Un report Power BI efficace non si limita a mostrare grafici colorati: deve aiutare a capire cosa sta succedendo e quale decisione prendere. In questa guida mostro come costruire e consultare un report Power BI, dalla preparazione dei dati al modello semantico, fino alle misure DAX, ai filtri, alla pubblicazione e agli errori più comuni.
Un buon report nasce da dati ordinati, misure corrette e una lettura immediata
- Modello a stella per collegare correttamente fatti e dimensioni.
- Misure DAX per calcoli dinamici che reagiscono a filtri e selezioni.
- Report view e Power BI Service per creare, pubblicare e consultare l’analisi.
- Contesto filtro come elemento centrale per capire i risultati.
- Design essenziale per evitare dashboard difficili da interpretare.
Che cosa deve fare davvero un report Power BI
Un report Power BI presenta dati collegati a un modello semantico, cioè una struttura che contiene tabelle, relazioni, colonne e misure. L’utente può esplorare i risultati con filtri, segmentazioni e interazioni tra visual, senza dover interrogare manualmente il database.
La distinzione tra report e dashboard è utile. Il report può contenere più pagine analitiche, mentre il dashboard nel servizio Power BI raccoglie spesso alcuni elementi visivi provenienti da uno o più report. Nel lavoro quotidiano, però, i due termini vengono spesso confusi.
La vera funzione dello strumento non è rispondere soltanto a “quanto abbiamo venduto?”. Un modello ben progettato dovrebbe aiutare a capire quando, dove, a chi e perché si è verificato un risultato. Se il report mostra solo numeri senza contesto, la parte visuale non può compensare un’analisi debole.
Le tre componenti da non confondere
- Origine dati, come Excel, SQL Server, file CSV, CRM o servizi cloud.
- Modello semantico, con relazioni, gerarchie, calendari e misure.
- Report, composto da pagine, visual, filtri e interazioni.
Questa separazione rende più semplice la manutenzione. Posso cambiare un grafico senza toccare il modello e posso correggere una misura senza ridisegnare tutte le pagine che la utilizzano.
Dal dato al report con Power BI Desktop
La costruzione parte da Power BI Desktop. Il percorso più affidabile è procedere per fasi, perché molti problemi che sembrano legati ai grafici nascono in realtà durante l’importazione o la modellazione.
- Importare i dati con il connettore corretto.
- Pulire le tabelle in Power Query.
- Definire relazioni e cardinalità.
- Creare misure DAX per gli indicatori principali.
- Disegnare le pagine in base alle domande aziendali.
- Verificare i risultati confrontandoli con una fonte attendibile.
In Power Query conviene eliminare colonne inutili, uniformare i tipi di dati e risolvere i valori mancanti prima che entrino nel modello. Una data importata come testo, per esempio, può compromettere filtri temporali, ordinamenti e calcoli progressivi.
Il modello a stella evita molti errori
Per la maggior parte dei progetti consiglio un modello a stella. La tabella dei fatti contiene eventi numerici, come vendite o ordini, mentre le dimensioni descrivono prodotti, clienti, date e aree geografiche.
| Elemento | Esempio | Funzione nel report |
|---|---|---|
| Tabella dei fatti | Vendite | Conserva importi, quantità e chiavi di collegamento |
| Dimensione data | Calendario | Permette analisi per anno, trimestre e mese |
| Dimensione prodotto | Prodotti | Consente filtri per categoria, marca e articolo |
| Dimensione cliente | Clienti | Supporta segmentazioni per area o segmento |
La relazione più comune è uno-a-molti, con la dimensione sul lato “uno” e la tabella dei fatti sul lato “molti”. Quando vedo relazioni ambigue, molti-a-molti non necessarie o filtri bidirezionali ovunque, mi fermo prima di creare i visual: un modello confuso produce numeri apparentemente plausibili ma difficili da verificare.
DAX cambia il modo in cui il report interpreta i dati
DAX, acronimo di Data Analysis Expressions, è il linguaggio usato per creare misure, colonne calcolate e tabelle calcolate. La differenza più importante riguarda il momento del calcolo: una colonna viene valutata riga per riga durante l’aggiornamento, mentre una misura viene calcolata quando l’utente interagisce con il report.
Misure e colonne calcolate hanno scopi diversi
Per il fatturato totale, una misura è quasi sempre la scelta migliore:
Fatturato totale =
SUM ( Vendite[Importo] )Il valore cambia quando applico un filtro per anno, regione o categoria. Una colonna calcolata, invece, è utile quando devo creare un attributo stabile da usare in righe, colonne o segmentazioni:
Valore riga =
Vendite[Quantità] * Vendite[PrezzoUnitario]Non trasformerei ogni calcolo in una colonna. Su tabelle molto grandi, colonne e tabelle calcolate aumentano la memoria occupata, mentre una misura calcola il risultato al momento della richiesta. Prima di usare DAX, decido se il risultato deve essere memorizzato oppure reagire ai filtri.
Il contesto filtro è il concetto decisivo
Il contesto filtro è l’insieme delle condizioni attive quando Power BI valuta una misura. Un filtro inserito in una segmentazione, una riga di una matrice o una relazione tra tabelle può cambiare il risultato della stessa formula.
La funzione più importante per modificare questo comportamento è CALCULATE. Per esempio, posso calcolare il fatturato del solo canale online:
Fatturato online =
CALCULATE (
[Fatturato totale],
Canali[NomeCanale] = "Online"
)Per una percentuale sul totale, invece, devo rimuovere selettivamente alcuni filtri:
Quota sul totale =
DIVIDE (
[Fatturato totale],
CALCULATE (
[Fatturato totale],
ALL ( Prodotti )
)
)Se il risultato sembra sbagliato, non guardo subito il grafico. Controllo prima relazioni, filtri attivi e granularità. In DAX, una formula corretta può restituire un valore inatteso semplicemente perché viene valutata in un contesto diverso da quello immaginato.
Un calendario dedicato migliora l’analisi temporale
Per confrontare mesi, anni e periodi precedenti è preferibile usare una tabella calendario separata, collegata alla data della tabella dei fatti. Questo evita di affidarsi a date incomplete o duplicate provenienti dagli ordini.
Fatturato anno precedente =
CALCULATE (
[Fatturato totale],
DATEADD ( Calendario[Data], -1, YEAR )
)Da questa misura posso costruire crescita annua e variazione assoluta. Il confronto ha senso solo se il calendario è completo e se il periodo selezionato è coerente. Un confronto tra un mese intero e un mese parziale può creare conclusioni fuorvianti.
Come progettare pagine leggibili e utili
Una pagina efficace deve rispondere a una domanda precisa. La prima pagina può offrire una vista direzionale con tre o cinque KPI, un andamento temporale e una segmentazione essenziale. Le pagine successive possono approfondire prodotti, clienti, margini o territori.
Io parto sempre dal percorso di lettura, non dal tipo di grafico. Prima metto il risultato principale, poi l’andamento, quindi le spiegazioni e infine il dettaglio. In questo modo l’utente capisce subito se esiste un problema e può scendere di livello senza perdersi.
Visual da usare con criterio
- Card per KPI singoli come fatturato, margine o numero di ordini.
- Grafico a linee per trend e stagionalità.
- Barre ordinate per confrontare categorie o territori.
- Matrice per analisi gerarchiche e dettaglio operativo.
- Scatter plot per cercare relazioni tra due indicatori.
Le mappe sono utili solo quando la dimensione geografica è davvero rilevante. Anche i grafici a torta hanno un campo d’uso limitato, soprattutto quando le categorie sono numerose. Se il lettore deve decifrare il visual prima di capire il dato, il visual è probabilmente sbagliato.
Uso colori coerenti e riservo un colore d’accento per evidenziare anomalie o risultati importanti. Titoli come “Vendite per mese” sono corretti ma poco utili; “Il fatturato cala del 12% nell’ultimo trimestre” comunica già l’insight che il lettore deve cercare.
[search_image]diagramma modello a stella Power BI dashboard vendite misure DAX]
Consultare, pubblicare e condividere il report
Una volta creato il file in Desktop, il report può essere pubblicato nel servizio Power BI per la consultazione via browser o dispositivi mobili. Prima della pubblicazione verifico nomi delle pagine, formattazione, filtri predefiniti e comportamento degli aggiornamenti.
La condivisione non consiste soltanto nell’inviare un collegamento. Occorre stabilire chi può visualizzare i dati, chi può modificarli e quali informazioni deve vedere ogni gruppo. Per dati sensibili è importante configurare la sicurezza a livello di riga, che limita le righe visibili in base all’utente o al ruolo.
Leggi anche: Corso Power BI gratis - impara Power Query, modellazione e DAX
Controlli da fare prima del rilascio
- Confrontare i KPI con il gestionale o con un report di riferimento.
- Provare filtri singoli e combinati.
- Controllare pagine vuote, valori nulli e categorie senza relazione.
- Testare la leggibilità su schermi più piccoli.
- Verificare la durata del refresh e la presenza di errori nelle query.
- Controllare i permessi di workspace, app e modello semantico.
Un refresh lento non si risolve sempre riducendo il numero di visual. Spesso il problema è una query inefficiente, una tabella troppo dettagliata o un modello con relazioni non necessarie. In presenza di grandi volumi, la scelta tra importazione, DirectQuery e modelli compositi va valutata insieme a latenza, frequenza di aggiornamento e prestazioni della fonte.
Gli errori che compromettono un’analisi Power BI
Il primo errore è costruire il report direttamente da una tabella piatta con decine di colonne descrittive e numeriche. Può funzionare per un prototipo piccolo, ma diventa fragile quando arrivano più fonti, più periodi e nuove richieste.
Un altro problema frequente è usare colonne numeriche trascinandole nei visual e affidarsi alla somma automatica. Per analisi importanti preferisco misure esplicite, con nomi chiari come Fatturato totale, Margine, Ordini e Margine percentuale.
Capita anche di confondere il contesto riga con il contesto filtro. Il primo riguarda la riga corrente, mentre il secondo descrive i filtri attivi sul calcolo. Questa differenza spiega molti risultati inattesi con CALCULATE, iteratori come SUMX e relazioni tra tabelle.
Infine, troppi filtri e troppi oggetti in una sola pagina rendono l’esperienza lenta e poco chiara. Una pagina con venti visual non è automaticamente più completa di una con sei visual ben scelti. Spesso è solo più difficile da leggere e da mantenere.
Il passo che trasforma un report in uno strumento decisionale
Prima di consegnare il lavoro, chiedo a chi lo userà quale decisione deve diventare più semplice. Se la risposta è vaga, anche il report rischia di esserlo. Un buon progetto parte da poche domande concrete e costruisce intorno a esse dati, misure e visual.
Per iniziare consiglio un modello ridotto con una tabella dei fatti, un calendario, due dimensioni e cinque misure fondamentali. Dopo aver verificato numeri e prestazioni, si possono aggiungere analisi più sofisticate, come confronto con l’anno precedente, ranking, segmentazione clienti e sicurezza per ruolo.
La qualità finale dipende meno dagli effetti grafici e più dalla combinazione tra modello solido, DAX comprensibile e narrazione visiva. Quando questi tre elementi funzionano insieme, Power BI smette di essere una raccolta di grafici e diventa uno strumento concreto per leggere il business.
