Bästa metoder för att transformera data i frågeredigeraren

När du transformerar dina data i frågeredigeraren finns det viktiga metoder som du måste implementera för att få den bästa upplevelsen.

Det här är enkla tips som kan ha stor inverkan på dina rapporter och visualiseringar. Det inkluderar de saker som människor ofta tar för givna men som är viktiga för att få högkvalitativa analyser från LuckyTemplates.

Innehållsförteckning

Ändra tabell- och kolumnnamn 

När du väl börjar omvandla dina data i LuckyTemplates bör du alltid använda rätt namnkonventioner. Detta inkluderar att använda intuitiva namn för dina tabeller, kolumner och mått. Följ rätt format så mycket som möjligt. Namnge det till exempel inte med alla stora bokstäver eller alla gemener. 

Kontrollera alla kolumnnamn och se till att alla börjar med versaler. Ta bara lite tid att kontrollera alla dina kolumner från vänster till höger och ändra namnen om det behövs.

Utöver det, använd inte understreck eller förkortningar. Slutligen bör du undvika att använda prefix eller suffix för kolumnnamnen. 

Målet är att förenkla allas LuckyTemplates-upplevelse. Du behöver enkla namn så att alla användare enkelt kan förstå din rapport eller modell. Du kan också enkelt skapa DAX-mått om du har enkla kolumnnamn.

För att ge dig ett exempel ändrar jag namnet på den här tabellen till Försäljning .

Du kan ändra det i avsnittet Egenskaper . Du kan också ändra tabellnamnet helt enkelt genom att dubbelklicka på det till vänster på skärmen.

Ta bort onödiga kolumner

Ett annat bästa tips när du omvandlar din data i LuckyTemplates är att ta bort alla onödiga kolumner. 

Om du märkte att en viss kolumn inte är nödvändig för din modell, ta bort den. Du kan göra detta genom att bara högerklicka på kolumnrubriken och sedan välja antingen Ta bort eller Ta bort andra kolumner .

När du tar bort värdelösa kolumner i förväg kan du minska det minne som behövs för att ladda data i LuckyTemplates. Dessutom kommer rena data att spara dig mer tid i framtiden.

Se till att datumtyperna är korrekta

En annan sak som jag vill lyfta fram är vikten av korrekta datatyper. När du transformerar dina data i frågeredigeraren är det viktigt att du har dina kolumner i rätt datatyp.

I allmänhet finns det olika datatyper tillgängliga i LuckyTemplates. När du laddar data upptäcker LuckyTemplates automatiskt datatypen för dina kolumner. Men det finns tillfällen då det är fel. Därför måste du kontrollera varje kolumn manuellt. Du kan kontrollera vilken datatyp din kolumn har när du högerklickar på kolumnen. 

Datatyper kan vara decimaltal, heltal, procenttal, datum, tider, text och mer. Du måste kontrollera de enskilda kolumnerna och se till att de har rätt datatyp.

Kolumnerna Orderdatum och Leveransdatum bör till exempel vara kolumner av datumtyp. Under tiden bör ordernummer och kundnamnsindex vara nummertypskolumner.

När LuckyTemplates felaktigt identifierar en kolumn behöver du bara ändra den manuellt. Till exempel har leveransregionindexet identifierats som en textkolumn istället för en nummerkolumn.

Högerklicka bara på kolumnen och ändra den sedan till ett heltal.

Vissa saker kan gå fel under din DAX-beräkning när dina kolumner har felaktiga datatyper. Till exempel kommer en viss kolumn inte att visas i din visualisering eller så får du ett fel i dina DAX-beräkningar.

För att se till att allt går smidigt i dina framtida beräkningar, se till att ställa in saker och ting korrekt. 

Slutsats

Oavsett om du är en ny användare eller inte, hoppas jag att du använder alla de bästa tipsen som jag har diskuterat i den här handledningen. Det hjälper dig inte bara att omvandla din data snabbare, utan det kan också hjälpa dig att skapa en stark och ren modell för dina LuckyTemplates.

I nästa självstudiekurs kommer du att lära dig mer datatransformationstekniker för dina rader, tabeller, kolumner, frågor och mer.

Tack!


Pipe In R: Anslutningsfunktioner med Dplyr

Pipe In R: Anslutningsfunktioner med Dplyr

I den här handledningen kommer du att lära dig hur du kopplar ihop funktioner med hjälp av dplyr-röroperatorn i programmeringsspråket R.

RANKX Deep Dive: A Lucky Templates DAX-funktion

RANKX Deep Dive: A Lucky Templates DAX-funktion

RANKX från LuckyTemplates låter dig returnera rankningen av ett specifikt nummer i varje tabellrad som utgör en del av en lista med nummer.

Extrahera LuckyTemplates-teman och bilder från PBIX

Extrahera LuckyTemplates-teman och bilder från PBIX

Lär dig hur du tar isär en PBIX-fil för att extrahera LuckyTemplates-teman och bilder från bakgrunden och använda den för att skapa din rapport!

Excel Formler Fuskblad: Mellanvägledning

Excel Formler Fuskblad: Mellanvägledning

Excel Formler Fuskblad: Mellanvägledning

LuckyTemplates Kalendertabell: Vad är det och hur man använder det

LuckyTemplates Kalendertabell: Vad är det och hur man använder det

LuckyTemplates Kalendertabell: Vad är det och hur man använder det

Python i LuckyTemplates: Hur man installerar och ställer in

Python i LuckyTemplates: Hur man installerar och ställer in

Lär dig hur du installerar programmeringsspråket Python i LuckyTemplates och hur du använder dess verktyg för att skriva koder och visa bilder.

Beräkna dynamiska vinstmarginaler – enkel analys av LuckyTemplates med DAX

Beräkna dynamiska vinstmarginaler – enkel analys av LuckyTemplates med DAX

Lär dig hur du beräknar dynamiska vinstmarginaler vid sidan av LuckyTemplates och hur du kan få fler insikter genom att gräva djupare i resultaten.

Sortering av datumtabellkolumner i LuckyTemplates

Sortering av datumtabellkolumner i LuckyTemplates

Lär dig hur du sorterar fälten från en utökad datumtabells kolumner korrekt. Detta är en bra strategi att göra för svåra fält.

Hitta dina bästa produkter för varje region i LuckyTemplates med DAX

Hitta dina bästa produkter för varje region i LuckyTemplates med DAX

I den här artikeln går jag igenom hur du kan hitta dina toppprodukter per region med hjälp av DAX-beräkningar i LuckyTemplates, inklusive TOPN- och CALCULATE-funktionerna.

Skräpdimension: Vad är det och varför det är allt annat än skräp

Skräpdimension: Vad är det och varför det är allt annat än skräp

Lär dig hur du använder en skräpdimension för flaggor med låg kardinalitet som du vill infoga i din datamodell på ett effektivt sätt.