Un file Excel pieno di righe può diventare una decisione chiara oppure un report difficile da mantenere. La differenza sta nel modo in cui si importano i dati, si costruiscono le relazioni e si scrivono le formule DAX. In questo tutorial Power BI trovi un percorso pratico per creare un modello solido, calcolare KPI affidabili e progettare report leggibili anche quando i dati iniziano a crescere.
La sequenza corretta rende Power BI più semplice e affidabile
- Power Query serve per pulire e trasformare i dati prima dell’analisi.
- Lo schema a stella riduce gli errori nelle relazioni e migliora le prestazioni.
- Le misure DAX sono preferibili alle colonne calcolate per KPI dinamici.
- CALCULATE modifica il contesto dei filtri ed è una delle funzioni centrali di DAX.
- Un report efficace risponde a poche domande aziendali, senza sovraccaricare la pagina.
Da un file grezzo a un modello pronto per l’analisi
Io comincerei sempre da Power BI Desktop e da una domanda concreta, non dalla scelta del grafico. Vuoi capire quali prodotti vendono di più, quali clienti stanno diminuendo gli ordini o quanto margine genera ogni area commerciale? La domanda determina i dati necessari e impedisce di costruire una dashboard piena di elementi decorativi ma povera di risposte.Importare e pulire con Power Query
Il primo passaggio consiste nel collegare Excel, CSV, database o altri sistemi aziendali. Nell’editor di Power Query puoi correggere i tipi di dati, eliminare colonne inutili, gestire i valori vuoti, dividere campi e unire più fonti.
Una regola mi ha evitato molti problemi: la pulizia va fatta prima del modello. Se una data arriva come testo, gli importi includono simboli monetari o lo stesso cliente compare con grafie diverse, DAX non può compensare una base incoerente. Meglio risolvere l’anomalia una volta nella trasformazione invece di correggerla in ogni misura.
- Carica una fonte dati rappresentativa.
- Controlla i tipi di colonna, soprattutto date, numeri e codici.
- Rinomina i campi con nomi comprensibili.
- Rimuovi duplicati e righe palesemente errate.
- Applica le trasformazioni e verifica il risultato nel modello.
Non serve importare tutto. Un modello più piccolo è spesso più veloce, più leggibile e più facile da aggiornare. Mantieni solo le colonne che servono per filtrare, raggruppare o calcolare un indicatore.
Il modello dati decide la qualità dei risultati
Il cuore di un buon progetto Power BI è spesso invisibile all’utente finale. Un modello ben progettato permette ai filtri di propagarsi nel modo corretto; uno costruito in fretta produce totali duplicati, percentuali inattendibili e formule apparentemente inspiegabili.Usare uno schema a stella
Lo schema a stella separa una tabella dei fatti, che contiene eventi misurabili come vendite o ordini, dalle tabelle dimensionali, che descrivono prodotti, clienti, date e territori.| Tipo di tabella | Esempio | Funzione |
|---|---|---|
| Fatti | Vendite | Contiene quantità, ricavi, costi e chiavi di collegamento |
| Dimensione | Prodotti | Descrive categoria, marca e prezzo |
| Dimensione | Clienti | Contiene area, segmento e tipologia cliente |
| Calendario | Data | Permette analisi mensili, trimestrali e annuali |
La relazione tipica è uno-a-molti: una riga della dimensione Prodotti può essere collegata a molte righe della tabella Vendite. In genere il filtro dovrebbe viaggiare dalla dimensione verso i fatti. Le relazioni bidirezionali possono sembrare comode, ma spesso creano ambiguità e risultati difficili da diagnosticare.
Creare una tabella calendario
Per confrontare vendite attuali e precedenti serve una tabella calendario continua, con una riga per ogni giorno. Collega la sua colonna data alla data della tabella dei fatti e usa i campi della dimensione Data nei grafici e nei filtri.
Questo dettaglio è decisivo per le funzioni di time intelligence, cioè i calcoli che confrontano periodi diversi. Se mancano giorni, mesi o una relazione corretta, formule come il confronto con l’anno precedente possono restituire risultati incompleti senza mostrare un errore evidente.
DAX diventa utile quando distingui misure e colonne
DAX, acronimo di Data Analysis Expressions, è il linguaggio usato per creare calcoli nel modello tabulare. Non lo considero un semplice sostituto delle formule Excel: il risultato di una formula DAX dipende anche dal contesto di filtro, cioè dalla selezione applicata dal report, dal visual o da uno slicer.
Misure per i KPI dinamici
Una misura viene calcolata quando il visual ne ha bisogno. Per esempio, la misura seguente somma l’importo delle vendite nel contesto corrente:
Vendite totali =
SUM ( Vendite[Importo] )Se inserisci Anno, Regione o Categoria in una visualizzazione, la stessa misura si ricalcola per ogni combinazione. Per questo le misure sono la scelta migliore per totali, margini, percentuali e indicatori interattivi.
Una colonna calcolata, invece, viene calcolata riga per riga e salvata nel modello. Può essere utile per una classificazione stabile, come una fascia di prezzo, ma aumenta le dimensioni del modello. Prima di crearne una, mi chiedo sempre se lo stesso risultato possa essere ottenuto in Power Query o con una misura.
Capire il contesto di riga e il contesto di filtro
Il contesto di riga riguarda la riga corrente, tipico delle colonne calcolate e delle funzioni iteratrici. Il contesto di filtro nasce invece dalle selezioni dell’utente e dai filtri presenti nel visual. Confondere questi due concetti è una delle cause più frequenti di formule DAX che sembrano corrette ma restituiscono valori inattesi.
La funzione più importante per modificare il contesto è CALCULATE. Ecco un esempio per calcolare le vendite del solo canale online:
Vendite online =
CALCULATE (
[Vendite totali],
Canali[Tipo] = "Online"
)CALCULATE aggiunge o modifica i filtri applicati all’espressione. Se vuoi calcolare la percentuale sul totale generale, puoi rimuovere il filtro dalla dimensione prodotto:
% sul totale =
DIVIDE (
[Vendite totali],
CALCULATE (
[Vendite totali],
REMOVEFILTERS ( Prodotti )
)
)Preferisco DIVIDE alla divisione diretta perché gestisce meglio il caso in cui il denominatore sia zero o vuoto. Inoltre, nell’editor DAX il separatore degli argomenti può cambiare in base alle impostazioni locali di Power BI, quindi una formula con virgole potrebbe richiedere il punto e virgola.
Costruire un report che aiuti davvero a decidere
Una dashboard non è una raccolta di grafici. È un’interfaccia per esplorare un problema. La prima pagina dovrebbe mostrare pochi KPI essenziali e consentire di capire rapidamente se il risultato è buono, in calo o fuori obiettivo.
Una struttura pratica per la prima pagina
- Prima riga con ricavi, margine, numero di ordini e variazione rispetto al periodo precedente.
- Grafico temporale per osservare trend, stagionalità e anomalie.
- Classifica di prodotti, clienti o regioni, ordinata secondo l’indicatore più importante.
- Filtri essenziali per anno, area, categoria e canale.
Io eviterei di inserire dieci slicer nella stessa pagina. Ogni filtro aggiunge complessità e può rendere difficile capire quale selezione stia influenzando il risultato. Tre o quattro filtri ben scelti sono spesso più utili di una lunga colonna di controlli.
Leggi anche: DAX Studio con Power BI per capire e velocizzare il DAX
Un esempio di analisi commerciale
Immagina un report per un’azienda italiana che vende componenti industriali. Il responsabile commerciale vuole conoscere il fatturato mensile, il margine per regione e i clienti che non ordinano da oltre 90 giorni.
Per rispondere servono almeno una tabella Vendite, una dimensione Clienti, una dimensione Prodotti e un calendario. La misura del margine potrebbe essere:
Margine =
SUM ( Vendite[Importo] ) - SUM ( Vendite[Costo] )Il valore diventa realmente utile quando viene accompagnato da margine percentuale, confronto con l’anno precedente e dettaglio per cliente. Un totale elevato non indica necessariamente una buona performance se i costi sono cresciuti ancora più rapidamente.
Gli errori che rallentano il lavoro con Power BI
Il primo errore è scrivere DAX prima di aver controllato il modello. Se una somma è duplicata, spesso il problema non è la funzione SUM ma una relazione molti-a-molti, una chiave non univoca o un filtro che si propaga nella direzione sbagliata.
Un secondo errore consiste nel creare colonne calcolate per ogni esigenza. Le colonne possono essere appropriate per trasformazioni riga per riga, ma per KPI interattivi conviene usare misure riutilizzabili. Questo mantiene il modello più leggero e rende il report più flessibile.
Anche FILTER viene talvolta usata automaticamente dentro CALCULATE. Per filtri semplici, una condizione booleana diretta è in genere più chiara e può essere più efficiente. FILTER resta utile quando devi applicare logiche complesse, confrontare più colonne o filtrare sulla base di una misura.
Quando una misura restituisce un valore strano, seguo questa sequenza:
- Controllo che i tipi di dati siano corretti.
- Verifico la cardinalità e la direzione delle relazioni.
- Provo la misura in una tabella semplice.
- Rimuovo temporaneamente i filtri per capire quale contesto modifica il risultato.
- Confronto il totale Power BI con un calcolo indipendente sul dato sorgente.
Infine, non trascurare sicurezza e aggiornamento. Se il report contiene dati riservati, la sicurezza a livello di riga può limitare ciò che ogni gruppo di utenti vede. Se i dati cambiano spesso, pianifica anche la frequenza di refresh e verifica cosa accade quando la fonte non è disponibile.
Il passo che trasforma un esercizio DAX in un report affidabile
Per imparare davvero non basta copiare formule. Scegli un dataset piccolo, costruisci uno schema a stella, crea cinque misure e prova a spiegare ogni risultato con parole semplici. Se non riesci a dire quale filtro sta influenzando una misura, il modello o la formula non sono ancora abbastanza chiari.
La progressione che consiglio è questa: Power Query, modellazione, misure DAX, visualizzazione e ottimizzazione. Saltare direttamente alle formule più complesse dà una sensazione di progresso, ma spesso nasconde problemi strutturali che riemergono quando il report viene usato da altre persone.
Un buon progetto Power BI non deve solo mostrare numeri corretti. Deve permettere a chi lo usa di capire rapidamente cosa è successo, perché è successo e quale decisione può prendere ora.
