Hình.1-1 : Kiến trúc mức cao nhất của hệ thống BIĐể có thể đưa ra được các thông tin có tính hệ thống, phù hợp với nghiệp vụ kinhdoanh của doanh nghiệp thì cần có đội ngũ nghiệp vụ hình
Trang 1CHƯƠNG 1 GIỚI THIỆU VỀ DATA WAREHOUSE
Trong trường hợp không có kiến trúc kho dữ liệu, cần có một lượng dự phòng khổng lồ để hỗ trợnhiều môi trường hỗ trợ quyết định Trong các tập đoàn lớn hơn, điển hình là nhiều môi trường
hỗ trợ quyết định hoạt động độc lập Mặc dù mỗi môi trường phục vụ người dùng khác nhau, họ thường yêu cầu nhiều dữ liệu được lưu trữ giống nhau
Quá trình thu thập, làm sạch và tích hợp dữ liệu từ nhiều nguồn khác nhau, thường là từ các hệ thống hoạt động dài hạn hiện có (thường được gọi là hệ thống cũ), thường được nhân rộng một phần cho mỗi môi trường Hơn nữa, các hệ thống hoạt động thường được xem xét lại khi các yêucầu hỗ trợ quyết định mới xuất hiện Thông thường các yêu cầu mới cần phải thu thập, làm sạch
và tích hợp dữ liệu mới từ ” dữ liệu ” được thiết kế để người dùng truy cập sẵn sàng
1.2 Vai trò của Kho dữ liệu trong hệ thống BI
Hệ thống thông tin quản trị thông minh (Business Intelligence – BI)
Trang 2Hình.1-1 : Kiến trúc mức cao nhất của hệ thống BI
Để có thể đưa ra được các thông tin có tính hệ thống, phù hợp với nghiệp vụ kinh
doanh của doanh nghiệp thì cần có đội ngũ nghiệp vụ (hình oval ở giữa), chịu trách
nhiệm xây dựng các báo cáo quản trị từ Kho dữ liệu Cuối cùng để có thể lấy được dữliệu và đưa vào Kho dữ liệu theo nhu cầu nghiệp vụ thì cần có đội ngũ kỹ thuật (hìnhoval bên trái)
Ngoài ra có thể có các hệ thống thông mình (hình vuông góc dưới bên trái) có thể
khai thác dữ liệu từ Kho dữ liệu nhằm hỗ trợ quản lý ra quyết định
1.3 Data warehouse là gì?
1.3.1 Định nghĩa Kho dữ liệu
Kho dữ liệu là kho lưu trữ điện tử của một lượng lớn thông tin của một doanh nghiệp hoặc tổ
chức Kho dữ liệu là một thành phần quan trọng của phân tích kinh doanh, sử dụng các kĩ thuậtphân tích trên dữ liệu doanh nghiệp
1.3.2 OLTP và OLAP.
a Khái niệm về OLTP
Hệ thống OLTP là viết tắt của On-Line Transactional Processing- Xử lý giao dịch trực tuyến Các
hệ thống OLTP là các hệ thống “cổ điển” xử lý:
Dữ liệu phát sinh từ các hoạt động hằng ngày
Thu thập xử lý để phục vụ công việc nghiệp vụ của một tổ chức
b Khái niệm về OLAP
Hệ thống OLAP là viết tắt của On-Line Analytical Processing – Xử lý phân tích trực tuyến OLAP là một công nghệ cơ sở dữ liệu đã được tối ưu hóa cho truy vấn và báo cáo, thay vì xử lý các giao dịch Dữ liệu nguồn cho OLAP là cơ sở dữ liệu Xử lý Giao dịch Trực tuyến (OLTP) vốnthường được lưu trữ trong các kho dữ liệu
OLAP chứa hai loại dữ liệu cơ bản: số đo, là dữ liệu số, số lượng và giá trị trung bình mà bạn sử dụng để đưa ra quyết định kinh doanh có đầy đủ thông tin và chiều, là các thể loại mà bạn sử
Trang 3dụng để sắp xếp các số đo này OLAP giúp sắp xếp dữ liệu theo nhiều cấp độ chi tiết, sử dụng cùng các thể loại mà bạn đã quen thuộc để phân tích dữ liệu.
1.4 Đặc điểm kho dữ liệu
Có các tính năng cơ bản xác định dữ liệu trong kho dữ liệu bao gồm: Hướng chủ đề, Được tíchhợp, Có gán nhãn thời gian, Bất biến
1.4.1 Hướng chủ đề (subject-oriented)
Không giống như các hệ thống hoạt động, dữ liệu trong kho dữ liệu xoay quanh các đối tượngcủa doanh nghiệp ( chuẩn hóa cơ sở dữ liệu ) Hướng chủ đề có thể thực sự hữu ích cho việc đưa
ra quyết định Tập hợp các đội tượng cần thiết được gọi là hướng đối tượng
1.4.2 Được tích hợp (time variant)
Dữ liệu được tìm thấy trong kho dữ liệu được tích hợp Vì nó đến từ một số hệ thống hoạt động,tất cả mâu thuẫn phải được loại bỏ Tính nhất quán bao gồm các quy ước đặt tên, đo lường cácbiến, cấu trúc mã hóa, các thuộc tính vật lý của dữ liệu, v.v
1.4.3 Có gán nhãn thời gian (time variant)
Mặc dù các hệ thống vận hành phản ánh các giá trị hiện tại khi chúng hỗ trợ các hoạt động hàngngày, dữ liệu kho dữ liệu biểu thị dữ liệu trong một khoảng thời gian dài ( lên đến 10 năm ) Nóchủ yếu có nghĩa là để khai thác và dự báo dữ liệu Nếu người dùng đang tìm kiếm mô hình muacủa một khách hàng cụ thể, người dùng cần xem dữ liệu về các giao dịch mua hiện tại và quákhứ
1.4.4 Bất biến (non-volatile)
Dữ liệu trong kho dữ liệu ở chế độ chỉ đọc, có nghĩa là không thể cập nhật, tạo hoặc xóa
1.5 Mô hình logic của kho dữ liệu
Data warehouse và các hệ thống OLAP được xây dựng dựa trên các mô hình logic Nó
cho hiệu năng tốt trên những phép truy vấn phức tạp và giúp người dùng có thể nhìn
dữ liệu theo nhiều khía cạnh khác nhau
Trong mô hình logic, có hai khái niệm quan trọng: sự kiện (fact) và kích thước
(dimensions).
Sự kiện (fact): còn được gọi là thước đo lường tình trạng kinh doanh Sự kiện là
giá trị số có thể được tổng hợp Ví dụ số lượng hàng bán ra
Kích thước (dimensions): được gọi là bối cảnh giúp xác định rõ các sự kiện, ví
dụ tên sản phẩm, thương hiệu, thời gian là những thành phần của kích thước
Trang 41.5.1 Lược đồ hình sao
Gồm 1 bảng Fact (bảng sự kiện) nằm ở trung tâm và được bao quanh bởi những bảng Dimension(bảng chiều) Dữ liệu của lược đồ hình sao không được chuẩn hoá Các câu hỏi nhằm vào bảngFact và được cấu trúc bởi các bảng Dimension
Ưu điểm: Bảng Fact, Dimension được mô tả rõ ràng, dễ hiểu Bảng Dim là bảng dữ liệutĩnh, và bảng Fact là dữ liệu động được nạp bằng các thao tác Khoá của Fact được tạobởi khoá của các bảng Dim Nghĩa là khoá chính của các bảng Dim chính là khoá củabảng Fact
Nhược điểm: Dữ liệu không được chuẩn hóa
Hình 1-2 Minh họa lược đồ ngôi sao.
1.5.2 Lược đồ hình bông tuyết
Là dạng mở rộng của lược đồ hình sao bằng các bổ sung các Dim Bảng Fact như lược đồ hình sao, bảng Dim được chuẩn hoá Các chiều được cấu trúc rõ ràng Bảng Dim được chia thành chiều chính hay chiều phụ
Ưu điểm: Số chiều được phân cấp thể hiện dạng chuẩn của bảng Dim
Nhược điểm: Cấu trúc phi dạng chuẩn của lược đồ hình sao phù hợp hơn cho việc duyệt các chiều
Trang 5Hình 1-3 Minh họa lược đồ bông tuyết.
1.5.3 Mô hình dữ liệu đa chiều
Là mô hình chứa dữ liệu xoay quanh các chủ để nhằm trả lời một các nhanh nhất cáccâu hỏi trong nghiệp vụ của người quản lý Có thể hình dung dữ liệu được tổ chức theomột khối, trong đó mỗi chiều là một chủ đề trong nghiệp vụ
Hình 1-4 Minh họa mô hình đa chiều.
1.6 Kiến trúc hệ thống data warehouse
Một nhà kho dữ liệu thường xây dựng theo kiến trúc như hình dưới
Trang 6Hình 1-5 Mô hình kiến trúc hê thống DW.
Mô tả:
1 Trích xuất/tải dữ liệu (EXTRACT) từ nguồn (dimensions/facts) >> xử lý và lưu trữ vào Staging
2 Chuyển đổi dữ liệu nguồn (TRANSFORM) vào định dạng thống nhất và
tải (LOAD) vào nhà kho dữ liệu
3 Từ nhà kho dữ liệu, dữ liệu được tính toán (AGGREGATION) theo các yêu cầu
(reports) để phục vụ cho các thao tác nghiệp vụ của tiến trình ra quyết định
4 Dữ liệu được chuyển (TRANSFER) sang các chợ dữ liệu (DATA MART) Từ đây các
ứng dụng kết nối vào để phục vụ các nhu cầu người dùng
1.6.1 Tầng ETL
Tầng ETL (Extract Transform Load) là tầng thấp nhất của DW Chúng được ẩn đi
với người dùng cuối, bao gồm 3 bước:
Extract (thuthập): là bước gom dữ liệu từ nhiều nguồn khác nhau Các nguồn
này có thể là từ database nghiệp vụ (SQL, Oracle, DB2, ), cũng có thể là từ cácfile ở nhiều định dạng khác nhau (CVS, excel,…), và cũng có thể là các dữ liệunội bộ doanh nghiệp hoặc từ bên ngoài Một hệ thống ETL tốt phải đảm bảotương thích với mọi nguồn dữ liệu thông dụng này
Transform (chuẩn hóa): là bước biến đổi dữ liệu từ định dạnh gốc của các
nguồn sang định dạng của DW bao gồm các bước nhỏ sau:
o Cleaning (dọn dẹp): xoá các bản ghi bị sai, lỗi và chuyển hóa dữ liệu
về định dạng chuẩn chung
Trang 7o Intergration (tập hợp): cắt gọn dữ liệu có chung ý nghĩa
từ nhiều nguồn khác nhau về một khung duy nhất
o Aggregation (tổng hợp): tổng hợp dữ liệu dựa vào độ chi
tiết của DW
Load (nạp): là bước ghi dữ liệu đã được chuẩn hóa vào DW Bước này
bao gồm cả quá trình cập nhật và thay đổi dữ liệu từ hệ thống nghiệp vụvào DW đảm bảo số liệu báo các luôn được cập nhật theo các mốc thờigian thực mà người dùng mong muốn
1.6.2 Tầng data warehouse
Tầng data warehouse ở vị trí trung tâm của một hệ thống data warehouse với nhiệm vụ lưu trữ dữ liệu bao quanh tất cả các hoạt động nghiệp vụ, các phòng ban của doanh nghiệp DW thường bảo gồm một hoặc nhiều data mart, với data mart chính là các DW thu nhỏ và tập trung vào một nghiệp vụ nhất định nào đó của doanh nghiệp
người dùng Báo cáo OLAP được sử dụng khi người dùng muốn cácthông tin cắt lớp, chuyên sâu hoặc toàn cảnh trước khi ra quyết định
Reporting tool (báo cáo tĩnh): là các báo cáo có cấu trúc, format, sử
dụng truy vấn được định nghĩa trước đó, dôi khi bao gồm cả biểu đồ Báocáo tĩnh được sử dụng khi người dùng muốn xem các thông tin đánh giá,điều hành
Data mining (khai phá dữ liệu): cho phép người dùng phân tích dữ liệu
Trang 8để tìm ra các thông tin quý giá còn bị ẩn dấu, ví dụ như các xu hướng, cácthói quen, …
1.7 Lợi ích data warehouse
Sự ra đời của kho dữ liệu nhằm đáp ứng khối lượng dữ liệu cần được xử lý ngày càng nhiều, nhu cầu lưu trữ dữ liệu phát triển khi các hệ thống máy tính trở nên phức tạp hơn
Cụ thể, kho dữ liệu sẽ đem lại các lợi ích sau đây cho các doanh nghiệp:
Tích hợp dữ liệu lại về một nguồn, cùng một định dạng, giải quyết tính phân mảnh
và rời rạc của dữ liệu nhằm đáp ứng mọi yêu cầu về thông tin của người sử dụng
Tiết kiệm thời gian và hiệu quả khi tìm thấy dữ liệu cần thiết
Giúp việc sử dụng dữ liệu của doanh nghiệp trở nên hiệu quả hơn bằng tính năng
Trang 9CHƯƠNG 2 GIỚI THIỆU VỀ POWER BI
2.1 Tổng quan về Power BI
2.1.1 Khái niệm
Power BI là một công cụ BI được phát triển bởi Microsoft để trình bày dữ liệu theo cách
có ý nghĩa, chẳng hạn như trang tổng quan, biểu đồ, hình ảnh trực quan hoặc báo cáo Sau đó, chúng được sử dụng để phân tích dữ liệu nhằm hiểu rõ hơn về nhu cầu của tổ chức
Power BI bao gồm các khả năng sau:
Khả năng thu thập dữ liệu từ các cơ sở dữ liệu lớn — ngay cả những cơ sở
dữ liệu có thể đọc 1 triệu hàng mỗi giờ cho mỗi người dùng
Trang tổng quan, hình ảnh trực quan có liên quan và báo cáo để trình bày dữ liệu theo cách có ý nghĩa để người dùng cuối phân tích
Khả năng dễ dàng kết nối các lỗi và lỗi để cung cấp phương pháp và cách tiếp cận đã sửa chữa cho người dùng cuối
Có rất nhiều ví dụ thực tế giải thích việc sử dụng Power BI để thúc đẩy tăng trưởng và chuyển đổi doanh nghiệp Đặc biệt, các trang tổng quan và báo cáo được tạo trong Power BI cung cấp phân tích có thể hành động để cải thiện quy trình ra quyết định và giảm chi phí
2.2 Các tính năng chính của Power BI
Power BI cung cấp một số tính năng Phần này đánh giá các dịch vụ này và thảo luận về cách chúng được sử dụng
2.2.1 Power BI dashboards
Bảng điều khiển Power BI cung cấp hình ảnh trực quan mạnh mẽ về bộ dữ liệu dưới dạng đồ thị và biểu đồ Chúng có thể được phân tích trong thời gian thực từ nguồn cấp dữ liệu trực tiếp, giúp chúng tương tác hơn với người dùng và cho phép
họ hiển thị thông tin chi tiết có liên quan một cách nhanh chóng
Bảng điều khiển Power BI bao gồm các liên kết hoặc ô xếp tới các báo cáo liên quan, giúp người dùng điều hướng từ báo cáo này sang báo cáo khác Loại gạch này có thể dễ dàng tùy chỉnh theo sở thích của người dùng Ngoài việc thêm hình ảnh vào các ô này, người dùng có thể sửa đổi cách chúng được bố trí trên trang tổng quan
Trang 102.2.2 Natural query processing
Người dùng Power BI có thể sử dụng hộp Câu hỏi và Trả lời đặc biệt trong bảng điều khiển để nhập truy vấn bằng tiếng Anh đơn giản Power BI sau đó sẽ lọc, sắp xếp và nhóm dữ liệu để trả về danh sách các hình ảnh trực quan phù hợp với truy vấn Ví dụ: giả sử một người dùng muốn phân tích dữ liệu bán hàng cho tổ chức của họ Trong trường hợp này, người dùng có thể nhập các truy vấn như "Có bao nhiêu khách hàng tiềm năng đã được chuyển đổi thành doanh số bán hàng?" và
"Có bao nhiêu khách hàng tiềm năng đã hết lạnh?" Power BI có thể nhanh chóng cung cấp các hình ảnh trực quan hữu ích để trả lời câu hỏi của người dùng.2.2.3 User-friendly report with data visualization
Bạn có thể sử dụng Power BI để tạo báo cáo chứa dữ liệu chi tiết ở dạng trực quan phù hợp, cùng với phân tích dễ hiểu về dữ liệu đó Hình ảnh hóa trong báo cáo Power BI giúp bạn dễ dàng hiểu được phân tích và đi đến kết luận hoặc quyết định
cụ thể Người dùng tạo các báo cáo này bằng cách ghim các thông số khác nhau vào trang tổng quan Power BI và áp dụng các bộ lọc khác nhau cho các thông số
đó để xem chi tiết để có thông tin chi tiết sâu hơn Báo cáo Power BI có thể bao gồm các hình ảnh như biểu đồ với thông tin địa lý, biểu đồ bong bóng (tập trung vào các mối quan hệ), biểu đồ so sánh (bao gồm biểu đồ thanh, biểu đồ đường, biểu đồ thác nước, v.v.), và nhiều biểu đồ khác Bạn cũng có thể cân nhắc thêm biểu đồ so sánh và các hình ảnh khác — ví dụ: để tạo bản đồ cây và biểu đồ hình tròn
2.2.4 Sharing with others
Tất cả dữ liệu, báo cáo và hình ảnh hóa được tạo bởi một người dùng cụ thể vẫn ở chế độ riêng tư trừ khi người dùng đó quyết định chia sẻ nó Chia sẻ trong Power
BI thật dễ dàng Ví dụ: để chia sẻ bảng điều khiển Power BI với những người dùngPower BI khác, chỉ cần chọn tùy chọn chia sẻ trong danh mục Hành động trên trang bảng điều khiển Hoặc, để chia sẻ báo cáo, hãy chọn tùy chọn Chia sẻ với Người khác Sau đó, nhập (các) địa chỉ email của (các) người nhận mong muốn và chỉ định họ sẽ được cấp quyền nào
Người dùng có thể chia sẻ báo cáo với văn bản được chú thích và đánh dấu để giúpngười dùng cuối trong quá trình ra quyết định Ngoài ra, bất kỳ thay đổi nào được thực hiện đối với báo cáo được chia sẻ đều được phản ánh đồng thời trên trang tổng quan của từng người được cấp quyền truy cập vào báo cáo Người dùng có quyền truy cập chỉ đọc có thể áp dụng các bộ lọc khác nhau cho các trường hợp khác nhau cho một báo cáo, nhưng họ không thể thay đổi báo cáo hoặc áp dụng định dạng khác cho báo cáo
Trang 112.2.5 Power BI Report Sever
Power BI Report Sever là tính năng BI tự phục vụ và báo cáo doanh nghiệp tại
chỗ cung cấp báo cáo chính xác giữa các cấp tổ chức Người dùng có thể trực tiếp xuất bản báo cáo Power BI trên Máy chủ báo cáo, do đó cho phép các thành viên khác của tổ chức xem, quản lý, chỉnh sửa hoặc cập nhật báo cáo
Power BI Report Sever cung cấp các công cụ chỉnh sửa cho phép người dùng tạo
báo cáo với giao diện hiện đại Máy chủ Báo cáo cũng tạo ra các giải pháp sẵn sàng cho đám mây tương thích với Dịch vụ Báo cáo Máy chủ SQL (SSRS
2.3 Các công cụ hỗ trợ Power BI
- Tableau: một nền tảng phân tích tự phục vụ cung cấp trực quan dữ liệu và có thể
tích hợp với nhiều nguồn dữ liệu bao gồm Microsoft Azure SQL Data Warehouse
và Excel
- Splunk: một “nền tảng phân tích có hướng dẫn” có khả năng cung cấp phân tích
dữ liệu và BI
- Alteryx: kết hợp các phân tích từ nhiều nguồn dữ liệu để đơn giản hóa quy trình
công việc như là cung cấp nhiều thông tin BI
- Qlik: dựa trên trực quan hóa dữ liệu, BI và phân tích, cung cấp một nền tảng BI có
thể mở rộng
- Domo: một nền tảng dựa trên đám mây cung cấp các công cụ BI phù hợp nhiều
ngành nghề (dịch vụ tài chính, chăm sóc sức khỏe, sản xuất và giáo dục) và nhiềuvai trò (bao gồm CEO, bán hàng, chuyên viên BI và IT)
- Dundas BI: thường được sử dụng để tạo ra các dashboards và scorecards nhưng
cũng có thể thực hiện những báo cáo tiêu chuẩn và đặc biệt
- Google Data Studio: một phiên bản mạnh mẽ hơn của Google Analytics.
- Einstein Analytics: những nỗ lực của Salesforce.com để cải thiện BI bằng AI.
- Birst: một dịch vụ đám mây có nhiều phiên bản của phần mềm BI chia sẻ một
phần mềm phụ trợ dữ liệu chung
2.4 Sử dụng DAX trong Power BI
Data Analysis Expressions (Biểu thức phân tích dữ liệu) là tập hợp các hàm, toán
tử và hằng số để xử lý các phép tính dữ liệu cơ bản nhằm phân tích dữ liệu tốt hơn
và giải quyết các vấn đề kinh doanh Với DAX, bạn có thể xây dựng hoặc áp dụng các chức năng sử dụng dữ liệu hiện có trong Power BI Ví dụ: giả sử bạn có tập dữ liệu trong báo cáo Power BI bao gồm thông tin về doanh số bán sản phẩm và bạn muốn thêm cột tính toán tăng trưởng doanh số bán hàng dưới dạng phần trăm Bạn
có thể dễ dàng đạt được điều này bằng cách sử dụng DAX
Trang 122.4.1 Cú pháp và ngữ cảnh của biếu thức DAX
Như bạn đã học, bạn có thể sử dụng biểu thức DAX để phân tích dữ liệu quan trọng để sửdụng trong báo cáo Power BI Các biểu thức này sử dụng một cú pháp và ngữ cảnh cụ thể
- Khả năng của DAX:
Khi sử dụng biểu thức DAX để thực hiện các phép tính phức tạp, hãy ghi nhớ những điểm sau:
Biểu thức DAX chấp nhận các bảng và cột làm tham chiếu Chúng không yêu cầu bạn nhập liên tục một hàm để tạo các biểu thức riêng biệt trên bảng
Hoạt động DAX áp dụng cho toàn bộ cột dữ liệu đã chọn
Có thể trả về một giá trị của toàn bộ bảng thay vì trả về một giá trị duy nhất
DAX hỗ trợ một số chức năng dựa trên thời gian, bao gồm các hàm để tính toán các biến ngày, giờ và năm từ dữ
liệu cột
Bạn có thể sử dụng biểu thức DAX để tạo các hàm mạnh mẽ để tính độ dài của tập dữ liệu
Bạn có thể áp dụng tối đa 64 hàm lồng nhau trong một biểu thức DAX
- Cú pháp của biểu thức DAX:
Như đã đề cập, các biểu thức DAX sử dụng một cú pháp cụ thể Ví dụ: hãy xem xét biểu thức DAX sau để tính tổng doanh số từ bảng dữ liệu bán hàng:
Tổng doanh số = SUM (Doanh số [Giá])
Biểu thức này chứa các phần tử sau:
Total Sales Đây là tên của thước đo hoặc cột được tính toán.
= Toán tử này đánh dấu sự bắt đầu của hàm.
SUM Đây là một hàm DAX cộng tất cả các số trong cột Bán hàng [Giá]
() Các dấu ngoặc chứa ít nhất một đối số
Trang 13 Sales Điều này đề cập đến tên của bảng được phân tích
Price Đây là cột trong bảng mà hàm SUM sẽ được áp dụng.
- Bối cảnh của biểu thức DAX:
Khi thực hiện phân tích động phức tạp, bạn phải xem xét ngữ cảnh Ngữ cảnh đề cập đến
dữ liệu có sẵn để thực hiện một phép tính Biểu thức DAX cho phép hai ngữ cảnh:
Row context Ngữ cảnh hàng áp dụng khi công thức DAX chứa hàm áp dụng bộ
lọc xác định một hàng trong bảng Nói cách khác, phép tính chỉ hoạt động trên mộthàng cụ thể Nói chung, nó không thể tham chiếu bất kỳ dữ liệu nào nằm ngoài hàng đó mà không sử dụng đúng các chức năng nhất định Ngữ cảnh hàng được tính vào thời gian xử lý chứ không phải thời gian chạy Loại ngữ cảnh này rất hữu ích khi tạo các cột được tính toán
Filter context Ngữ cảnh bộ lọc mô tả việc áp dụng một hoặc nhiều bộ lọc trong
phép tính để xác định một kết quả hoặc giá trị cụ thể Ngữ cảnh bộ lọc không thay thế ngữ cảnh hàng; đúng hơn, nó mở rộng nó Bạn sử dụng các hàm DAX sau để
Các hàm DAX tính toán dữ liệu trong một bảng Có một số loại hàm DAX:
- Date and time functions
- Time intelligence functions
- Filter functions
- Information functions