Язык DAX¶

DAX (Data Analysis Expressions) — это язык формул и выражений, разработанный компанией Microsoft для выполнения вычислений, определения мер и создания вычисляемых столбцов в моделях данных, используемых в таких продуктах, как Power BI, Analysis Services (табличный режим) и Power Pivot в Excel. DAX относится к классу функциональных языков, ориентированных на работу с реляционными данными, и по синтаксису напоминает формулы Excel, но обладает более мощными возможностями для работы с таблицами и фильтрацией контекста. Ключевая характеристика DAX — способность выполнять вычисления в динамическом контексте строки и фильтра, что отличает его от стандартных языков запросов, таких как SQL.

¶История

Разработка DAX началась в конце 2000-х годов как часть проекта Microsoft по созданию нового поколения средств бизнес-аналитики (BI), ориентированных на быстродействие и простоту использования. Первая публичная версия языка была представлена в 2010 году вместе с выпуском Power Pivot для Excel 2010 (надстройка для работы с большими объёмами данных). В 2012 году DAX был интегрирован в SQL Server Analysis Services (SSAS) в табличном режиме, что позволило использовать его в корпоративных решениях. С 2015 года, с выходом Power BI Desktop, DAX стал основным языком вычислений для этой платформы, которая быстро завоевала популярность среди аналитиков и бизнес-пользователей. В последующие годы Microsoft регулярно обновляла DAX, добавляя новые функции (например, TREATAS, GENERATE, функции для работы с датами и временными рядами), улучшая производительность и расширяя совместимость с различными источниками данных.

¶Основные концепции

¶Контекст строки и контекст фильтра

Фундаментальное понятие в DAX — контекст. Вычисления в DAX выполняются в двух типах контекста: контексте строки и контексте фильтра.

• Контекст строки — это текущая строка таблицы, обрабатываемая в итераторе (например, в функциях SUMX, FILTER, ADDCOLUMNS). Внутри контекста строки можно ссылаться на значения столбцов текущей строки.
• Контекст фильтра — это набор фильтров, применяемых к таблице или модели данных. Он может быть задан явно (через функции CALCULATE, FILTER) или неявно (через визуальные элементы отчёта, срезы, оси сводной таблицы). Контекст фильтра определяет, какие строки таблицы участвуют в вычислении.

Взаимодействие этих двух контекстов позволяет DAX выполнять сложные агрегации и динамические расчёты, которые невозможно реализовать в Excel без дополнительных надстроек.

¶Меры и вычисляемые столбцы

DAX используется для создания двух основных типов объектов: мер и вычисляемых столбцов.

• Мера — это динамическое вычисление, которое выполняется в контексте фильтра отчёта. Мера не хранится в таблице, а вычисляется при каждом обращении к ней. Например, мера «Общая выручка» может быть определена как SUM(Sales[Amount]) и будет пересчитываться в зависимости от выбранных срезов по дате, региону или продукту.
• Вычисляемый столбец — это столбец, добавляемый в таблицу и вычисляемый один раз при загрузке или обновлении данных. Его значение хранится в модели и не зависит от контекста фильтра отчёта. Например, столбец «Год» может быть получен из столбца «Дата» с помощью функции YEAR.

¶Таблицы и скалярные значения

DAX работает с двумя типами результатов: таблицами и скалярными значениями (одно число, строка, дата). Большинство функций DAX возвращают либо таблицу (например, FILTER, VALUES, ALL), либо скаляр (например, SUM, AVERAGE, COUNT). Меры всегда возвращают скалярные значения, в то время как вычисляемые столбцы могут содержать как скаляры, так и таблицы (но в виде столбца хранится только скалярный результат).

¶Классификация функций

Функции DAX делятся на несколько категорий по назначению:

¶Агрегатные функции

Используются для суммирования, усреднения, подсчёта количества строк и других статистических операций. Примеры: SUM, AVERAGE, COUNT, MIN, MAX, DISTINCTCOUNT (подсчёт уникальных значений).

¶Функции работы с таблицами

Возвращают таблицы или выполняют операции над таблицами. К ним относятся:

• Фильтрующие функции: FILTER (возвращает строки, удовлетворяющие условию), ALL (снимает все фильтры с таблицы), ALLEXCEPT (снимает все фильтры, кроме указанных), CALCULATETABLE (изменяет контекст фильтра и возвращает таблицу).
• Функции для создания таблиц: VALUES (возвращает уникальные значения столбца), DISTINCT (аналогично, но без учёта пустых значений), GENERATE (создаёт декартово произведение), ADDCOLUMNS (добавляет вычисляемые столбцы к таблице).
• Функции для работы с отношениями: RELATED (возвращает значение из связанной таблицы), RELATEDTABLE (возвращает таблицу из связанной таблицы).

¶Функции даты и времени

Предназначены для работы с датами, временными периодами и календарями. Примеры: DATE, YEAR, MONTH, DAY, TODAY, NOW, DATEDIFF, EOMONTH. Особую группу составляют функции для работы с временными интеллектами (Time Intelligence), такие как TOTALYTD, SAMEPERIODLASTYEAR, DATEADD, DATESBETWEEN, которые позволяют сравнивать показатели за разные периоды.

¶Логические функции

Выполняют условные операции. Основные: IF, AND, OR, NOT, SWITCH (аналог множественного выбора), IFERROR.

¶Функции для работы с текстом

Позволяют манипулировать строками: CONCATENATE, LEFT, RIGHT, MID, LEN, FIND, REPLACE, UPPER, LOWER, TRIM.

¶Функции для работы с фильтрами

Используются для изменения контекста фильтра. Ключевая функция — CALCULATE, которая изменяет контекст фильтра и вычисляет выражение в новом контексте. CALCULATE является одной из самых мощных и часто используемых функций DAX, так как позволяет динамически переопределять фильтры, заданные в отчёте.

¶Функции для работы с родительско-дочерними иерархиями

Применяются для анализа данных с иерархической структурой (например, организационная структура, категории товаров). Примеры: PATH, PATHITEM, PATHLENGTH, PATHCONTAINS.

¶Примеры использования

¶Пример 1: Простая мера

``dax Total Sales = SUM(Sales[Amount]) ` Эта мера суммирует все значения столбца Amount из таблицы Sales` в текущем контексте фильтра.

¶Пример 2: Мера с изменением контекста

``dax Sales Previous Year = CALCULATE( SUM(Sales[Amount]), SAMEPERIODLASTYEAR('Calendar'[Date]) ) ` Эта мера вычисляет сумму продаж за аналогичный период предыдущего года, используя функцию SAMEPERIODLASTYEAR` для сдвига дат.

¶Пример 3: Вычисляемый столбец

``dax Profit Margin = DIVIDE( Sales[Profit], Sales[Revenue], 0 ) `` Этот столбец вычисляет маржу прибыли как отношение прибыли к выручке, с обработкой деления на ноль (возвращает 0).

¶Пример 4: Использование FILTER

``dax High Value Sales = CALCULATE( SUM(Sales[Amount]), FILTER( Sales, Sales[Amount] > 1000 ) ) `` Эта мера суммирует только те продажи, где сумма превышает 1000.

¶Применение

DAX широко используется в следующих областях:

• Бизнес-аналитика (BI): создание отчётов и дашбордов в Power BI, где DAX позволяет вычислять ключевые показатели эффективности (KPI), динамические агрегации, сравнения периодов, накопительные итоги.
• Финансовый анализ: расчёт рентабельности, маржи, оборачиваемости, прогнозирование на основе временных рядов.
• Маркетинг и продажи: анализ воронки продаж, сегментация клиентов, расчёт LTV (пожизненной ценности клиента), когортный анализ.
• Логистика и производство: расчёт запасов, оборачиваемости, времени выполнения заказов, анализ эффективности цепочек поставок.
• HR-аналитика: расчёт текучести кадров, среднего стажа, затрат на персонал.

¶Критика и ограничения

Несмотря на широкую популярность, DAX имеет ряд недостатков и ограничений:

• Сложность обучения: из-за концепции контекста и неявных преобразований типов новички часто допускают ошибки, которые трудно отлаживать.
• Производительность: неправильно написанные выражения DAX могут приводить к медленным вычислениям, особенно при работе с большими объёмами данных (миллионы строк). Оптимизация требует понимания внутреннего устройства движка VertiPaq.
• Отсутствие циклов и переменных в классическом понимании: хотя в DAX есть переменные (VAR), они не поддерживают итерации в привычном для программистов виде, что усложняет реализацию некоторых алгоритмов.
• Зависимость от модели данных: DAX тесно связан со структурой таблиц и связей в модели, и изменение схемы может потребовать переписывания всех выражений.
• Ограниченная поддержка строковых операций: по сравнению с языками общего назначения, DAX имеет меньше возможностей для работы с текстом (например, нет регулярных выражений).

¶Сравнение с другими языками

• DAX vs SQL: SQL — язык запросов, ориентированный на извлечение и манипуляцию данными в реляционных базах. DAX — язык вычислений, работающий поверх уже загруженных данных в памяти. SQL не поддерживает динамический контекст фильтра и временные интеллекты, но лучше подходит для сложных операций с множественными соединениями и подзапросами.
• DAX vs MDX (Multidimensional Expressions): MDX — язык для многомерных кубов, более сложный и менее интуитивный. DAX проще для пользователей Excel, но MDX предоставляет более мощные возможности для работы с иерархиями и многомерными агрегатами.
• DAX vs M (Power Query): M — язык для извлечения, преобразования и загрузки данных (ETL), в то время как DAX — для вычислений в уже загруженной модели. M не имеет контекста фильтра и не предназначен для создания мер.

¶Интересные факты

• DAX не является языком запросов — он не может напрямую извлекать данные из внешних источников. Для этого используется Power Query (язык M).
• Внутренний движок DAX, VertiPaq, использует сжатие данных и хранение в столбцовом формате, что обеспечивает высокую скорость вычислений для больших объёмов данных.
• Microsoft регулярно выпускает обновления DAX, добавляя новые функции. Например, в 2022 году были добавлены функции INDEX, OFFSET, WINDOW для работы с окнами.
• DAX поддерживает рекурсию через функции итераторов, но это требует осторожного подхода из-за риска бесконечных циклов.

¶Источники

• Microsoft Learn: «Руководство по DAX» (официальная документация)
• Alberto Ferrari, Marco Russo. «The Definitive Guide to DAX» (Microsoft Press, 2019)
• Power BI Blog: «DAX update history» (блог Microsoft)
• SQLBI.com: «DAX Patterns» (коллекция шаблонов и примеров)