PowerBI

PowerBI

ข่าวและบทความที่เกี่ยวข้อง

All PowerBI

PostType Filter En

บทความ

สร้างสีสันให้ Dashboard ด้วย Dynamic Icons ใน Power BI: เทคนิคง่าย ๆ ที่ทำให้ข้อมูลของคุณมีชีวิต
คุณเคยรู้สึกว่าการนำเสนอข้อมูลของคุณยังขาดความน่าสนใจหรือไม่ ลองนึกภาพดูว่าถ้าคุณสามารถเพิ่มชีวิตชีวาให้กับตัวเลขและกราฟของคุณด้วยไอคอนที่เปลี่ยนแปลงอย่างมีชีวิตชีวาตามข้อมูลจริง จะเป็นอย่างไร วันนี้เราจะมาเรียนรู้วิธีสร้าง Dynamic Icons ใน Power BI – เทคนิคที่จะทำให้ Dashboard ของคุณโดดเด่น สื่อสารข้อมูลได้อย่างมีประสิทธิภาพ และสร้างความประทับใจให้กับผู้ชมของคุณ บทความนี้จะอธิบายถึงการสร้างไอคอนที่มีการเปลี่ยนแปลงไปตามข้อมูลหรือ Dynamic icons ที่ใช้งานในโปรแกรม Power BI ตัวอย่างดังรูปที่ 1 เมื่อค่าผลรวมกำไรมีค่ามากกว่า 0 จะแสดงสัญลักษณ์ลูกศรชี้ขึ้นสีเขียว  แต่หากค่าผลรวมกำไรมีค่าน้อยกว่า 0 จะแสดงสัญลักษณ์ลูกศรชี้ลงสีแดง           การนำเสนอดังกล่าวแสดงผลผ่าน Card (new) โดยทำการเพิ่มรูปภาพร่วมกับการแสดงผลของค่า ซึ่งการแสดงของไอคอนนั้นจะต้องสร้างสูตร (Measure) เพื่อระบุเงื่อนไขในการแสดงผล โครงสร้างสูตรเบื้องต้นมีส่วนประกอบดังรูปที่ 2 ภายใน “” จะต้องนำโค้ดของการแปลงไอคอนให้อยู่ในรูป image base64 เรียบร้อยแล้ว           ก่อนอื่น เราสามารถค้นหาไอคอนที่ต้องการนำมาใช้งานได้จาก Flaticon ที่มีไอคอนฟรีมากมายให้เลือกใช้ โดยเลือกตัวเลือกการดาวน์โหลดเป็นไฟล์ PNG ขนาด 32px           จากนั้นนำภาพที่ได้ไปอัปโหลดและแปลงเป็นไฟล์ภาพ Base64 ที่ https://www.base64-image.de/           ให้ทำการกดปุ่ม copy image เพื่อนำโค้ดที่ได้ไปวางในสูตรที่เตรียมไว้ จะได้ผลลัพธ์ดังรูปที่ 5 สุดท้ายให้เปลี่ยน Data category ของสูตรเป็น Image URL ดังรูปที่ 6           สร้าง Card (new) โดยเลือกข้อมูลที่ต้องการแสดงผลมาใส่ ที่ Format visual ในเมนู Image เลือก Image type: Image URL ดังรูปที่ 7 จากนั้นคลิกที่ปุ่ม Conditional formatting จะปรากฏหน้าต่างดังรูปที่ 8 เลือกสูตรที่สร้างไว้มาใส่ กดปุ่ม OK           จะได้ผลลัพธ์เป็นค่าพร้อมด้วยไอคอนที่ปรับเปลี่ยนตามสูตรที่ต้องการแล้ว นอกจากนี้การแสดงผลสามารถเลือกเฉพาะ Dynamic icons โดยปิดการแสดงผล Values           การแสดงผลสภาพอากาศมักถูกแสดงด้วยไอคอนที่เกี่ยวกับเมฆและฝน ดังแสดงในรูปที่ 8 จะเป็นการแสดงผลสภาพอากาศ 7 วันด้วยการใช้ Dynamic icons ในกรณีที่มีการวิเคราะห์สถานการณ์เสี่ยงน้ำแล้งและน้ำท่วมสามารถแสดงผลความรุนแรงของความเสี่ยงด้วยสี อาจจะใช้เพียงจุดสีธรรมดาในการแสดงผล Dynamic Icons เป็นเครื่องมือที่มีประโยชน์สำหรับการสร้าง Visuals ที่น่าสนใจและเข้าใจง่ายใน Power BI ช่วยให้นักวิเคราะห์สื่อสารข้อมูลเชิงลึกแบบเรียลไทม์ เรายังมีเทคนิคอีกมากมายที่จะช่วยยกระดับการนำเสนอข้อมูลของคุณใน Power BI ให้น่าสนใจยิ่งขึ้น อย่าลืมติดตามบทความอื่น ๆ ของเราเพื่อเรียนรู้เทคนิคและเคล็ดลับใหม่ ๆ ที่จะช่วยให้คุณกลายเป็นผู้เชี่ยวชาญด้านการวิเคราะห์และนำเสนอข้อมูล เราพร้อมที่จะแบ่งปันความรู้และไอเดียสร้างสรรค์ใหม่ ๆ อยู่เสมอ มาร่วมเป็นส่วนหนึ่งในการพัฒนาทักษะการใช้ Power BI ไปด้วยกันนะคะ บทความโดย ขวัญศิริ ศิริมังคลาตรวจทานและปรับปรุงโดย นววิทย์ พงศ์อนันต์ อ้างอิง
30 July 2024

บทความ

การใช้เครื่องมือนำเสนอข้อมูล Python Visual บน Power BI Desktop
Power BI เป็นซอฟต์แวร์ของบริษัท Microsoft สำหรับใช้เป็นเครื่องมือในการจัดการและวิเคราะห์ข้อมูล โดยสามารถนำเสนอข้อมูล (Data Visualization) ได้ในรูปแบบของ Dashboard ในบทความนี้เราจะนำเสนอการใช้ซอฟต์แวร์ที่ชื่อ Power BI Desktop ซึ่งเป็นซอฟต์แวร์ในกลุ่มผลิตภัณฑ์ของ Power BI เป็นตัวอย่างในการอธิบายโดยใช้เครื่องมือนำเสนอข้อมูล (Visual Tool) ชื่อว่า Python Visual ซึ่งเป็น Visual ที่เกิดจากการสร้างชุดคำสั่ง (Script) ด้วยภาษาคอมพิวเตอร์ชื่อ Python รวมถึงการอธิบายสิ่งที่ผู้ใช้ควรรู้ก่อนการนำเครื่องมือตัวนี้ไปใช้ ในบทความฉบับนี้จะไม่ได้กล่าวถึงความรู้พื้นฐานในการสร้างชุดคำสั่งด้วยภาษา Python และการใช้งานเบื้องต้นของ Power BI Desktop ซึ่งผู้อ่านสามารถเรียนรู้เกี่ยวกับพื้นฐานเหล่านี้เพิ่มเติมได้ด้วยตนเอง ทั้งจากเอกสารอ้างอิงของบทความนี้และบทความอื่น ๆ ที่เกี่ยวข้อง ก่อนที่เราจะไปอธิบายการใช้เครื่องมือตัวนี้ ผู้เขียนขออธิบายก่อนว่าการใช้ชุดคำสั่งภาษา Python ใน Power BI Desktop สามารถทำได้หลักๆ 2 วิธี คือ โดยการใช้ชุดคำสั่งภาษา Python ทั้ง 2 วิธีนี้ ผู้ใช้งานจำเป็นต้องติดตั้ง Python และชุดคำสั่งสำเร็จรูป (Library) ที่เกี่ยวข้องบนเครื่องคอมพิวเตอร์ของตนเองก่อนที่จะนำชุดคำสั่งภาษา Python ไปใช้งานใน Power BI Desktop ขั้นตอนการใช้งาน Python Visual สิ่งที่ควรรู้ก่อนการใช้งานเครื่องมือ Python Visual         ถึงในจุดนี้ผู้อ่านคงจะเห็นแล้วว่าเครื่องมือ Python Visual เป็นเครื่องมือในซอฟต์แวร์ Power BI Desktop ที่มีประสิทธิภาพสูงและสามารถใช้งานได้โดยง่ายๆด้วยการเขียนชุดคำสั่งด้วยภาษา Python อย่างไรก็ดีผู้เขียนอยากอธิบายให้ผู้อ่านเข้าใจว่าตัวเครื่องมือดี ๆ เช่นนี้ ก็ยังมีข้อจำกัดบางอย่างที่ควรรู้ก่อนการนำไปใช้งาน เพื่อประโยชน์สูงสุดของตัวผู้ใช้เอง ซึ่งข้อจำกัดทั้งหมด ผู้ใช้สามารถศึกษาเพิ่มเติมได้จากบทความชื่อ สร้างวิชวล Power BI ด้วย Python โดยในบทความนี้ผู้เขียนจะขอสรุปแค่ส่วนสำคัญจากข้อจำกัดทั้งหมดที่ผู้ใช้ควรรู้ก่อนการนำเครื่องมือตัวนี้ไปใช้ ดังต่อไปนี้ ที่กล่าวมาทั้งหมด เป็นเพียงตัวอย่างส่วนหนึ่งของการใช้งานเครื่องมือ Python Visual บนซอฟต์แวร์ Power BI Desktop ผู้ใช้ยังสามารถสร้างการแสดงผลด้วยชุดคำสั่งอื่นๆในภาษา Python ด้วยเครื่องมือนี้ อย่างไรก็ดีผู้เขียนคิดว่าข้อควรรู้ก่อนการใช้งานเครื่องมือนี้ถือเป็นสิ่งที่สำคัญที่สุด เพราะหากผู้ใช้ไม่ศึกษาข้อจำกัดเหล่านี้ให้เข้าใจก่อนการใช้งาน ผู้ใช้มีความเสี่ยงที่จะพบปัญหาระหว่างการทำงานด้วยเครื่องมือ Python Visual ในภายหลังและอาจไม่สามารถแก้ไขปัญหานั้นได้โดยง่าย ซึ่งผู้เขียนหวังว่าบทความนี้จะเป็นประโยชน์ต่อ Data Scientist และ ผู้ใช้งาน Power BI Desktop ไม่มากก็น้อย บทความโดย ปฏิภาณ แสงเดือนตรวจทานและปรับปรุงโดย ปริสุทธิ์ จิตต์ภักดี เอกสารอ้างอิง
24 April 2024

บทความ

คัมภีร์การทำแผนที่บน MS Power BI ฉบับประเทศไทย The Cartographic Bible for MS Power BI, Thailand Edition
การวิเคราะห์ข้อมูลภูมิศาสตร์และตำแหน่งที่ตั้งเป็นสิ่งที่สำคัญต่อการตัดสินใจในธุรกิจของหลายภาคส่วน การแสดงผลแผนที่แบบอินเตอร์แอคทีฟเป็นอีกหนึ่งวิธีที่ช่วยให้เราสามารถแสดงข้อมูลตำแหน่งในรูปแบบแผนที่ได้อย่างสะดวก และช่วยให้เราสามารถเข้าใจแนวโน้มของข้อมูลที่ซับซ้อนได้ง่ายขึ้น
19 May 2023

บทความ

Power BI ช่วยให้ธุรกิจขนาดเล็กดีขึ้นได้อย่างไร
ไม่มีใครสามารถปฏิเสธได้ถึงความสำคัญของข้อมูลในแวดวงธุรกิจ บริษัททุกขนาดและประเภทกำลังใช้ข้อมูลจำนวนมหาศาลอยู่เป็นประจำทุกวัน  พวกเขาต้องเก็บรวบรวมข้อมูลจากหลายแหล่ง นำมารวมกันและทำการวิเคราะห์โดยใช้แอปพลิเคชันเฉพาะทาง นั่นคือเหตุผลที่เครื่องมือ BI และการนำเสนอแผนภาพข้อมูลจึงกลายเป็นที่นิยมมาก เพราะมีข้อดีหลายอย่าง เช่น Software Solutions และสิ่งที่สังเกตได้ชัดคือแม้แต่หน่วยงานขนาดเล็กก็หันมาใช้เครื่องมือเหล่านี้ Power-BI เป็นหนึ่งในเครื่องมือ BI และ Data Visualization ที่ใช้กันอย่างกว้างขวางโดยธุรกิจต่าง ๆ ทั่วโลก ทำไมธุรกิจขนาดเล็กจึงควรใช้ Power BI? เจ้าของธุรกิจขนาดเล็กก็ไม่สามารถเพิกเฉยต่อการแข่งขันได้ในสถานการณ์ตลาดปัจจุบันได้ เพราะมีธุรกิจใหม่เกิดขึ้นเรื่อย ๆ ทั้งในระดับภูมิภาคและในเมืองใหญ่ ดังนั้นธุรกิจขนาดเล็กที่ให้บริการภูมิภาคหนึ่งจึงต้องหาข้อได้เปรียบเหนือคู่แข่งของพวกเขา นี่คือจุดที่ Power BI เข้ามามีบทบาทสำคัญ บริษัทเหล่านี้สามารถใช้ประโยชน์จากฟังก์ชันของ BI Solution เพื่อเข้าใจขั้นตอนการดำเนินการต่าง ๆ และนำมาประกอบการตัดสินใจในการวางกลยุทธ์ทางธุรกิจ ซึ่งสิ่งเหล่านี้มีความสำคัญต่อธุรกิจและการเติบโตของรายได้ในระยะยาวเป็นอย่างยิ่ง ดังนั้นการใช้ Power BI จึงเป็นประโยชน์ต่อการดำเนินธุรกิจขนาดเล็กดังนี้: กิจการขนาดเล็กประเภทไหนที่ได้ประโยชน์จากการใช้ Power BI? หลายคนอาจเข้าใจว่า BI และ Data Visualization มักจะใช้โดยบริษัทข้ามชาติและบริษัทเทคโนโลยีขนาดใหญ่หลายเจ้า แต่ว่าความเป็นจริงแล้ว Power BI ก็ถูกใช้งานโดยบริษัทขนาดเล็กหลายแห่งที่มีการเติบโตมากและมีแผนที่จะขยายบริษัทเช่นกัน เพราะแพลตฟอร์มดังกล่าวมีประโยชน์หลายอย่างและกลุ่มธุรกิจสตาร์ทอัพและเจ้าของกิจการก็สามารถใช้ประโยชน์จากแพลตฟอร์มได้ ไม่สำคัญว่ากิจการขนาดเล็กของคุณอยู่ในอุตสาหกรรมไหน Power BI เป็นประโยชน์ต่อทุกหน่วยงานในทุกภาคส่วน รวมถึงไอที ร้านค้า บริการด้านการเงิน บริการด้านสุขภาพ โรงพยาบาล และอีกมากมาย ข้อได้เปรียบสำคัญของการใช้ Power BI สำหรับกิจการขนาดเล็ก และรายการด้านล่างนี้คือข้อได้เปรียบของการใช้ Power BI สำหรับธุรกิจขนาดเล็ก: คุณควรจ้างนักวิเคราะห์หรือผู้ให้คำปรึกษาเรื่อง Power BI สำหรับธุรกิจขนาดเล็กของคุณไหม? โดยปกติแล้ว ธุรกิจขนาดเล็กที่ใช้ Power BI เวอร์ชันเดสก์ท็อปแบบฟรีไม่จำเป็นต้องจ้างนักวิเคราะห์หรือหน่วยงาน BI แต่อย่างไรก็ตามไม่มีอะไรมีกฎตายตัว  ทั้งนี้ขึ้นอยู่กับงบประมาณ แผนการเติบโตธุรกิจ และสถานการณ์ของธุรกิจ การใช้บริการจากผู้เชี่ยวชาญทางด้าน Power BI อาจมีประสิทธิภาพมากกว่า แต่ทว่าคุณควรรอบคอบในการจ้างนักวิเคราะห์และบริการจากผู้เชี่ยวชาญ ควรเปรียบเทียบบริการของแต่ละเจ้าก่อนเพื่อประโยชน์สูงสุดของบริษัท บทความโดย ImensoSoftwareเนื้อหาจากบทความของ Data Science Centralแปลและเรียบเรียงโดย ไอสวรรค์ ไชยชะนะตรวจทานและปรับปรุงโดย อิสระพงศ์ เอกสินชล
14 November 2022

บทความ

5 ข้อดีที่นักวิทยาศาสตร์ข้อมูลได้รับจากการใช้ Microsoft Power BI
ปฏิเสธไม่ได้เลยว่า ในยุคนี้อินเทอร์เน็ต และไอทีมีความสำคัญมากในวงการธุรกิจ แม้กระทั่งธุรกิจที่ให้บริการยานพาหนะก็ยังคงต้องใช้เว็บไซต์ ,แอปพลิเคชัน ซอฟต์แวร์ต่าง ๆ อย่างหลีกเลี่ยงไม่ได้ ยิ่งไปกว่านั้น เทคโนโลยีในทุกวันนี้ก็พัฒนาไปอย่างต่อเนื่องไม่หยุดยั้ง อีกทั้งหลายธุรกิจก็กําลังเผชิญกับปัญหาในการบริหารจัดการ กับข้อมูลจำนวนมาก ธุรกิจหล่านี้จึงต้องการตัวช่วย หรือแอปพลิเคชันพิเศษ เพื่อจัดการแก้ไขปัญหานี้ และนี่คือเหตุผลที่ BI และ Data Visualization เป็นที่ต้องการเป็นอย่างมาก ธุรกิจหลายพันแห่งจึงเลือกใช้แอปพลิเคชัน BI อย่าง Microsoft Power BI เพื่อตอบความต้องการในเรื่องนี้ แล้ว BI Solutions คืออะไรล่ะ BI Solutions ย่อมาจาก Business Intelligence Solutions ซึ่งเป็นซอฟต์แวร์ที่ช่วยให้ผู้ใช้งานสามารถนำข้อมูลมาจัดทำรายงานได้สะดวกและมีประสิทธิภาพมากยิ่งขึ้น เพราะซอฟต์แวร์นี้มีฟังก์ชันที่จะช่วยให้ผู้ใช้งานสามารถสร้างรายงานที่ตอบโจทย์ความต้องการของแต่ละบุคคลหรือแผนกได้ เพราะอะไร หลายธุรกิจจึงเลือกใช้ BI Solutions ธุรกิจจากอุตสาหกรรมต่าง ๆ กําลังใช้เครื่องมือพิเศษอย่าง Power BI ด้วยเหตุผลหลายประการดังนี้ เมื่อบริษัทของคุณใช้เครื่องมือ BI ที่มีประสิทธิภาพเช่น Microsoft Power BI การที่จะเดินไปถึงเป้าหมายนั้นไม่ใช่เรื่องยาก อย่างไรก็ตามในการดึงประสิทธิภาพการทำงานออกมาให้ดีที่สุดนั้นจะต้องใช้ผู้ที่มีความเชี่ยวชาญที่มีประสบการณ์ในการใช้ Microsoft Power BI มาจัดการด้วย ทําไม Power BI จึงเป็นทางเลือกที่ดีในการเลือก BI Solutions มีบริษัทในตลาดมากมายที่ให้บริการ BI Solutions แต่ Power BI ก็ยังคงเป็นตัวเลือกที่ธุรกิจจํานวนมากทั่วโลกชื่นชอบ และด้านล่างนี้คือเหตุผลที่ทำให้ Power BI เป็นผู้นำในหมู่บริษัทที่ให้บริการ BI Solutions จริง ๆ แล้วยังคงมีอีกหลายเหตุผลที่ Power BI เป็นเครื่องมือที่เป็นที่ต้องการมากที่สุดสำหรับ BI และ Data Visualization เพราะ Power BI มีฟังก์ชันการใช้งานที่เรียบง่าย มีการอัปเดตอยู่เรื่อย ๆ รวมถึงช่วยในเรื่องของจัดการทรัพยากรในองค์กรอีกด้วย ซึ่งก็เป็นอีกส่วนนึงที่คนชื่นชอบ การจ้างที่ปรึกษา Power BI เพื่อสร้างประโยชน์ แน่นอนว่าPower BI เป็น Solutions BI ที่ใช้งานง่าย และในหลายองค์กรก็สามารถใช้งานได้โดยไม่ต้องมีการฝึกอบรมการใช้งานจากผู้เชี่ยวชาญก่อน แต่อย่างไรก็ตามในบางกรณีก็ต้องการคำแนะนำจากผู้มีประสบการณ์ เช่น กรณีที่ต้องใช้ฟังก์ชันขั้นสูง เป็นต้น โดยนักวิเคราะห์เหล่านี้จะสามารถช่วยให้การใช้ภาษา R และฟังก์ชันขั้นสูงอื่น ๆ ใน Power BI ทำให้ได้ผลลัพธ์ที่ดีขึ้น บทความโดย ImensoSoftwareเนื้อหาจากบทความของ TechTargetแปลและเรียบเรียงโดย วิน เวธิตตรวจทานและปรับปรุงโดย เมธิยาภาวิ์ ศรีมนตรินนท์
12 November 2022

บทความ

พื้นฐานการใช้งาน Data Analysis Expressions (DAX)
ในการสร้าง Data Visualization จะต้องมีการจัดการข้อมูลเพื่อให้อยู่ในรูปแบบที่เหมาะสมสำหรับในไปใช้ในการสร้าง Dashboard สำหรับใน Power BI เรามีเครื่องมือที่ใช้ในการจัดการข้อมูลที่เรียกว่า DAX สำหรับบทความนี้ เราจะสำรวจว่า DAX คืออะไร และจัดเตรียมข้อมูลในขั้นลึกขึ้นโดยใช้เครื่องมือตัวนี้กัน DAX คืออะไร Data Analysis Expressions หรือที่เรียกกันโดยทั่วไปว่า DAX คือชุดฟังก์ชันเพื่อทำงานกับข้อมูลในผลิตภัณฑ์ของไมโครซอฟต์ เช่น Power Pivot, Power BI และ SQL Analysis Server ชุดฟังก์ชันของ DAX จะคล้ายกับชุดฟังก์ชันที่ใช้งานบนโปรแกรม Excel โดยชุดฟังก์ชันที่ใช้งานบน Excel จะทำงานกับข้อมูลในลักษณะที่เป็น แผ่นงาน (Worksheet), ตาราง (Table) และเซล (Cell) ในขณะที่ชุดฟังก์ชันของ DAX จะทำงานกับข้อมูลในลักษณะที่เป็น ตาราง (Table), คิวรี่ (Query), คอลัมน์ข้อมูล (Column) และแถวข้อมูล (Row) จึงทำให้การออกแบบฟังก์ชันและอากิวเมนต์ของชุดฟังก์ชันของ DAX และชุดฟังก์ชันที่ใช้งานบน Excel แตกต่างกัน ในบทความนี้เราจะพูดถึงสิ่งที่ควรทราบในการใช้งานชุดฟังก์ชันของ DAX และพื้นฐานในการใช้งานชุดฟังก์ชันของ DAX โดยอ้างอิงการใช้งานในโปรแกรม Power BI ชนิดของข้อมูลใน DAX ข้อมูลที่เป็นตัวเลข ข้อมูลที่ไม่ใช่ตัวเลข เลขทศนิยม (Decimal Number)เลขทศนิยมคงที่ (Fixed Decimal Number)จำนวนเต็ม (Whole Number)เปอร์เซ็นต์ (Percent)วันที่/เวลา (Date/Time)วันที่ (Date)เวลา (Time)วันที่/เวลา/โซนเวลา (Date/Time/Timezone)ระยะเวลา (Duration)จริง/เท็จ (True/False หรือ Boolean) ข้อความ (Text หรือ String)ไบนารี่ (Binary หรือ Blob) การอ้างอิงถึงตารางข้อมูล การอ้างอิงถึงตารางข้อมูลใน DAX จะใช้เครื่องหมาย Single Quotation Marks ‘…’ ครอบชื่อตารางข้อมูล เช่น ตารางข้อมูล FacotoryData จะถูกเขียนอ้างอิงด้วย ‘FactoryData’ (ถ้าชื่อตารางไม่มีช่องว่าง สามารถยกเว้นการใส่เครื่องหมาย Single Quotation Marks ได้) การอ้างอิงถึงคอลัมน์ข้อมูลในตาราง การอ้างอิงถึงคอลัมน์ข้อมูลในตาราง จะใช้เครื่องหมาย Square Brackets […] ครอบชื่อคอลัมน์ข้อมูล เช่น คอลัมน์ชื่อ Country จะถูกเขียนอ้างอิงด้วย [Country] เช่น คอลัมน์ชื่อ Country ในตาราง Province จะถูกเขียนอ้างอิงด้วย ‘Province'[Country] คอลัมน์คำนวณ (Calculated Column) คอลัมน์คำนวณ เป็นการสร้างคอลัมน์ใหม่เพิ่มเติมเข้าไปในตารางข้อมูลใน Data Model ของ Power BI (ไม่ได้เพิ่มคอลัมน์ใหม่ในไฟล์ข้อมูลต้นทาง) การประมวลผลค่าข้อมูลใน Calculated Column จะเกิดขึ้นเมื่อมีการประมวลผลข้อมูลจาก Data Model แล้วนำผลที่ได้จากการประมวลผลจัดเก็บลงในคอลัมน์ใหม่ที่สร้างขึ้น ค่าที่ได้จะปรากฏในตารางข้อมูล คอลัมน์คำนวณจะทำงานกับแถวข้อมูลปัจจุบัน (Current Row) การคำนวณจะอยู่บนพื้นฐานของข้อมูลแถวนั้น ๆ และนำค่าที่ได้มาใส่ไว้ในคอลัมน์ใหม่ที่สร้างขึ้นบนแถวข้อมูลเดียวกัน เช่น ในรูปที่ 1 ตารางข้อมูล Order ทำการสร้างคอลัมน์ใหม่เพื่อเก็บข้อมูลยอดขาย ตั้งชื่อคอลัมน์ว่า Sales โดยคอลัมน์นี้เกิดจากการคำนวณของคอลัมน์จำนวน (Amount) และคอลัมน์ราคาต่อหน่วย (UnitPrice) บนแถวข้อมูลปัจจุบัน สามารถสร้างคอลัมน์คำนวณโดยเขียนคำสั่งดังรูป สูตรคำนวณ (Measure) สูตรคำนวณ เป็นการสร้างสูตรสำหรับการคำนวณข้อมูล โดยสูตรจะอยู่ในรูปของนิพจน์ Expression ในตารางข้อมูล ส่วนใหญ่มักใช้งานร่วมกับฟังก์ชันผลรวม (Aggregate) ต่าง ๆ เช่น การหาค่าผลรวม, การหาค่าเฉลี่ย, การหาค่าต่ำสุดหรือสูงสุด ฟังก์ชันหรือสูตรจะถูกประมวลผลเมื่อมีการเรียกดูข้อมูลหรือแสดงผล ดังนั้นผลของการคำนวณ Measure จะไม่ปรากฏในตารางข้อมูล แต่จะเป็นการบันทึกสูตรเก็บไว้สำหรับการเรียกคำนวณเมื่อมีการต้องการแสดงผล เช่น ในรูปที่ 2 ตารางข้อมูล Order ต้องการคำนวณค่าผลรวมของยอดขาย ตั้งชื่อ Measure ว่า SumSales สามารถสร้างสูตรคำนวณโดยเขียนคำสั่งดังรูป ตารางคำนวณ (Calculated Table) ตารางคำนวณ คือตารางข้อมูลที่เกิดขึ้นจากการใช้ฟังก์ชันตารางใน DAX เช่น FILTER, VALUES, ALL โดยเมื่อสั่งให้ฟังก์ชันทำงานแล้ว ฟังก์ชันจะส่งค่ากลับมาเป็นตารางข้อมูล ไม่ใช่ค่าข้อมูลเพียงค่าเดียว และเมื่อได้ตารางข้อมูลแล้วอาจจะมีการนำตารางเข้าไปทำงานต่อในสูตรคำนวณหรือคอลัมน์คำนวณทันที หรืออาจจะเก็บไว้เป็นตารางในระบบเพื่อไว้ใช้งานต่อ เช่น จากตารางข้อมูล Order ทำการสร้างตารางใหม่ ตั้งชื่อว่า ItemSales โดยทำการกรองข้อมูลจากตาราง Order เลือกค่าของข้อมูลที่คอลัมน์ Amount มีค่ามากกว่า 10 ชุดฟังก์ชันใน DAX ชุดฟังก์ชันใน DAX สามารถแบ่งเป็นหมวดหมู่ได้ประมาณ 11 หมวดหมู่ แยกตามลักษณะการใช้งานได้ดังต่อไปนี้ ตัวอย่างการใช้งาน ต่อไปเราจะมาทดลองการใช้งานฟังก์ชัน DAX ในหมวดวันที่และเวลา (Date and Time Functions) โดยใช้งานฟังก์ชันผ่านรูปแบบของคอลัมน์คำนวณ และสูตรคำนวณ โดยทดลองการใช้งานในโปรแกรม Power BI Desktop เริ่มจาก เลือกมุมมองเป็น Data View คลิกเลือกคอลัมน์ FullDate แล้วไปที่เมนู Column tools > Format สามารถเลือกเปลี่ยนมุมมองการแสดงผลข้อมูลวันที่ได้ (เป็นการเปลี่ยนเฉพาะมุมมองในการแสดงผล ไม่ได้เปลี่ยนในไฟล์ข้อมูล) ในที่นี้ทดลองเปลี่ยนรูปแบบการแสดงผลเป็น วัน/เดือน/ปี (dd/mm/yyyy) ฟังกชัน DAY ใช้แสดงข้อมูลหมายเลขวันที่ (สังเกตผลลัพธ์ในคอลัมน์ที่ถูกสร้างขึ้น) สรุปตัวอย่างการใช้งานฟังก์ชันวันที่และเวลา โดยคำนวณในรูปแบบ Calculated Column จะสังเกตเห็นว่า ผลของการสร้างสูตรคำนวณ (Measure) จะไม่ปรากฏในตารางข้อมูล แต่จะเป็นการบันทึกสูตรเก็บไว้สำหรับการเรียกคำนวณเมื่อมีการต้องการแสดงผล ดังนั้นเราจึงต้องนำ Measure ที่สร้างขึ้นไปทำการแสดงผล จึงจะเห็นผลลัพธ์จากการคำนวณดังกล่าว โดยเลือกมุมมองเป็น Design View ไปที่แถบ Visualizations > คลิกเลือก Visual ที่ชื่อว่า Card จากนั้นคลิกเลือก หรือ...
10 January 2022

บทความ

การออกแบบ Data Visualization ให้คนตาบอดสีสามารถเข้าใจได้ด้วย
รู้หรือไม่ว่า ประมาณ 8% ของประชากรชาย และ 0.5% ประชากรหญิงทั่วโลกนั้นมีอาการตาบอดสี แล้วเราจะมีวิธีการอย่างไรให้ Data Visualization ของเราสามารถเข้าใจได้โดยคนกลุ่มนี้? เรามาดูกันครับ
1 July 2021

บทความ

การเตรียมข้อมูลเบื้องต้นด้วย Power BI (Basic Data Preparation with Power BI)
Microsoft Power BI เป็นซอฟต์แวร์ตัวหนึ่งในกลุ่มของเครื่องมือสำหรับการสร้าง Data Visualization ซึ่งกำลังได้รับความนิยมเพิ่มมากขึ้นในปัจจุบัน ซึ่งนอกจากจะมีความสามารถในการสร้าง Data Visualization แล้ว ยังมีความสามารถในการบริหารจัดการข้อมูล รวมไปถึงการเตรียมข้อมูลให้เหมาะสมสำหรับการนำไปสร้าง Data Visualization กลุ่มผลิตภัณฑ์ของ Power BI แบ่งหลัก ๆ ออกเป็น Power BI Desktop แอปพลิเคชันสำหรับเครื่องเดสก์ท็อป Windows, Power BI Service ให้บริการ SaaS (Software as a Service) แบบออนไลน์ที่, Power BI Mobile แอปพลิเคชันสำหรับอุปกรณ์เคลื่อนที่ และ Power BI Report Server องค์ประกอบของโปรแกรม สำหรับในส่วนของโปรแกรม Power BI Desktop มีการแบ่งส่วนการทำงานออกเป็น 2 ส่วนด้วยกันคือ (1) Power BI Desktop เป็นส่วนที่ใช้ในการสร้าง Visualization และ (2) Power Query เป็นส่วนที่ใช้สำหรับการบริหารจัดการเกี่ยวกับข้อมูล เช่น กระบวนการทำความสะอาดข้อมูล (Data cleansing หรือ Data scrubbing) หรือกระบวนการแปลงข้อมูล (Data Transformation) ในบทความนี้เราจะมาลองสำรวจรูปแบบการบริหารจัดการข้อมูลรูปแบบต่าง ๆ ที่พบกันได้บ่อยในการทำงานกับข้อมูล พร้อมทั้งคำสั่งที่เกี่ยวข้องไปด้วยกัน การเตรียมข้อมูลเบื้องต้นด้วย Power BI 1. การลบแถวข้อมูล (คำสั่ง Remove Rows) ที่ Ribbon Home > Remove Rows > Remove Top Rows > Number of rows: 2 (ระบุจำนวนแถวข้อมูลที่ต้องการลบ) 2. การตั้งแถวแรกให้เป็นชื่อคอลัมน์ ในการนำเข้าข้อมูลที่เป็นไฟล์ Excel แล้วพบว่าแถวข้อมูลที่ควรจะเป็นหัวตารางหรือชื่อคอลัมน์ กลับกลายเป็นส่วนหนึ่งของชุดข้อมูล กรณีเช่นนี้สามารถแก้ไขได้โดยใช้คำสั่ง Use First Row as Headers : ที่ Ribbon Home > User First Row as Headers 3. การลบคอลัมน์ (คำสั่ง Remove Columns) คลิกเลือกคอลัมน์ที่ต้องการลบ แล้วไปที่ Ribbon Home > Remove Columns 4. การปรับเปลี่ยนชนิดหรือรูปแบบของข้อมูล (คำสั่ง Data Type Setting) * ส่วนนี้จะทำงานที่ Power BI Desktop 5. การแยกคอลัมน์ (คำสั่ง Split Column) ในการจัดเก็บข้อมูลอาจจะพบลักษณะการจัดเก็บหลาย ๆ ข้อมูลในคอลัมน์เดียวกัน ตัวอย่างเช่น (ดูรูปประกอบ) มีการเก็บข้อมูลชื่อหนัง (ปีที่เริ่มฉาย) อยู่ภายในคอลัมน์เดียวกัน หากเราต้องการแยกข้อมูลสองเรื่องนี้ออกจากกัน สามารถใช้คำสั่งในการแยกคอลัมน์ได้ แต่จะต้องมีเงื่อนไขที่สามารถแยกคอลัมน์นั้น ๆ เช่น มีสัญลักษณ์พิเศษ หรือแยกตามตำแหน่งที่ระบุ 6. การรวบคอลัมน์ด้วยคำสั่ง Unpivot ในการเก็บข้อมูล โดยเฉพาะอย่างยิ่งรูปแบบของไฟล์ Excel ที่นอกจากจะเป็นการเก็บข้อมูลแล้ว ยังเป็นการแสดงข้อมูลในรูปแบบของรายงานด้วย ตัวอย่างเช่น (ดูรูปประกอบ) แสดงข้อมูลยอดขายรายเดือนในรายคอลัมน์ และแสดงข้อมูลรายปีในรายแถวข้อมูล หากต้องการนำข้อมูลลักษณะดังกล่าวมาสร้างเป็นกราฟ เพื่อให้สามารถเปรียบเทียบยอดขายรายเดือนได้ จะต้องทำการรวมคอลัมน์เดือนดังกล่าวให้เป็นคอลัมน์เดียวกัน ลักษณะนี้สามารถทำได้ด้วยการใช้คำสั่ง Unpivot Columns 7. การรวมข้อมูลในลักษณะของการรวมแถวข้อมูล (คำสั่ง Append Queries) หลาย ๆ ครั้งในการเก็บข้อมูลในรูปแบบของไฟล์ Excel จะมีการเก็บข้อมูลที่มีรูปแบบเดียวกัน แต่แยกเป็นหลาย ๆ Sheet เพื่อความสะดวกในการทำรายงานสรุป แต่เมื่อต้องการนำข้อมูลทั้งหมดมารวมกันเพื่อวิเคราะห์เปรียบเทียบ จะต้องทำการรวมข้อมูลจากหลาย ๆ Sheet หรือแม้กระทั่งหลาย ๆ ไฟล์ ลักษณะนี้สามารถทำได้ด้วยการใช้คำสั่ง Append Queries แต่มีข้อสังเกตคือการจะรวมแถวข้อมูลได้นั้น ข้อมูลในแต่ละ Sheet หรือแต่ละไฟล์ จะต้องมีรูปแบบโครงสร้างแบบเดียวกัน เช่น มีจำนวนคอลัมน์, ชื่อคอลัมน์, ลำดับของคอลัมน์ ที่เหมือนกัน 8. การรวมข้อมูลในลักษณะของการอ้างอิงคอลัมน์ (คำสั่ง Merge Queries) จะเป็นการรวมข้อมูลจาก 2 ตาราง/Sheet/ไฟล์ โดยมีคอลัมน์อ้างอิงข้อมูลซึ่งกันและกัน เช่น ข้อมูลรายละเอียดการขายสินค้า กับข้อมูลสินค้า จะมีคอลัมน์อ้างอิงกันคือคอลัมน์รหัสสินค้า การรวมข้อมูลลักษณะนี้สามารถทำได้ด้วยการใช้คำสั่ง Merge Queries จากที่ได้กล่าวมา เป็นเพียงตัวอย่างการใช้งาน Power BI ในการเตรียมข้อมูลเบื้องต้นเท่านั้น ทั้งนี้ตัวโปรแกรมเองยังมีความสามารถในการเตรียมข้อมูลในลักษณะอื่นๆ อีก ซึ่งความสามารถในส่วนนี้มีความสำคัญและช่วยให้การสร้าง Visualization สะดวกมากขึ้น
24 April 2021

บทความ

การสร้าง Shape Map ใน Power BI จาก COVID-19 data ที่ดึงมาจาก data.go.th
สถานการณ์โรคระบาด COVID-19 ในขณะนี้ยังคงต้องเฝ้าระวังกันอย่างต่อเนื่อง เมื่อทางศูนย์กลางการให้บริการข้อมูลเปิดภาครัฐ (Open Government Data) ภายใต้ชื่อ data.go.th ได้เปิดชุดข้อมูลรายงาน COVID-19 ประจำวัน ซึ่งเป็นรายงานผู้ป่วยยืนยันประจำวันจากกรมควบคุมโรค เราจะลองเอาข้อมูลชุดนี้มาสร้างเป็นแผนที่เพื่อแสดงจำนวนผู้ป่วยติดเชื้อในแต่ละจังหวัด โดยใช้เครื่องมือที่ชื่อว่า Shape Map ในโปรแกรม Power BI ก่อนอื่นเราต้องเตรียมอุปกรณ์หลัก 3 อย่างสำหรับการสร้าง Shape Map แบบที่เราต้องการ คือ 1. ข้อมูลผู้ป่วยติดเชื้อ COVID-19 จากศูนย์กลางการให้บริการข้อมูลเปิดภาครัฐ (Open Government Data) (https://www.data.go.th/dataset/covid-19-daily) ซึ่งให้ข้อมูลทั้งในรูปแบบของ Excel File และ API ในกรณีนี้เราจะดึงข้อมูลผ่าน API เพื่อให้การอัพเดตข้อมูลสะดวกขึ้น เริ่มจากทำการสมัครเพื่อเป็นผู้ใช้งาน API ก่อนที่ https://opend.data.go.th/register_api/ หลังจากสมัครเรียบร้อยเราจะได้ User Token สำหรับเรียกใช้งาน API แล้วไปดูคู่มือการใช้งาน Data.go.th API (https://data.go.th/pages/data-go-th-api) เพื่อดูว่าต้องใช้ Header อะไรบ้างในการเชื่อมต่อ 2. พิกัดแผนที่สำหรับวาด Shape Map เนื่องจาก Shape Map ใน Power BI ไม่มีพิกัดแผนที่ประเทศไทย แต่สามารถเพิ่มข้อมูลในส่วนนี้ได้ โดยเริ่มจากไปดาวน์โหลด Shapefiles จาก https://github.com/apisit/thailand.json/tree/master/TH_shape แล้วนำไฟล์ที่ดาวน์โหลดมาทั้งหมดไปแปลงเป็น TopoJSON เนื่องจาก Power BI รองรับเฉพาะไฟล์ TopoJSON ผ่านโปรแกรม Map Shaper (https://mapshaper.org/) 3. ข้อมูลรายชื่อจังหวัดภาษาอังกฤษ เนื่องจากข้อมูลผู้ป่วยที่ได้จาก data.go.th ไม่มีข้อมูลจังหวัดที่เป็นภาษาอังกฤษ ซึ่งจำเป็นต้องใช้ร่วมกับ Shapefiles TopoJSON แต่สามารถเพิ่มข้อมูลในส่วนนี้ได้ โดยเริ่มจากไปดาวน์โหลดไฟล์ ThepExcel-Thailand-Tambon.xlsx จาก https://github.com/ThepExcel/download/blob/master/ThepExcel-Thailand-Tambon.xlsx แล้วทำการ Clean Data ให้เหลือเฉพาะข้อมูลที่ต้องการ ดังนี้ * ต้องตรวจสอบการสะกดชื่อจังหวัดภาษาอังกฤษ ให้ตรงกับ Shapefiles TopoJSON เมื่ออุปกรณ์พร้อมแล้วก็ลงมือสร้าง Shape Map กันได้เลย 1. เปิดโปรแกรม Power BI Desktop ขึ้นมาแล้วไปที่เมนู Home > Get Data > Web จะปรากฎหน้าต่างให้ใส่ค่า URL parts ค่านี้ดูได้จาก data.go.th (https://www.data.go.th/dataset/covid-19-daily) เมื่อกดปุ่ม Data API จะปรากฏหน้าต่างให้เลือกวิธีการเรียกข้อมูล ให้เลือกเป็นวิธีการเรียกข้อมูล โดยการใช้คำสั่ง SQL แบบไม่มีเงื่อนไข (ไม่มี WHERE clause) https://opend.data.go.th/get-ckan/datastore_search_sql?sql=SELECT * from "93f74e67-6f76-4b25-8f5d-b485083100b6" คัดลอกคำสั่งมาใส่ในหน้าต่าง From Web ในส่วนของ URL parts และในส่วนของ HTTP request header parameters ให้ใส่ Header เป็น api-key ตามด้วยค่า User Token ที่ได้จากการสมัครเพื่อเป็นผู้ใช้งาน API เมื่อเชื่อมต่อข้อมูลสำเร็จจะปรากฎหน้าต่างของ Power Query Editor (1) คลิกเลือก Record หลังคอลัมน์ result (2) คลิกเลือก List หลังคอลัมน์ records (หากต้องการโครงสร้างข้อมูล คลิกเลือก List หลังคอลัมน์ fields) (3) คลิกเมนู Convert to Table (4) คลิกปุ่ม Expand คอลัมน์ (5) จะปรากฏชุดข้อมูล (Dataset) ที่ดึงมาจาก API (6) จัดการ Clean Data ข้อมูลจังหวัด เสร็จแล้วคลิกเมนู Close & Apply เพื่อโหลดข้อมูลเข้าสู่ Power BI 2. โหลดข้อมูลรายชื่อจังหวัดภาษาอังกฤษเข้ามาเพิ่ม โดยไปที่เมนู เมนู Home > Get Data > Excel เลือก Sheet ที่ต้องการแล้วกดโหลด 3. สร้างความสัมพันธ์ของข้อมูล คลิกเลือกมุมมอง Model > Manage Relationships > New แล้วเลือกชื่อจังหวัดภาษาไทยเป็นฟิลด์ที่แสดงความสัมพันธ์ของข้อมูล จะได้ความสัมพันธ์ของข้อมูลเป็นดังรูป 4. คลิกเลือกมุมมอง Report > คลิกเลือก Shape Map จาก Visualizations Pane > ลากฟิลด์ ProvinceEng มาใส่ในช่อง Location > ไปที่ Format Setting > ในช่อง Shape เลือก Add map แล้วคลิกเลือก Shapefiles TopoJSON ที่เตรียมไว้ (ถ้าการสะกดชื่อจังหวัดภาษาอังกฤษ ไม่ตรงกับ Shapefiles TopoJSON จะปรากฎแถบสีไม่ครบทุกจังหวัด) คลิกขวาที่ตาราง COVID-19 แล้วเลือก New measure เพื่อสร้างฟิลด์คำนวณจำนวนผู้ติดเชื้อ ใส่สูตรเป็น CountData = COUNTROWS('COVID-19') 5. ลาก measure ที่สร้างขึ้นมาใส่ในช่อง Color saturation > ไปที่ Format Setting > ในช่อง Data colors เลือกปรับแต่งเฉดสีตามที่ต้องการ 6. ปรับแต่งการแสดงผลตามต้องการ ก็จะได้ Shape Map รายงานจำนวนผู้ติดเชื้อ COVID-19
3 April 2020
PDPA Icon

We use cookies to optimize your browsing experience and improve our website’s performance. Learn more at our Privacy Policy and adjust your cookie settings at Settings

Privacy Preferences

You can choose your cookie settings by turning on/off each type of cookie as needed, except for necessary cookies.

Accept all
Manage Consent Preferences
  • Strictly Necessary Cookies
    Always Active

    This type of cookie is essential for providing services on the website of the Personal Data Protection Committee Office, allowing you to access various parts of the site. It also helps remember information you have previously provided through the website. Disabling this type of cookie will result in your inability to use key services of the Personal Data Protection Committee Office that require cookies to function.
    Cookies Details

  • Performance Cookies

    This type of cookie helps the Big Data Institute (Public Organization) understand user interactions with its website services, including which pages or areas of the site are most popular, as well as analyze other related data. The Big Data Institute (Public Organization) also uses this information to improve website performance and gain a better understanding of user behavior. Although the data collected by these cookies is non-identifiable and used solely for statistical analysis, disabling them will prevent the Big Data Institute (Public Organization) from knowing the number of website visitors and from evaluating the quality of its services.

  • Functional Cookies

    This type of cookie enables the Big Data Institute (Public Organization)’s website to remember the choices you have made and deliver enhanced features and content tailored to your usage. For example, it can remember your username or changes you have made to font sizes or other customizable settings on the page. Disabling these cookies may result in the website not functioning properly.

  • Targeting Cookies

    "This type of cookie helps the Big Data Institute (Public Organization) understand user interactions with its website services, including which pages or areas of the site are most popular, as well as analyze other related data. The Big Data Institute (Public Organization) also uses this information to improve website performance and gain a better understanding of user behavior. Although the data collected by these cookies is non-identifiable and used solely for statistical analysis, disabling them will prevent the Big Data Institute (Public Organization) from knowing the number of website visitors and from evaluating the quality of its services.

Save settings
This site is registered on wpml.org as a development site. Switch to a production site key to remove this banner.