Hai un file Excel pieno di dati, ma trasformarlo in un report chiaro sembra più difficile del previsto? Un corso Power BI gratis può essere un ottimo punto di partenza, purché includa non solo grafici e dashboard, ma anche Power Query, modellazione e DAX. Qui trovi un percorso pratico, gli esercizi da svolgere, le formule essenziali e i limiti da conoscere prima di iniziare.
La strada più rapida per imparare Power BI e DAX senza spendere
- Power BI Desktop è gratuito e permette di importare, trasformare e visualizzare i dati.
- Un percorso efficace richiede circa 4 settimane con 5-7 ore di pratica settimanale.
- DAX va studiato dopo le basi di modellazione e Power Query, non come primo argomento.
- Le misure più importanti sono SUM, CALCULATE, DIVIDE e le funzioni per l’analisi temporale.
- La versione gratuita è sufficiente per esercitarsi, ma la condivisione professionale può richiedere una licenza a pagamento.
Che cosa deve contenere davvero un percorso gratuito
Per me, un buon corso gratuito non è una raccolta casuale di video. Deve accompagnare la persona dalla connessione a un file Excel fino alla costruzione di un report utilizzabile, passando da pulizia dei dati, relazioni e misure DAX.
Power BI Desktop è un’applicazione gratuita per Windows. Consente di collegarsi a file Excel, CSV, database e altre origini, trasformare i dati con Power Query e creare report interattivi. Microsoft Learn lo presenta proprio come il punto di partenza per chi vuole acquisire le basi senza affrontare subito il servizio cloud.
La sequenza che consiglio è semplice:
- Importare i dati e capire da dove arrivano.
- Correggere gli errori con Power Query.
- Creare un modello con tabelle e relazioni coerenti.
- Costruire misure DAX per calcolare gli indicatori.
- Progettare il report pensando alle decisioni da supportare.
Saltare la modellazione è uno degli errori più comuni. Un dashboard può essere esteticamente gradevole, ma se le relazioni sono sbagliate anche il totale delle vendite può risultare inattendibile.
Un percorso pratico in quattro settimane
Non serve studiare per ore ogni giorno. Un ritmo sostenibile è di 5-7 ore alla settimana, divise tra teoria, esercizi e revisione del progetto. L’obiettivo non è guardare molti contenuti, ma produrre qualcosa di funzionante alla fine di ogni fase.
Prima settimana per imparare le basi
Installa Power BI Desktop e lavora con un piccolo file di vendite. Impara a importare un foglio Excel, modificare i tipi di dato, rinominare le colonne, filtrare le righe e gestire i valori vuoti.
In questa fase concentrati su Power Query. È lo strumento che prepara i dati prima che entrino nel modello. Io dedicherei particolare attenzione a date, numeri memorizzati come testo e colonne duplicate, perché sono problemi banali solo in apparenza.
Seconda settimana per costruire il modello
Dividi il dataset in una tabella dei fatti, per esempio Vendite, e in tabelle dimensionali come Calendario, Prodotti e Clienti. Questo schema, spesso chiamato star schema, rende più leggibili le relazioni e riduce molti errori nei calcoli.Crea una relazione tra la data della tabella Vendite e la data della tabella Calendario. Imposta quest’ultima come tabella data e verifica che il rapporto sia uno-a-molti nella direzione corretta.
Terza settimana per introdurre DAX
Comincia dalle misure, non dalle colonne calcolate. Una misura viene calcolata quando l’utente interagisce con il report, mentre una colonna calcolata viene memorizzata riga per riga nella tabella. Per la maggior parte degli indicatori aziendali, le misure sono più flessibili e adatte.
Le prime formule possono essere molto semplici:
Vendite totali = SUM(Vendite[Importo])
Margine % = DIVIDE([Margine], [Vendite totali])La funzione DIVIDE è preferibile alla divisione diretta perché gestisce meglio il caso in cui il denominatore sia vuoto o uguale a zero.
Quarta settimana per completare il report
Dedica gli ultimi giorni alla progettazione. Un report iniziale può avere tre pagine: una panoramica con KPI e andamento mensile, un’analisi dei prodotti e una pagina dedicata a clienti o aree geografiche.
Per ogni grafico chiediti quale decisione aiuta a prendere. Se non offre una risposta concreta, probabilmente è solo decorazione. Questa selezione riduce il rumore visivo e rende il dashboard molto più credibile.
DAX senza saltare i passaggi fondamentali
DAX significa Data Analysis Expressions ed è il linguaggio usato per creare calcoli nei modelli Power BI. Non è semplicemente un Excel più complesso: il risultato dipende dal contesto di filtro, cioè dai filtri applicati da visualizzazioni, segmentazioni e righe della tabella.
La funzione che cambia davvero il modo di ragionare in DAX è CALCULATE. Permette di valutare una misura modificando il contesto attivo.
Vendite totali = SUM(Vendite[Importo])
Vendite online =
CALCULATE(
[Vendite totali],
Vendite[Canale] = "Online"
)La seconda misura non somma semplicemente una nuova colonna. Applica un filtro al modello e ricalcola il totale solo per il canale online. È questo passaggio che permette di creare analisi dinamiche per categoria, regione, mese o segmento cliente.
Per l’analisi temporale serve una tabella calendario completa. Una misura base può essere:
Vendite da inizio anno =
CALCULATE(
[Vendite totali],
DATESYTD('Calendario'[Data])
)Se il risultato non cambia quando selezioni un mese o un prodotto, quasi sempre il problema è nel modello, nella relazione con la tabella calendario o nella misura. Prima di riscrivere la formula, io controllerei questi tre elementi.
Leggi anche: Relazioni in Power BI - cardinalità, filtri e DAX
Gli errori DAX che fanno perdere più tempo
- Usare colonne calcolate quando sarebbe sufficiente una misura.
- Creare relazioni molti-a-molti senza comprenderne gli effetti.
- Usare la data della tabella Vendite invece di una tabella Calendario dedicata.
- Confondere il filtro di una riga con il contesto di filtro di una misura.
- Scrivere formule lunghe senza verificare prima ogni componente.
Un metodo efficace consiste nel costruire le misure in ordine. Prima il totale, poi il numero di ordini, quindi il margine e infine le variazioni percentuali. Così ogni formula nuova si appoggia a un risultato già controllato.
Il progetto che trasforma la teoria in competenza
Per imparare davvero, scegli un dataset realistico. Un esempio adatto è un archivio di vendite con almeno queste colonne: data, prodotto, categoria, cliente, regione, quantità, prezzo e costo.
Da questo materiale puoi creare un progetto completo con obiettivi concreti:- misurare il fatturato mensile;
- confrontare vendite e margine per categoria;
- individuare i prodotti più redditizi;
- analizzare la variazione rispetto all’anno precedente;
- filtrare i risultati per regione e canale.
Il modello potrebbe includere una tabella Vendite, una tabella Calendario, una tabella Prodotti e una tabella Clienti. Questa struttura è più utile di un unico foglio gigantesco, perché separa gli eventi dalle informazioni descrittive.
Per rendere l’esercizio più vicino a un caso professionale, aggiungi anche tre controlli:
- Il totale delle vendite nel report deve coincidere con quello del file originale.
- Un filtro per mese deve modificare correttamente KPI e grafici.
- Le categorie senza vendite non devono produrre risultati fuorvianti.
Quando il progetto funziona, prova a spiegarlo in cinque minuti a una persona che non conosce Power BI. Se non riesci a chiarire da dove arrivano i numeri e perché cambiano, c’è ancora qualcosa da sistemare nel modello o nella narrazione.
Risorse gratuite, costi reali e limiti da conoscere
Le risorse gratuite sono sufficienti per arrivare a un livello operativo, ma non sono tutte equivalenti. Alcune spiegano bene l’interfaccia, altre mostrano formule, mentre poche collegano correttamente dati, modello e decisioni aziendali.
| Risorsa | Utilità principale | Limite | Costo |
|---|---|---|---|
| Microsoft Learn | Percorsi strutturati su Desktop, Power Query e DAX | Richiede autonomia e pratica personale | Gratuita |
| Video tutorial in italiano | Vedere il flusso completo dalla sorgente al report | Qualità e aggiornamento possono variare | Spesso gratuito |
| Dataset di esempio | Allenarsi con dati già pronti | Non sempre riflette un problema reale | Gratuito o incluso nella risorsa |
| Community e forum | Risolvere errori specifici e confrontare approcci | Le risposte non sono sempre immediate | Gratuito |
La parte Desktop è gratuita, ma non significa che ogni funzione di Power BI lo sia. Al momento della verifica, Microsoft indica per Power BI Pro un prezzo di 12,10 euro per utente al mese con pagamento annuale, IVA esclusa. Il piano Premium per utente è indicato a 20,80 euro al mese, sempre con pagamento annuale e IVA esclusa, ma i prezzi possono cambiare.
Per studiare da soli non è necessario acquistare subito una licenza Pro. Il costo diventa rilevante quando vuoi pubblicare e condividere report con colleghi o clienti attraverso il servizio online. Prima di pagare, controlla sempre il tipo di condivisione richiesto dalla tua organizzazione.
Un altro equivoco riguarda il certificato. Seguire contenuti gratuiti può prepararti alla certificazione PL-300, ma la certificazione ufficiale richiede un esame. Un attestato di partecipazione a un video corso non equivale a una qualifica professionale riconosciuta.
Come capire quando il percorso gratuito non basta più
Le risorse gratuite funzionano bene se hai già una certa autonomia con Excel, dati tabellari e logica dei calcoli. Se invece parti da zero e ti blocchi spesso su relazioni, contesto di filtro o progettazione del modello, un corso guidato con esercizi corretti può farti risparmiare tempo.Io prenderei in considerazione una formazione a pagamento solo dopo aver completato almeno un progetto personale. A quel punto saprai se ti manca tecnica DAX, modellazione, visual design o metodo di lavoro, invece di comprare un corso generico sperando che risolva tutto.
Il segnale più importante non è riuscire a creare un grafico elegante. È saper rispondere con sicurezza a tre domande: da dove arriva il dato, quale formula produce il risultato e che cosa deve decidere chi guarda il report.
Con Power BI Desktop, un dataset realistico e un piano di studio regolare puoi costruire una base solida senza spendere denaro. La differenza la fanno la qualità del modello, la pratica sulle misure DAX e la capacità di trasformare numeri grezzi in risposte utili.
