Master Power BI - Advanced DAX & Performance Patterns

Wil je grip krijgen op DAX in Power BI en begrijpen waarom measures soms fragiel, traag of onvoorspelbaar worden? In deze training leer je hoe DAX zich gedraagt als expressielaag boven het model en hoe context, relaties en enginegedrag de uitkomst en performance bepalen. Je werkt met praktijkvoorbeelden en herstructureert complexe measures onder begeleiding van een ervaren specialist, zodat je DAX logisch, stabiel en schaalbaar kunt inzetten binnen je organisatie.

Algemene omschrijving

DAX is geen truc taal. Het is een expressieve laag bovenop je model en precies daarom voelt het vaak fragiel, traag of onvoorspelbaar. Want wie DAX gebruikt om fouten in het model te compenseren, bouwt logica op drijfzand.

In deze training leer je DAX lezen en schrijven als gevolg van ontwerpkeuzes. Je verdiept je in context, evaluation chains, en het gedrag van de formula vs. storage engine. Je ontdekt waarom kleine aanpassingen grote performance-impact kunnen hebben, en hoe measures reageren op relaties, filterstructuur en semantische keuzes.

We werken vanuit herkenbare patronen: stacked measures, iterators, complexe filters, CALCULATE als black box. Niet om de syntax te beheersen, maar om te begrijpen wat DAX écht van je model vraagt.

Je leert hoe DAX zich gedraagt binnen het enginegedrag van Power BI én hoe het je model blootlegt. Daarmee wordt DAX niet simpeler, maar wel veel logischer.

Deze training bieden we ook als bedrijfstraining voor jou en je team

De inhoud stemmen we dan af op jullie werksituatie, systemen en concrete vraagstukken, zodat de training direct aansluit op wat er binnen de organisatie speelt. Zo ontstaat een gerichte en praktische training waarmee je de volgende dag direct aan de slag kunt.

Programma

Tijdens de Master Power BI – Advanced DAX & Performance Patterns komen in basis onderstaande onderwerpen aan bod. Afhankelijk van ontwikkelingen op het vakgebied, kan de feitelijke trainingsinhoud hier echter van afwijken. Bel ons gerust voor meer informatie over de actuele inhoud.

• Introductie in DAX als expressielaag boven het model
• • Wat maakt DAX krachtig én kwetsbaar?
  • Waarom DAX breekbaar wordt bij zwakke modellen
  • DAX als symptoom van ontwerpkeuzes, niet als losstaande techniek
• Evaluatiecontext en filtergedrag
• • Verschil tussen row context en filter context
  • CALCULATE als contextschakelaar
  • Contexttransities en hun impact op filtering en performance
  • Hoe evaluation chains ontstaan en fouten introduceren
  • Wanneer filterpropagatie misloopt en wat dat zegt over het model
• Row-level en column-level security als contextlaag in DAX
• • Wat row-level security technisch doet in het model
  • Hoe RLS filtercontext toevoegt vóórdat DAX wordt geëvalueerd
  • Verschil tussen expliciete filters in DAX en impliciete filters via RLS
  • Waarom RLS DAX-resultaten kan veranderen zonder dat de measure wijzigt
• Column-level security en semantische impact
• • Wat column-level security wél en niet afschermt
  • Effect van verborgen kolommen op DAX-evaluatie
  • Waarom measures soms blijven werken terwijl kolommen niet zichtbaar zijn
  • Beperkingen en valkuilen van column-level security in analytische modellen
• Security, performance en voorspelbaarheid
• • Waarom RLS invloed kan hebben op queryplannen en performance
  • Verschil in gedrag tussen Storage Engine en Formula Engine bij security
  • Herkennen van performanceproblemen die door security worden veroorzaakt
• Ontwerpkeuzes en verantwoordelijk gebruik
• • Wanneer security in het model hoort en wanneer erbuiten
  • Waarom DAX geen beveiligingsmechanisme is
  • Relatie tussen security, semantiek en Copilot-gebruik
  • Voorbereiding op expliciete ontwerpkeuzes in AI-ready modellen
• DAX en engine-gedrag
• • Storage Engine vs Formula Engine: wat doet wat?
  • Hoe DAX wordt vertaald naar engine queries
  • Herkennen van SE-bound vs FE-bound bottlenecks
  • Rol van cardinaliteit, relaties en aggregaties
  • Waarom iterators traag worden en hoe je het herkent
• Performance-patronen in DAX
• • Veelvoorkomende anti-patronen: nested iterators, row-by-row logica
  • Wat maakt “stacked measures” zo gevaarlijk voor performance?
  • Measure flattening: logica structureren voor snelheid én leesbaarheid
  • Gebruik van VAR voor performance en debugging
  • Praktijkoefening: herstructureren van een trage measure
• Semantiek en DAX-complexiteit
• • Hoe het model de complexiteit van je DAX bepaalt
  • Rekenen in het model vs rekenen in DAX: taakverdeling analyseren
  • Impact van relaties, directionality en modelstructuur op DAX
  • Hoe semantische keuzes visual performance beïnvloeden
• Casusanalyse en diagnose
• • Analyse van een complex, traag rapport met meerdere performanceproblemen
  • Werken met Performance Analyzer en DAX Studio als diagnostische tools
  • Herleiden van vertraging naar measure, model, query of visual
  • Diagnostische checklist: hoe bepaal je waar je moet beginnen?
• Afsluiting en vooruitblik
• • DAX als ontwerptaal gebruiken, niet als correctiemechanisme
  • Inzicht in de relatie tussen DAX-complexiteit en datastroomontwerp
  • Vooruitblik: hoe je upstream in Power Query en SQL vereenvoudigt wat je hier analyseert

De training is interactief en praktijkgericht opgezet. Je werkt met bestaande measures en rapporten en analyseert hoe context, relaties en enginegedrag de uitkomst en performance beïnvloeden. Er is ruimte om eigen DAX-vraagstukken in te brengen en samen te herstructureren op basis van heldere performance- en ontwerppatronen.

De training wordt verzorgd door specialisten die dagelijks werken met complexe DAX-logica en performance-analyse in Power BI-omgevingen. Bij klassikale trainingen stemmen we vooraf leerdoelen en verwachtingen af, zodat de inhoud aansluit op het niveau en de praktijk van de deelnemers.

Doelen

Na deze training kan je:

• Complexe DAX-measures logisch opbouwen en herstructureren voor betere leesbaarheid en performance
• Filtercontext en contexttransities bewust sturen met CALCULATE en gerichte filters
• Performanceproblemen in measures analyseren met inzicht in Storage Engine en Formula Engine
• Anti-patronen herkennen en vervangen door bewezen performance-patronen