Business Intelligence Foundation Suite 11g Certified Implementation Specialist certification is intended for intermediate-level implementation team members and demonstrates your skills in areas including: installing Oracle Business Intelligence Suite, building the BI Server metadata repository, building BI dashboards, constructing ad hoc queries, defining security settings, and configuring and managing cache files. The certification does not expire.

Organization: Oracle

Exam fee: $245

QlikView Business Analyst

The QlikView Business Analyst certification demonstrates your knowledge of interface design of QlikView applications and is recommended for roles involved in the analysis, design, and layout of the QlikView application user interface. Candidates must have a basic knowledge of BI, reporting, and data analysis, as well as experience working with QlikView to design applications. The certification requires passing a multiple-choice exam delivered by Pearson VUE via a Pearson VUE Test Center or in your home/office using online proctoring. The certification does not expire, though Qlik releases new exams for every major release, so old certifications do “age out.”

Organization: Qlik

Exam fee: $250

QlikView Data Architect

The QlikView Data Architect certification demonstrates your knowledge of the technical aspects of QlikView application development, including design, data modeling, and scripting. It is recommended for roles involving developing, deploying, and supporting QlikView applications. The certification requires passing a multiple-choice exam delivered by Pearson VUE via a Pearson VUE Test Center or in your home/office using online proctoring. The certification does not expire, though Qlik releases new exams for every major release, so old certifications do “age out.”

Organization: Qlik

Exam fee: $250

SAP Certified Application Associate: Business Intelligence with SAP BW 7.4 & SAP BI 4.1

The SAP Certified Application Associate: Business Intelligence certification demonstrates your knowledge of SAP Business Warehouse and Business Intelligence. SAP recommends candidates combine hands-on experience and education courses to prepare for the required multiple-choice exam delivered by Pearson VUE. The certification does not expire.

Organization: SAP

Exam fee: $552

SAS Certified BI Content Developer for SAS 9

The SAS Certified BI Content Developer for SAS 9 certification validates you have the skills required to build reports, analyses, and dashboards using SAS 9. SAS recommends candidates come equipped with skills in information consumer reporting applications, data management, creating information maps, building an SAS BI Dashboard application, building stored processes and utilizing multidimensional (OLAP) data sources. The exam is administered by SAS and Pearson VUE. The exam consists of 60 to 65 multiple-choice questions and the candidate must achieve a score of 70 percent correct to pass.

Organization: SAS

Exam fee: $180

Tableau Desktop Certified Professional

The Tableau Desktop Certified Professional certification is for individuals with considerable experience with Tableau (recommended 12 or more months of experience) who wish to demonstrate their mastery of advanced functionality of Tableau and application of visual best practices. The certification requires you to hold the Tableau Desktop Qualified Associate certification and pass an exam. The certification is valid for three years.

Organization: Tableau

Exam fee: $600

Tableau Server Certified Professional

The Tableau Server Certified Professional certification is for individuals with considerable experience with Tableau Server (recommended nine or more months of experience) who wish to demonstrate their architectural knowledge and platform integration expertise. The certification requires you to hold the Tableau Server Qualified Associate certification and pass an exam. The certification is valid for three years.

Organization: Tableau

Exam fee: $800

Source: https://www.cio.com/article/3387378/11-business-intelligence-certifications-to-advance-your-bi-career.html

Posted on Leave a comment

8 kĩ năng cần có để trở thành Data Analyst

Bạn đã quyết định bạn muốn trở thành Data Analyst. Bạn muốn bắt đầu tham gia vào ngành công nghiệp dữ liệu (Data Industry). Ở bất cứ trường hợp nào, bạn sẽ cần phải nắm vững các kỹ năng của Data Analyst để đạt được vị trí mà bạn mong muốn.

Nhưng những kỹ năng đó là gì? Bạn cần phải biết những gì? Trong bài viết này, bạn sẽ tìm hiểu tám kỹ năng chính mà bạn sẽ cần để có được công việc Data Analyst.

Chúng ta sẽ tập trung vào các kỹ năng chứ không tập trung vào các công cụ (như Python, R, SQL, Excel, PowerBI,.v.v…) Trọng tâm của bài viết sẽ là những việc bạn cần làm như một Data Analyst, chứ không phải bạn cách bạn làm những việc đó.

Các công cụ – cách thức – sẽ thay đổi tùy thuộc vào vị trí công việc cụ thể, công ty tuyển dụng bạn, và lĩnh vực bạn sẽ làm việc. Bạn có thể lấy các kỹ năng của Data Analyst từ bài viết này và áp dụng chúng bằng các công cụ mà bạn đang học, hoặc công cụ phù hợp với lĩnh vực mà bạn đang muốn tham gia.Bài viết này được chuẩn bị dựa trên chính kế hoạch cho lộ trình Data Analyst của Datapot. Để đảm bảo rằng chúng tôi không chỉ dựa vào kinh nghiệm của giảng viên, chúng tôi đã trao đổi với các Data Analyst, Data Scientist, CTO, CIO và những nhà tuyển dụng/nhà quản lý cẩn tuyển các vị trí về dữ liệu. Chúng tôi cũng đã tiến hành đánh giá các nghiên cứu khác.

1: Data Cleaning và Data Preparation

Các nghiên cứu cho thấy data cleaning và data preparation chiếm đến khoảng 80% công việc của các chuyên gia dữ liệu. Điều này có lẽ biến Data Cleaning và Data Preparation thành kỹ năng quan trọng cho bất cứ ai nghiêm túc tìm kiếm công việc về dữ liệu.

Thông thường, một Data Analyst sẽ cần lấy dữ liệu từ một hoặc nhiều nguồn và chuẩn bị để dữ liệu sẵn sàng cho việc phân tích. Việc làm sạch dữ liệu cũng liên quan đến việc xử lý những dữ liệu bị thiếu và không nhất quán mà có thể làm ảnh hưởng việc phân tích của bạn.

Data cleaning không phải lúc nào cũng được coi là “hấp dẫn”, nhưng data preparation có thể thực sự rất thú vị khi được coi là một bài toán giải quyết vấn đề. Trong bất cứ trường hợp nào, đây là nơi hầu hết các dự án dữ liệu bắt đầu, vì vậy nó là kỹ năng quan trọng mà bạn sẽ cần nếu bạn muốn trở thành Data Analyst

2: Data Analysis và Data Exploration

Nghe thì có vẻ hài hước khi liệt kê “Data Analysis” trong danh sách các kỹ năng cần thiết của Data Analyst. Nhưng bản thân việc phân tích vốn là một kỹ năng đặc biệt cần được nắm vững.

Về bản chất, data analysis có nghĩa là lấy một câu hỏi hoặc nhu cầu của doanh nghiệp và biến nó trở thành một câu hỏi dữ liệu. Rồi sau đó, bạn sẽ cần phải biến đổi và phân tích dữ liệu để lấy được câu trả lời cho câu hỏi đó.

Một hình thức khác của data analysis là data exploration. Data exploration là việc quan sát để tìm kiếm các xu hướng hoặc các mối quan hệ thú vị trong dữ liệu mà có thể mang lại giá trị cho doanh nghiệp.

Data Exploration có thể được khơi gợi bởi một câu hỏi kinh doanh, nhưng cũng có thể không phải. Bằng việc quan sát và tìm các hình mẫu và các điểm trong dữ liệu, bạn có thể nắm bắt cơ hội cho doanh nghiệp để giảm thiểu chi phí hoặc tăng trưởng.

3: Kiến thức thống kê

Một nền tảng vững chắc về xác suất thống kế là một kỹ năng quan trọng của Data Analyst. Kiến thức này sẽ giúp dẫn dắt việc phân tích và khai phá và giúp bạn hiểu dữ liệu mà bạn đang xử lý. 

Thêm vào đó, kiến thức xác suất sẽ giúp bạn đảm bảo việc phân tích của bạn có giá trị và sẽ giúp bạn tránh được các sai lầm và lỗi tư duy phổ biến.

Mức độ yêu cầu của kiến thức thống kê cần có sẽ thay đổi tùy thuộc vào các yêu cầu công việc cụ thể và dữ liệu bạn xử lý.

4: Data Visualization

Data Visualization khiến các xu hướng và hình mẫu trong dữ liệu dễ hiểu hơn. Loài người là sinh vật trực quan, và hầu hết mọi người sẽ không thể nắm được insight có ý nghĩa chỉ bằng cách nhìn vào một bảng tính số khổng lồ. Là một Data Analyst, bạn sẽ cần có khả năng tạo ra các sơ đồ và biểu đồ để giúp truyền đạt dữ liệu và phát hiện của bạn một cách trực quan.

Điều này đồng nghĩa với việc tạo ra các biểu đồ rõ ràng, hấp dẫn về mặt thị giác sẽ giúp người khác hiểu được dữ liệu. Điều này cũng có nghĩa là tránh những thứ khó diễn giải (như biểu đồ tròn) hoặc có thể gây hiểu nhầm (như thao túng các giá trị trục).

Visualization có thể cũng là một phần quan trọng của data exploration. Đôi khi có những điều trong dữ liệu chỉ có thể nhìn khi được trực quan hóa chứ không phải chỉ nhìn vào các con số.

Rất hiếm khi thấy công việc về dữ liệu mà không yêu cầu data visualization, điều này biến nó trở thành một kỹ năng quan trọng của Data Analyst.

5: Tạo các Dashboard và/hoặc báo cáo.

Là một Data Analyst, bạn sẽ cần giúp cho những người khác trong công ty có thể sử dụng dữ liệu để đưa ra các quyết định quan trọng. Bằng việc xây dựng các Dashboard và báo cáo, bạn sẽ giúp mọi người truy cập vào các dữ liệu quan trọng bằng cách xóa bỏ các rào cản kỹ thuật.

Việc này có thể ở hình thức biểu đồ và bảng biểu đơn giản với các bộ lọc theo ngày, cho đến Dashboard lớn chứa hàng trăm điểm dữ liệu tương tác và tự động cập nhật.

Các yêu cầu công việc có thể thay đổi rất nhiều từ vị trí này sang vị trí khác, nhưng hầu hết mọi vị trí Data Analyst sẽ liên quan đến tạo báo cáo và/hoặc xây dựng Dashboard để giới thiệu về các phát hiện của bạn.

6: Kỹ năng viết và giao tiếp

Khả năng giao tiếp ở nhiều hình thức là một kỹ năng quan trọng của Data Analyst. Viết, nói, thuyết phục, lắng nghe –kỹ năng giao tiếp tốt ở mọi lĩnh vực sẽ giúp bạn thành công.

Giao tiếp là chìa khóa trong việc hợp tác với các đồng nghiệp của bạn. Bạn sẽ phải làm việc với rất nhiều phòng ban để thu thập dữ liệu, yêu cầu, trình bày kết quả. Bạn cũng sẽ cần sự hỗ trợ từ rất nhiều đơn vị khác nhau để hoàn thành được công việc tốt nhất.

Giao tiếp bằng văn bản cũng cực kỳ quan trọng – gần như chắc chắn bạn sẽ cần phải viết báo cáo để trình bày các phân tích và đề xuất của bạn.

Rõ ràng, trực tiếp và dễ hiểu là kỹ năng sẽ thúc đẩy sự nghiệp của bạn trong ngành dữ liệu. Đây có thể là kỹ năng “mềm”, nhưng đừng đánh giá thấp nó – kỹ năng phân tích tốt nhất trên thế giới sẽ chẳng có giá trị nếu bạn không thể giải thích ý nghĩa của chúng và thuyết phục các đồng nghiệp có hành động dựa trên những phát hiện của bạn.

Giao tiếp tiếng Anh cả 4 kĩ năng là điều cần thiết nếu như bạn làm việc cùng với người nước ngoài. Kĩ năng đọc hiểu là bắt buộc vì một số các tài liệu chuyên ngành chỉ được viết bằng tiếng Anh.

7: Kiến thức chuyên ngành (Domain knowledge)

Kiến thức chuyên ngành là việc hiểu những điều đặc trưng của một lĩnh vực và công ty cụ thể mà bạn làm việc. Ví dụ, nếu bạn làm việc cho một công ty có cửa hàng trực tuyến, bạn có thể cần hiểu các sắc thái của thương mại điện tử. Trái lại, nếu bạn đang phân tích dữ liệu về các hệ thống cơ khí, bạn có thể cần phải hiểu những hệ thống đó và cách chúng hoạt động.

Kiến thức chuyên ngành thay đổi giữa các ngành nghề, vì vậy bạn có thể cần phải nghiên cứu và học hỏi một cách nhanh chóng. Bất kể bạn làm việc ở đâu, nếu bạn không hiểu những gì bạn đang phân tích, sẽ rất khó để làm điều đó một cách hiệu quả, điều này làm kiến thức chuyên ngành trở thành một kỹ năng quan trọng của Data Analyst.

Đây chắc chắn là điều mà bạn có thể học được trong công việc, nhưng nếu bạn biết một ngành hay lĩnh vực cụ thể mà bạn muốn làm việc, xây dựng nhiều hiểu biết nhất có thể sẽ giúp bạn trở thành một ứng viên sáng giá hơn và một nhân viên ấn tượng hơn một khi bạn được tuyển dụng.

8: Kỹ năng giải quyết vấn đề (problem solving)

Là một Data Analyst, bạn sẽ phải đối mặt với rất nhiều vấn đề, các lỗi kỹ thuật, và rào cản mỗi ngày. Khả năng giải quyết được các vấn đề đó chính là một kỹ năng quan trọng.

Bạn có thể cần nghiên cứu mặt hạn chế của một số phần mềm hoặc ngôn ngữ lập trình mà bạn đang sử dụng. Công ty của bạn có thể có những hạn chế về tài nguyên, buộc bạn phải sáng tạo trong cách tiếp cận vấn đề. Dữ liệu bạn đang sử dụng có thể không đầy đủ. Hoặc bạn có thể cần phải thực hiện một vài phân tích “đủ dùng” để cho kịp một deadline gấp.

Dù trong bất kỳ hoàn cảnh nào, kỹ năng giải quyết vấn đề tốt sẽ là một gia tài tuyệt vời cho bất kỳ Data Analyst nào.

Luôn luôn nhớ rằng Data Analyst không chỉ là toán, report, marchine learning hay AI…. Mục tiêu cuối cùng là giải quyết vấn đề cho doanh nghiệp. Những thứ trên chỉ là công cụ.

Các kỹ năng khác của Data Analyst

Định nghĩa chính xác của “Data Analyst” thay đổi rất nhiều tùy thuộc vào người mà bạn hỏi, vì vậy có thể không phải tất cả những kỹ năng này sẽ được yêu cầu cho mọi vị trí Data Analyst.

Tương tự, có thể có vài kỹ năng một số công ty sẽ yêu cầu mà không không nằm trong danh sách này. Mục đích của chúng ta là tìm ra nhóm kỹ năng mà hầu hết các vị trí Data Analyst yêu cầu để xây dựng lộ trình học phân tích dữ liệu tốt nhất cho học viên của chúng tôi.

Trong bài viết này, chúng tôi đã trình bày những kỹ năng bạn cần biết để trở thành một Data Analyst. Nếu bạn một tìm hiểu cách thức thực hiện và xây dựng nhóm kỹ năng bạn cần để tìm được công việc Data Analyst, hãy xem các khóa học phân tích dữ liệu của Datapot.

Posted on Leave a comment

8 Reasons Why You Should Shift Reporting from Excel to Power BI

Microsoft Excel has traditionally been the go-to reporting tool for businesses, but Power BI offers powerful analytics and reporting features for organizations. With faster experimentation with visualizations, statistical functions and calculations across broad datasets, and ability to derive answers on the fly through the rapid recombination of fields, it is clear that Power BI delivers far greater insight than Excel. Let’s take a look at how Power BI and Excel compare.

1. Access and Store a Vast Amount of Data (with No Issue)

Power BI has very impressive compression abilities for Microsoft Excel and text/.csv files, which allows you to view, analyze and visualize huge quantities of data that cannot be opened in Excel. Most computers would struggle to open up a 300 megabyte .csv, making analysis and reporting in Excel a challenge.  Adding several smaller .csv files to data, like sales data for neighboring regions, will be immensely difficult to combine with your previous dataset and analysis.

Can you imagine having all your files stored, connected, thoroughly analyzed, and using only 50mb? That’s now a reality with Microsoft’s Power BI, which uses powerful compression algorithms to import and cache the data within the .PBIX file.

Large datasets don’t have to be cut down in size and aggregated to show more encompassing analysis. All the most granular details and summarizations can exist in one file together and be accessed through drill downs.

You also have some ability to modify and prepare your data as well:

  • Transformations and edits including changing formats, deleting rows, adding columns, and transposing data.
  • Adding relationships within different tables, which is useful if you have a star or snowflake schema.
  • Adding new datasets easily as additional useful data is discovered. New data can be integrated on Power BI without needing to recombine everything else again. This gives you huge flexibility in linking datasets together.

With Power BI, painful repetition of data preparation steps is reduced or outright eliminated since the software will remember the data preparation steps and automatically repeat them during data refreshes.

2. Spot Data Trends Quickly and Easily

Analyzing trends with Power BI is extremely easy. With built-in time intelligence features, it only takes seconds to view vast amounts of data. You can view data by various dimensions and attributes, including date-time dimensions.

If you don’t have the date in a schema structure, you can easily create a date dimension table in seconds to allow the time intelligence functions to work. As an analytics consultant, I have personally met business executives who spend hours every month writing Excel macros across various large files to get comparisons in the form of a time series. These executives work across several large Excel files, be it through using VBA or other coding methods.

Creating a time trend analysis in Power BI

Firstly, a date dimension table needs to be created. Use the “New Table” function within the Modeling ribbon of the Power BI Desktop, and set it as Date = calendarauto(). This creates a table with all the dates that exist for your dataset. Note that this is not possible if you are doing a DirectQuery into your data.

Next, the relationship between your data and the date table needs to be created. First ensure your data’s date field has the correct formatting in Query Editor. In the relationships tab of Power BI on the left hand side, drag the date fields from the date table to the date field in your data. Note that the date dimension table can be connected to multiple tables.

Going back to the report tab, you can now create a visual using the date on the x axis, and the measure (revenue, for example) as the value.

Additional useful measures can be created using the time intelligence functions of Power BI, like year to date revenue. By right clicking on the table, selecting a new measure, and entering it in the below format, the new measure can now be plotted on graphs like any other measure. A year to date measure gives a more accurate comparison of performance between the years:  YTD_Measure = TOTALYTD(sum(Table_Name[Value]),Dim_Date[Date])

3. Intuitive UX Features

The beauty of Power BI is how easy it is to make something visually appealing and neat with limited creativity or UX skills. Drag-and-drop functionality, easy resizing, and copying and pasting makes those who are familiar with the Microsoft Office suite feel right at home.

Creating consistent branding and color schemas has never been easier than now with Power BI themes. An organization’s branding department can now create a simple Power BI branding theme, in the form of a .json file, and each analyst has only to import this theme during development. From there they will all be creating graphs and charts that are consistent with one another in terms of colouring.

A theme is simply a .json file that has the various colours in HEX format within them and can be created or modified within a notepad file. Through the themes tab on the Home ribbon in Power BI, this .json file can be imported. More information on creating themes can be found on the Microsoft website at this link:

https://docs.microsoft.com/en-us/power-bi/desktop-report-themes

Additionally, Microsoft’s legendary “Format Painter” will copy all formatting (like color and font) across similar visualizations. The ability to make format changes to individual visuals, like turning markers on for line charts and modifying the placement of data labels, allows people to create custom format changes so that they are more visually appealing and easier for dashboard viewers to follow.

4. Incredible Cloud-based Features

Once you have finished constructing your Power BI analysis, you need a way to publish and disseminate your dashboards and reports. In Excel this would typically involve emailing a large file around, putting it in a shared drive or SharePoint portal, and letting people know it has been updated. Now with Power BI, this process has been completely revolutionized.

We now publish to the secure Microsoft hosted cloud service, called Power BI Service, and automate the refreshing of our underlying data. Hitting publish at the top right of the Power BI home ribbon is all that is needed

If you need more reason to use the Power BI Service, other than streamlined publication and distribution, there are a handful of valuable tools that are available once we publish to the cloud:

  • Quick Insights: powerful algorithms running off the cloud can quick insights straight out of your dataset. By right clicking your dataset on the Power BI Service and clicking quick insights, you can get a thorough analysis of your data without even having to open it in Power BI Desktop or build any dashboards. You will need to have a data model created, with the necessary relationships if needed.
Quick Insights: Getting quick Insights on the Power BI Service
  • Natural Language Query: This incredible feature allows users to type questions and get an answer, either in a default or user-specified form. This is useful for executives with specific questions and business users who are unfamiliar with Power BI or the data model behind the report. Additionally, this feature saves the report developer from having to create dozens of extra visualizations onto the dashboard in order to answer every potential question. To access this, just type a question into the query box on the relevant dashboard.
Natural Language Query: Data visualizations that answer the question entered by the user.
  • Personalized Dashboards: Power BI users can create dashboards that can host individual visualizations from various different reports, or whole reports itself. Here, users have the ability to customize the size and layout of various visuals, and lay out the dashboard in a way that is most insightful to their specific role. Dashboards can even be created using visualizations that are connected to different data sources. These newly made dashboards can also be shared with other users within the organization for further collaboration. To create or move a visual to a dashboard, simply click the pin button on the top right of a visual in a report.
Personalized Dashboards: Visuals from different reports can be placed into a summary dashboard.
  • Alerts: Once a dashboard has been created, email alerts can be set up on KPIs. By right clicking on the visual on the dashboard and selecting “Manage alerts”, the option to set up alerts pops up. This can be useful for employees tracking a specific measure as part of a trial process, or if inventory falls below a certain amount.
Alerts: email alerts can be set up if a measure crosses a certain value.

5. Row Level Security Features

Adding Row Level Security (RLS), something this was previously complicated in Excel, can now easily be done for different groups by non-coders. A good of example of using RLS is to ensure that employees can only see data relevant to their local geography. Adding these access filters is simple, and the risk of others seeing data they shouldn’t from mailing around an Excel file is eliminated. To set up RLS, the filters for different “roles” are set up within Power BI, and the individuals/ groups are added to the roles through the Power BI Service online.

To set up RLS, select “Manage Roles” under the Security tab of the Modeling ribbon. Here you can create roles for different groups, using DAX expression filters for different fields. For example, the role for Canada will have the country filter set to Canada.

Once the report has been published to the Power BI Service, individuals or Office 365 groups can be added to different roles, though the Security option when right clicking on a dataset.

Conclusion

Power BI is an easy tool to use that helps propel organizations into a data driven culture. With powerful self-service abilities, no longer are business users dependent on IT for gathering, transforming and analyzing data. Automation of dataset integration, ease of expansion into new data sources, rapid visualizations, and easily deployable Row Level Security are amongst the many reasons Power BI is a necessity.

Additionally, a cloud-based collaboration environment with features like Natural Language Query ease the process of data governance. In the age of analytics, it’s import for organizations to intelligently utilize the data they collect to rapidly evolve with changing business and consumer habits.

The future is bright and shiny for analytics – companies are swarming to incorporate data visualization, and to do away with tabular reports with huge reams of numbers. With some quick retooling, you too can be a Power BI super star for your organization!

By hitachi-solutions