DAX چیست؟ در مقالات قبل که در خصوص Power BI توضیح دادیم؛ احتمالاً نام dax زیاد به گوشتان خورده است. شاید برای شما هم سوال شده باشد که اصلاً چیست؟ این کلمه مخفف چیست؟ در کجا کاربرد دارد؟ اصلاً چرا باید آن را بلد باشیم؟ در ادامه این مقاله به تمامی سوالات شما، پیرامون این موضوع پاسخ خواهیم داد. باید و نباید یادگیری آن را برای شما شفاف خواهیم کرد و همچنین به شما خواهیم گفت که یادگیری dax را از کجا شروع کنید. در ادامه با ما همراه باشید.
DAX چیست؟
DAX مخفف عبارت تجزیه و تحلیل داده‌ها ( Data Analysis Expressions ) است. این زبان توسط مایکروسافت برای تعامل با داده‌ها در انواع سیستم عامل‌های خود مانند مدل‌های جداول Power BI ،PowerPivot و SSAS توسعه یافته است. طراحی آن ساده و آسان برای یادگیری است. در حالی که قدرت و انعطاف پذیری مدل‌های جدول را نشان می‌دهد. به نوعی، می‌توانید آن را با فرمول‌های Excel در استروئیدها مقایسه کنید. استفاده از dax واقعاً قابلیت‌های Power BI را آشکار می‌کند. حتی اگر ما هنوز از یک متخصص DAX دور هستیم، به جایی رسیده‌ایم که از کد زیادی در کار روزانه خود استفاده می‌کنیم و همکاران شروع به پرسیدن سوالات بیشتر و بیشتری در مورد آن می‌کنند. به همین دلیل، تصمیم گرفتیم این مقاله را در مورد اینکه چرا باید از این ابزار خارج از جعبه ابزار علم داده/تجزیه و تحلیل داده ها استفاده کنید، بنویسیم.
چرا باید DAX را بیاموزید؟
این مسئله، دری تازه رو به یک جهان کاملاً جدید برای شما باز می‌کند. یادگیری DAX به عنوان یک کاربر Power BI، بسیار شبیه به کاربر بودن در Excel و کشف نحوه استفاده از فرمول‌ها است، شما می‌توانید جداول خود را ساختار دهید، نمودارهایی اضافه کنید و روی دکمه (جمع/average/… Σ) کلیک کنید، اینجا ناگهان جهانی تازه را کشف می‌کنید. از عملکردهای VLOOKUP ،IF و غیره با خبر می‌شوید. با این حال، این مقایسه به طور کامل معتبر نیست زیرا یا حداقل به نظر ما، Power BI در حال حاضر حتی بدون dax یک ابزار فوق العاده قدرتمند است؛ زیرا در مقابل، هر چیزی فراتر از استفاده سبک در Excel قبلاً به فرمول نیاز دارد. گفته می‌شود، یادگیری Data Analysis Expressions دنیای جدیدی از Power BI را برای شما باز می‌کند. بیشترین ویژگی وارداتی که قفل آن را باز می‌کنید این است که بتوانید داده‌ها را به صورت پویا انتخاب، پیوست، فیلتر و … کنید. این بدان معناست که داشبورد می‌تواند از کاربران ورودی گرفته و از آن برای تولید پویا ستون‌ها، اندازه‌ها و جداول استفاده کند.
از فواید دیگر یادگیری dax
برای رسیدن به نقطه‌ای که در صفحه نمایش خود هنگ می‌کنید، تجربه زیادی لازم نیست. زیرا داشبورد شما نتایجی را که انتظار داشتید به شما نمی‌دهد. هنگامی که نحوه استفاده از DAX را می‌دانید، شگفت زده خواهید شد که چگونه می‌توانید از بسیاری از این موارد جلوگیری کرده یا آن‌ها را به طور کامل (به طریقی هک شده) دور بزنید. یک مثال بسیار ساده در این مورد مقدار “blank” در ویجت کارت است. هنگام نمایش داده‌های عددی در کارت، به عنوان مثال “درآمد” ، اگر فیلترهای خود را طوری تنظیم کنید که هیچ درآمدی برای نمایش وجود نداشته باشد ، “خالی” می شود. با این حال ، یک روش طبیعی تر برای نمایش “بدون درآمد” باید “0” به جای “blank” باشد. با استفاده از یک عبارت dax بسیار ساده، می‌توانید اندازه‌ای را اضافه کنید که عدد 0 را به فرمول اضافه می‌کند، به این معنی که دیگر مجبور نخواهید بود دوباره “blank” را ببینید. این موردی که برای شما بازگو کردیم؛ یکی از راه‌های بسیاری است که می‌تواند تجربه کاربر را تا حد زیادی بهبود ببخشد. یک کد کوچک می‌تواند این مسئله را برای شما بهبود ببخشد.
داشبورد خود را سرعت ببخشید!
هرچه در DAX بهتر عمل کنید، می‌توانید داشبورد خود را هوشمندتر بسازید. با استفاده از dax می‌توانید ستون‌های محاسبه شده و یا اندازه گیری‌های دقیق‌تری ایجاد کنید که با استفاده از آن‌ها می‌توانید داده‌های داشبورد را برای واکشی و تجسم محدود کنید. اگرچه برخی از عبارات Data Analysis Expressions می‌توانند محدودیت موتورهای داده را آزمایش کنند، اما یک عبارت خوب نوشته شده می‌تواند سرعت را افزایش دهد، در نتیجه استفاده از منابع را محدود می‌کند. برای برخی از روش‌های دیگر برای افزایش سرعت داشبورد خود بدون استفاده از dax ، می‌توانید راه‌های دیگری را نیز امتحان کنید.
DAX فراتر از Power BI
اگر برای یادگیری DAX زمان کافی ندارید، مهارت تازه به دست آمده نیازی به محدود کردن محیط Power BI ندارد. dax را می‌توان در محصولات جداول مایکروسافت مانند:
- Power BI
- خدمات تجزیه و تحلیل مایکروسافت
- Microsoft Power Pivot برای اکسل
ناگفته نماند که نحو Data Analysis Expressions نیز بسیار شبیه فرمول‌های اکسل است و این دانش را نیز می‌توان به این نرم افزار قدیمی خوب و پرکاربرد منتقل کرد.
شما را به یک متخصص داده بهتر تبدیل می‌کند
اگرچه DAX فقط در محیطی که از آن پشتیبانی می‌کند قابل استفاده است، اما مهارت نحوه استفاده از dax بسیار فراتر از محدوده آن است. از آنجا که Data Analysis Expressions مبتنی بر سیستم فیلترهای تو در تو مختلف است که در آن عملکرد مهم است، طرز فکر شما را در مورد جداول و فیلتر کردن داده ها تغییر می‌دهد. با نوشتن یک قطعه هوشمند از کد dax در اولین فرصت، ممکن است بتوانید عملکرد برخی از کدهای پایتون که قبل از آن نوشته‌اید را بهبود بخشید. به عبارت دیگر، با یادگیری Data Analysis Expressions شما طرز فکر خود را در مورد چگونگی ادغام، فیلتر کردن، انتخاب و دستکاری داده‌ها به نحو احسن بهبود می‌بخشید.
چرا نباید DAX را یاد بگیریم؟
اگرچه ما از مطالعه DAX خوشحالیم و فقط دلایل قانع کننده‌ای را در مورد این که چرا باید شروع به استفاده از آن کنید ذکر کرده ایم، اما باید اضافه کنم که dax برای همه مناسب نیست. این موارد، دلایلی هستند که یادگیری Data Analysis Expressions نباید برای شما در اولویت باشد:
منحنی یادگیری شیب دار
درک کامل DAX یک شبه ممکن نخواهد بود. اگرچه می‌توانید به سرعت شروع به نوشتن برخی از کدهای اصلی کنید، اما قطعاً زمان لازم است تا درک کنید که چگونه زمینه‌های مختلف فیلتر و غیره (چیزی که ما اغلب با آن درگیر هستیم). شما باید خودتان تصمیم بگیرید که چقدر از آن استفاده می‌کنید تا ببینید آیا ارزش تلاش را دارد یا خیر. این دلیل می‌تواند یادگیری dax را برای شما در الویت قرار ندهد.
با پیشنهادات متفاوت می‌توانید کارهای زیادی انجام دهید!
حتی قبل از این که داده‌های شما در یکی از ابزارک‌ها به پایان برسد، امکان دستکاری داده‌های زیادی در DAX وجود دارد. برای هر چیزی که نیازی به تولید پویا نیست، گزینه‌های زیادی وجود دارد. به عنوان مثال، افزودن چند ستون اضافی جدید به داشبورد شما می‌تواند به راحتی با پایتون انجام شود. به دلیل دیگر برای یاد نگرفتن dax می‌پردازیم.
داشبوردها می‌توانند رمزآلود به نظر برسن
افزودن DAX به داشبورد یک لایه پیچیدگی می‌افزاید. اگر فقط شما در حال ساخت یا دستکاری داشبورد هستید این مسئله نباید مشکلی ایجاد کند، اما برای کسانی که در تیم کار می‌کنند، ممکن است کار را پیچیده کند. من شخصاً همکارانی را که با استفاده از دستکاری داشبورد ناشی از سردرگمی dax ناآشنا هستند، تجربه کردم. تمایل به ساده سازی امور نباید دلیل خوبی برای توقف حرکت به جلو باشد، اما این چیزی است که هنگام برداشتن این گام بعدی در Power BI باید به آن توجه کنید.
قانون 20/80
اصل پارتو یا قانون 20/80 بیان می‌کند که 80 درصد نتیجه را می‌توان با 20 درصد تلاش تحقق بخشید و بالعکس. Hardcore DAX’ers با خواندن این مقاله خوشحال نخواهند شد، اما ما معتقدیم 80٪ بدون DAX قابل انجام است. Power BI یک ابزار قدرتمند است که در آن حتی مبتدیان می‌توانند داشبورد و بینش مفیدی ایجاد کنند. البته داشبوردهای پیشرفته تر کاملاً متکی بر بخش بزرگی از dax خواهند بود، اما بسیاری از داشبوردها نسبتاً ساده هستند و می‌توانند بدون نیاز به کد گسترده به نیازهای کاربران پاسخ دهند. این بدان معناست که برای بسیاری از کاربران Power BI، سرمایه گذاری به صرفه نیست. در دنیای پلتفرم‌های فریلنسینگ امروزی، ارتباط شبانه روزی 24 ساعته، موارد دیجیتالی و غیره، ممکن است واگذاری بخش Data Analysis Expressions داشبورد به یک متخصص ساده‌تر باشد.
