Iskazni jezik DAX, koji koristimo za dodavanje novih izveštajnih dimenzija u Semantički Model, bilo da se radi o merama ili izračunatim kolonama, ili ga pak koristimo za pravljenje tabela, poseduje veliki broj funkcija. Ipak, ponekad korisnici imaju potrebu da kreiraju svoje funkcije a od skoro to mogu da urade na jednostavan način, najčešće kroz DAX query view.
Iako većina analitičara podataka i dalje razvija izveštaje u Power BI Desktop aplikaciji sve više njih želi da u ovu svrhu koristi Power BI servis. Možda zato što koriste Mac računar, Linux operativni sistem, ili iz nekog drugog, njima poznatog, razloga. Zbog toga je razvojni tim iz kompanije Microsoft omogućio da korisnici mogu da pristupe modelu podataka direktno iz svog Internet pregledača, tj. na raspolaganju im je Model View, kao u Power BI Desktop aplikaciji.
Skladište podataka (Data Warehouse) je centralizovani sistem koji se koristi za skladištenje, integraciju i organizaciju velike količine podataka, često iz različitih izvora, kako bi se oni pripremili za izveštavanje i analizu. Microsoft Fabric nudi da u okviru svog organizacionog okruženja-tenanta, lako kreirate skladišta podataka na osnovu kojih ćete praviti izveštaje direktno u Power BI servisu ili upotrebom Power BI Desktop aplikacije.
Objekti (izvori podataka) u okviru Microsoft Fabric organizacionog okruženja lako se mogu iskoristiti u Power BI Desktop aplikaciji za kreiranje izveštaja. To mogu da budu: Lakehouse, Warehouse, Datamarts (segmenti skladišta podataka, grupisani prema funkcionalnim celinama, pogodni za izveštavanje), SQL Databases, KQL Databases… U ovom tekstu saznaćete kako da iskoristite Lakehouse tabele za pravljenje izveštaja.
Lakehouse je jedinstvena arhitektura koja objedinjuje najbolje karakteristike Data Lake repozitorijuma, koji se koristi za čuvanje nestrukturiranih i polu-strukturiranih podataka, kao i skladišta podataka (Data Warehouse) koja se koriste za čuvanje strukturiranih podataka koji služe za kreiranje izveštaja. Odnosno, sve ove podatke možete da čuvate na jednom mestu i pristupite im putem PySpark ili SQL jezika…