Zamiast jednak polecać wyłącznie podręczniki do nauki kodu, formuł DAX czy składni SQL, zawsze odpowiadam: zacznij od fundamentów, czyli krytycznego myślenia, zmysłu biznesowego i umiejętności zadawania właściwych pytań. Biegłość w narzędziach takich jak Power BI, SQL czy Excel daje warsztat, ale to sposób interpretacji liczb, storytelling i odporność na manipulacje decydują o realnej wartości Twojej pracy.

Poniżej znajdziesz moje zestawienie TOP 3×3: trzy książki, o które tak często pytacie, oraz uzupełniające je trzy filmy i trzy podcasty, które najlepiej pokazują, jak naprawdę myśli i podejmuje decyzje skuteczny analityk.

Książki o danych: Logika, fakty i storytelling

Dobre książki analityczne nie uczą składni kodu, lecz chronią przed manipulacją, błędami poznawczymi i pustą estetyką na wykresach.

1. Statystycznie rzecz biorąc – Janina Bąk

• Kluczowa myśl: Jak nie dać się oszukać cyfrom i wykresom?
• Lekcja dla analityka: Odkrywa, jak łatwo zmanipulować nawet najrozsądniejszych z nas i uczy twardego sceptycyzmu wobec danych.
• Dlaczego warto przeczytać: Książka bez akademickiego żargonu tłumaczy fundamenty logiki statystycznej. Zrozumiesz, dlaczego korelacja nie oznacza przyczynowości i jak bronić się przed błędnymi wnioskami wyciąganymi z pozornie poprawnych tabel.

2. Factfulness – Hans Rosling

• Kluczowa myśl: Nie bądź pesymistą! Spójrz na fakty.
• Lekcja dla analityka: Świat wygląda zupełnie inaczej, gdy zrezygnujesz z intuicji na rzecz analitycznej rzeczywistości.
• Dlaczego warto przeczytać: To elementarz podejścia data-driven. Rosling diagnozuje 10 instynktów, które zaburzają naszą ocenę sytuacji, i uczy, jak opierać analizy na znormalizowanych szeregach czasowych zamiast emocjach i skrajnych anomaliach.

3. Storytelling with Data – Cole Nussbaumer Knaflic

• Kluczowa myśl: Zamień nudny wykres w trafną decyzję biznesową.
• Lekcja dla analityka: Uczy, jak przedstawiać dane, by natychmiast skłaniały ludzi do działania.
• Dlaczego warto przeczytać: Podstawa projektowania raportów menedżerskich i dashboardów. Autorka pokazuje, jak eliminować szum wizualny (clutter), świadomie operować kolorem i prowadzić odbiorcę prosto od surowych liczb do konkretnych rekomendacji.

Filmy o analityce: Intuicja, kryzys i modele ryzyka

Kino potrafi doskonale zilustrować realia wdrażania kultury danych, zderzenie liczb z opiniami oraz wagę rzetelności źródeł.

1. Moneyball (2011)

• Kluczowa myśl: Gdy arkusz kalkulacyjny wygrywa ze starymi wyjadaczami.
• Lekcja dla analityka: Prawdziwa historia o tym, jak analityczna rewolucja powaliła na kolana dekady tradycyjnej, sportowej intuicji.
• Kontekst biznesowy: Znakomity obraz oporu organizacji przed podejściem opartym na danych. Udowadnia, że szukanie niedowartościowanych metryk i kwestionowanie „utartych praktyk” pozwala osiągnąć przewagę rynkową nawet przy ułamku budżetu rywali.

2. The Big Short (2015)

• Kluczowa myśl: Zobaczyli kryzys tam, gdzie reszta widziała eldorado.
• Lekcja dla analityka: Ekscytujący dowód na to, co się dzieje, gdy ignorujesz rynkowy hałas i zaglądasz głębiej w dane, których nikt inny nie chciał badać.
• Kontekst biznesowy: Praktyczna lekcja weryfikacji źródeł (Garbage In, Garbage Out). Bohaterowie nie polegali na powierzchownych ocenach i syntetycznych ratingach AAA – zeszli na poziom surowych arkuszy i pojedynczych umów kredytowych.

3. Margin Call (2011)

• Kluczowa myśl: Jeden błąd w modelu i noc, która zmieniła wszystko.
• Lekcja dla analityka: Trzymający w napięciu obraz potęgi analizy ryzyka.
• Kontekst biznesowy: Mistrzowskie studium komunikacji technicznej na szczeblu zarządczym. Pokazuje, że najbardziej wyrafinowany model jest bezwartościowy, jeśli nie potrafisz w prostych słowach wytłumaczyć decydentom płynących z niego zagrożeń biznesowych.

Podcasty: Kulisy biznesu, technologia i weryfikacja liczb

Wiedza w formie audio to najprostszy sposób na śledzenie trendów i słuchanie o realnych problemach rynkowych w drodze do pracy czy podczas treningu.

1. Dane Są Wszędzie – Dominik Szcześniak

• Kluczowa myśl: Od parkietów NBA po kulisy wielkiego biznesu.
• Lekcja dla analityka: Analityka otacza nas z każdej strony i kompletnie zmienia sposób podejmowania codziennych decyzji.
• Dlaczego warto słuchać: Pokazuje praktyczne zastosowania Business Intelligence oraz to, jak zróżnicowane i wszechobecne są dane w codziennym życiu gospodarczym i sportowym.

2. Mateusz Chrobok – podcast

• Kluczowa myśl: Technologia, AI i cyfrowe ślady po ludzku.
• Lekcja dla analityka: Przystępny przewodnik po tym, co tak naprawdę dzieje się z danymi, które każdego dnia bezwiednie po sobie zostawiamy.
• Dlaczego warto słuchać: Pozwala zrozumieć technologiczne kulisy cyberbezpieczeństwa, mechanizmy działania algorytmów AI oraz architekturę systemów operujących na naszych danych.

3. More or Less – Tim Harford / BBC

• Kluczowa myśl: Sceptyczny detektyw na tropie medialnych nagłówków.
• Lekcja dla analityka: Bezlitośnie weryfikuje sensacyjne liczby z nagłówków gazet.
• Dlaczego warto słuchać: Świetna szkoła weryfikacji faktów (fact-checkingu). Uczy, jak rozkładać na czynniki pierwsze statystyki podawane przez polityków, media i agencje prasowe, obnażając manipulacje i błędne metodologie.

Podsumowanie: Jak wyjść poza sam kod?

Opanowanie technicznych narzędzi analitycznych daje solidną bazę, ale to wyrobiona wrażliwość na błędy logiczne, właściwy dobór narracji oraz zrozumienie procesów biznesowych budują pozycję poszukiwanego specjalisty.

Sięgając regularnie po książki o storytellingu, analizując case studies z filmów czy słuchając doświadczonych praktyków, rozwijasz warsztat, którego nie zastąpi żaden skrypt.

Co z tej listy znasz, a co trafia na Twoją półkę jako pierwsze? Jeśli masz swój numer jeden w pracy z danymi, podziel się nim w komentarzu!

5 dni w PixelAI Studio i raport Power BI, na który czeka zarząd

Wyobraź sobie, że właśnie zaczynasz pracę jako analityk HR. PixelAI Studio ma za sobą premierę gry i intensywny okres pracy. Zaglądasz do danych i widzisz, że coś zaczyna się zmieniać. Spada Headcount, pojawiają się odejścia, a rotacja pracowników zaczyna zwracać uwagę członków zarządu. 

Dyrektor HR chce wiedzieć: co właściwie dzieje się w firmie? Tu zaczynało się zadanie uczestników. Najpierw trzeba było połączyć snapshoty z systemu HR w Power Query. Następnie zbudować model danych, przygotować miary DAX i przeanalizować m.in. Headcount, FTE, zatrudnienia, odejścia oraz rotację. Dopiero później przychodził czas na dashboard. 

Celem nie było więc stworzenie kilku efektownych wykresów. Uczestnicy musieli odpowiedzieć na pytania, które rzeczywiście mógłby zadać biznes: 

• Dlaczego Headcount spada? 

• Z których zespołów odchodzi najwięcej osób? 

• Jakie są główne powody odejść? 

• Czy poziom rotacji rzeczywiście powinien niepokoić? 

• Gdzie Dyrektor HR powinien szukać problemu? 

Narzędzie Power BI staje się narzędziem do rozwiązania problemu. 

Jaka jest rola analityka danych w projektach? 

Możesz znać DAX i bezbłędnie stworzyć miarę. Jeśli jednak nie wiesz, co jej wynik oznacza dla biznesu, analiza niewiele wnosi.  Podczas wyzwania dobrym przykładem były Headcount i FTE. Headcount mówi, ile osób pracuje w firmie. FTE pokazuje, ilu pełnym etatom odpowiada ich wymiar pracy. Dopiero spojrzenie na oba wskaźniki pozwala lepiej zrozumieć rzeczywistą strukturę zatrudnienia. 

Podobnie z rotacją. Sam wynik to dopiero początek. Trzeba jeszcze wiedzieć, jak go interpretować i z czym można go porównywać. To jedna z najważniejszych lekcji wyzwania: rolą analityka nie jest tylko policzyć, ale przede wszystkim zrozumieć dane i przełożyć je na informację przydatną biznesowi.

Raport Power BI, który odpowiada na pytanie

I tu dochodzimy do najciekawszego momentu. Wszyscy uczestnicy dostali te same dane i ten sam brief. Mimo to na końcu powstały zupełnie różne dashboardy. Jedni postawili na minimalizm. Inni rozbudowali część analityczną. Różniły się układy, wizualizacje, sposób prezentacji KPI, nawigacja i podejście do UX. To świetnie pokazuje, że w Power BI nie zawsze istnieje jeden poprawny raport. 

Najważniejsze pytanie brzmi: czy odbiorca potrafi szybko znaleźć w nim odpowiedź na swoje pytanie? 

Portfolio analityka danych pokazuje więcej niż trzy linijki w CV 

Wyobraź sobie teraz rekrutację na stanowisko analityka danych. 

Jeden kandydat wpisuje: 

• Power BI – bardzo dobra znajomość 
• Power Query – dobra znajomość 
• DAX – dobra znajomość 

Drugi podaje link do projektu. Otwierasz go i widzisz problem biznesowy, sposób przygotowania danych, wybrane KPI, dashboard oraz wnioski. 

Który kandydat pokazał Ci więcej? 

Właśnie dlatego portfolio analityka danych ma tak dużą wartość. Pokazuje jak myślisz, jak rozwiązujesz problemy i czy potrafisz przełożyć dane na konkretne wnioski. 

Jak trafnie podsumowaliśmy to po wyzwaniu: mieć kompetencje to jedno. Umieć je pokazać  to drugie. 

Nie musisz czekać na pierwszą pracę jako analityk, żeby zacząć budować portfolio. Własne analizy, case studies czy właśnie takie wyzwania pozwalają stworzyć pierwsze projekty wcześniej. 

Dobry projekt powinien opowiadać prostą historię: problem → dane → analiza → dashboard → wnioski. 

Praca w społeczności: Wyzwanie nie tylko z Power BI 

Uczestnicy budowali projekt do portfolio, publikowali swoje prace na LinkedIn, rozwijali markę osobistą i mogli wymieniać się doświadczeniami z innymi osobami uczącymi się analizy danych. Na Discordzie pojawiały się pytania, problemy i różne sposoby rozwiązania tych samych zadań. To również jest częścią pracy analityka. 

Nie zawsze znasz odpowiedź od razu. Czasem trzeba sprawdzić kilka rozwiązań, popełnić błąd, wrócić do modelu albo zapytać kogoś o zdanie. Społeczność skraca tę drogę, bo pozwala uczyć się nie tylko na własnych pomysłach, ale również na doświadczeniach innych. 

Kto wygrał Wyzwanie Power BI? 

Po pięciu dniach przyszedł czas na finał. Zwyciężczynią Wyzwania Power BI została Justyna Żagan-Gredys, która otrzymała bezterminowy dostęp do kursu POWER PRO oraz sześć miesięcy udziału w społeczności I❤️DATA. 

Aleksandra Sendecka otrzymała dodatkowe wyróżnienie za najlepszy UX. 

Wyróżnienie „Pomocnik” za aktywność na Discordzie trafiło do bart_d. 

Inne prace uczestników, przygotowane w Power BI:

Gratulacje! 

Certyfikat Power BI to dodatek, projekt zostaje 

Po pięciu dniach uczestnicy mieli za sobą pracę z Power Query, modelem danych, DAX-em, KPI i wizualizacją danych. Na zakończenie otrzymali certyfikat.

Ale być może jeszcze ważniejszą rzeczą, którą zabrali z wyzwania, był gotowy projekt, który uczestnicy mogli opublikować w Power BI Service, podpiąć do swojego CV i pokazać na LinkedIn. Można do niego wrócić do niego za kilka miesięcy i porównać ze swoimi nowymi umiejętnościami. Można też otworzyć go podczas rozmowy rekrutacyjnej i zamiast powiedzieć: „Znam Power BI”, powiedzieć: „Pokażę, jak wykorzystałem Power BI do rozwiązania konkretnego problemu biznesowego”. To zupełnie inna rozmowa.

I❤️DATA – Twoja droga do analityka danych

Pięć dni nie wystarczy, żeby zostać analitykiem danych. Ale wystarczy, żeby przejść drogę od surowych danych do gotowego raportu i zobaczyć, że analiza danych to coś więcej niż znajomość narzędzia. Właśnie na tym opiera się też społeczność I❤️DATA – na praktycznych projektach, wyzwaniach, spotkaniach LIVE, wymianie doświadczeń i rozwijaniu analitycznego myślenia. Bo Power BI można nauczyć się z kursu. Ale analitykiem stajesz się wtedy, gdy zaczynasz pracować z problemami, zadawać pytania, popełniać błędy, wyciągać wnioski i pokazywać efekty swojej pracy. A dobrze zbudowane portfolio pozwala później udowodnić, że naprawdę potrafisz to robić.

Jak wygląda stary fragmentator (ang. slicer) w Power BI?

Przez lata użytkownicy Power BI przyzwyczaili się do tego, że filtrowanie dat nie należy do najmocniejszych stron standardowego fragmentatora. Dało się z nim pracować, ale trudno było nazwać go intuicyjnym. Szczególnie wtedy, gdy raport trafiał do osób biznesowych, które po prostu chciały szybko sprawdzić wyniki za wybrany okres.

Nic więc dziwnego, że wielu autorów raportów zaczęło sięgać po dodatkowe wizualizacje dostępne w sklepie Microsoft. Jedną z najpopularniejszych był właśnie Date Picker, który pozwala wybierać zakresy dat w znacznie bardziej naturalny sposób.

Gdzie znaleźć Date Picker w Power BI?

Nowy Selektor dat realnie upraszcza jedną z najczęściej wykonywanych czynności w Power BI – wybór zakresu dat. Po aktywacji tej funkcji w opcjach Preview programu Power BI wystarczy:

1. dodać standardowy fragmentator do strony raportu,
2. przeciągnąć do niego pole daty z tabeli Kalendarz,
3. zmienić styl slicera na Selektor dat.

I gotowe. To nadal ten sam fragmentator, ale doświadczenie użytkownika jest już zupełnie inne.

Dlaczego Date Picker w Power BI jest lepszy od standardowego fragmentatora dat?

Zamiast przesuwać suwaki, użytkownik po prostu otwiera kalendarz i wskazuje interesujący go zakres. Dwa kliknięcia i gotowe. To niewielka zmiana, ale właśnie takie detale często decydują o tym, czy raport jest wygodny w codziennym użytkowaniu.

Date Picker w Power BI – tryb ręczny i filtr dat względnych

Jedną z największych zalet nowego rozwiązania jest możliwość przełączania sposobu filtrowania. Selektor dat oferuje dwa tryby pracy: ręczny i względny – w ramach jednego slicera.

1. Ręczny – użytkownik wskazuje konkretny zakres dat i analizuje dokładnie ten okres, który go interesuje.
2. Względny – umożliwia szybkie przełączanie się między różnymi wbudowanymi, dynamicznymi opcjami, np.:
   • ostatnie 7 dni,
   • ostatni miesiąc,
   • ostatni kwartał,
   • bieżący rok.

To mała zmiana dla autora raportu, ale bardzo duże ułatwienie dla jego odbiorców.

Jak zablokować wybór przyszłych dat w Selektorze dat w Power BI?

Jest jeszcze jeden element, który warto wdrożyć od razu. W większości modeli danych tabela Kalendarz wykracza poza zakres dostępnych danych transakcyjnych (np. do końca roku). To dobra praktyka modelowania, ale może powodować nieporozumienia podczas korzystania z raportu. Aby uniknąć pokazywania pustych okresów, warto przygotować dodatkową kolumnę w tabeli Kalendarz, która określi, czy dana data jest aktualna.

Można ją oprzeć:

• na maksymalnej dacie transakcyjnej,
• lub na bieżącej dacie systemowej TODAY().

Następnie wystarczy wykorzystać ją jako filtr Date Pickera. Dzięki temu przyszłe daty zostaną nieaktywne. To drobna rzecz, która znacząco poprawia komfort pracy użytkownika końcowego.

Obejrzyj wideo z nowym Date Pickerem w Power BI w roli głównej

Czy warto korzystać ze slicera typu Date Picker w Power BI? – podsumowanie

Przez lata wybieranie dat w Power BI było jednym z tych elementów, które działały poprawnie, ale trudno było nazwać je wygodnymi. Nowy Date Picker znacząco poprawia ten obszar. Dlatego, jeśli filtrujesz daty w zakresie od–do w raporcie Power BI lub tak jak członkowie Społeczności I❤️DATA przygotowujesz portfolio w Power BI na rozmowę o pracę na stanowisko Analityka Danych, sięgnij po nowy Selektor dat.

Pobierz plik Power BI i przetestuj działanie nowego selektora dat

Tu możesz pobrać plik Power BI i samodzielnie sprawdzić, jak przyjazny jest nowy wybór dat od-do.

W tym nowym podejściu pojawiają się właśnie trzy symbole – @, # i . – które sterują tym, jak zachowuje się formuła i jak Excel interpretuje zakres danych. To język, którym program mówi, czy ma liczyć tylko bieżący wiersz, obejmować cały dynamiczny zakres czy przycinać wynik do wypełnionych danych. Zrozumienie, co oznaczają @, # i kropka staje się dziś jednym z kluczowych elementów świadomej pracy w Excelu 365. 

Znak „@” (małpa): Ratunek dla starych plików w nowym Excelu

Znak @ najczęściej zauważysz, gdy otwierasz stary plik w Excelu 365. W formule, w której wcześniej go nie było, nagle pojawia się małpa i wygląda, jakby ktoś zmienił obliczenia. 

W praktyce @ mówi Excelowi, by pozostał w tym samym wierszu i nie rozlewał wyniku na kolejne komórki. Dzięki temu zachowana jest logika znana ze starszych wersji, w których każda komórka liczyła wyłącznie swój wiersz. Stary plik zachowuje się więc tak jak dotychczas, mimo nowych możliwości programu. 

To zachowanie łatwo skojarzyć z tabelami Excela, gdzie odwołania do bieżącego wiersza działają automatycznie, choć nie widać tam jawnego symbolu. Excel 365 po prostu pokazuje ten mechanizm. Jeśli kiedyś liczyłeś marżę, przeciągając formułę w dół kolumny, po otwarciu takiego pliku w nowej wersji zobaczysz w niej @, który pilnuje właśnie tego wierszowego działania. 

Znak „#” (kratka): Jak automatycznie rozlewać wyniki formuł w Excelu?

Kratka # to znak rozpoznawczy dynamicznego Excela 365. Dzięki niej jedna formuła może wygenerować całą listę wyników, dopasować swoją długość do liczby rekordów i automatycznie reagować na nowe dane pojawiające się w źródle. 

Najprościej mówiąc, # pozwala odwołać się do całego rozlanego zakresu, czyli wszystkich komórek wygenerowanych przez jedną formułę dynamiczną. Zamiast ręcznie zaznaczać zakres, korzystasz z odwołania zakończonego kratką i masz pewność, że obejmuje ono wszystkie aktualne wyniki, również te dodane później. 

W praktyce oznacza to, że formuły rosną razem z danymi, nie gubią nowych rekordów na końcu listy i nie wymagają ciągłego poprawiania zakresów przy aktualizacji raportu. To szczególnie ważne przy danych sprzedażowych, finansowych czy operacyjnych, które systematycznie się rozbudowują. Nawiasem mówiąc, automatyzacja takich raportów i projektowanie dynamicznych tabel to jeden z kluczowych modułów w moim kursie JUNIOR Analityk.

Znak „.” (kropka): Sposób na przycięcie zakresu do rzeczywistych danych formuł Excel

Kropka to symbol najmniej intuicyjny, ale bardzo przydatny w pracy z formułami dynamicznymi. Jej zadaniem jest przycinanie zakresów tak, aby obejmowały jedynie rzeczywiste dane, bez pustych wierszy czy kolumn zostawionych na zapas. 

Formuły dynamiczne często widzą więcej, niż potrzebujesz: puste miejsca przewidziane na przyszłe dane, techniczne kolumny, dodatkowe wiersze. Efektem mogą być niepotrzebne zera, puste rekordy i mniej czytelne zestawienia, które później trzeba filtrować. 

Zastosowanie kropki pozwala od razu ograniczyć zakres do komórek z realnymi danymi. Dzięki temu pozbywasz się pustych wierszy na końcu, eliminujesz zbędne zera i dostajesz wynik gotowy do dalszej analizy lub wizualizacji, np. w tabelach przestawnych czy raportach zarządczych. 

Koniec statycznych obliczeń – dlaczego musisz poznać Excel 365?

Największa zmiana w Excelu 365 dotyczy tego, jak przetwarzane są formuły. Starsze wersje opierały się na podejściu statycznym:

• formuły kopiowane w dół,
• ręcznie pilnowane zakresy,
• kontrola po każdej aktualizacji danych. 

Nowy Excel działa dynamicznie. Jedna formuła może generować całe zakresy wyników, automatycznie dopasowując się do liczby wierszy. Zakresy reagują na nowe rekordy, a wiele czynności utrzymaniowych dzieje się w tle, bez Twojej ingerencji. 

W tym modelu @, # i . pełnią konkretne role: pierwszy pilnuje zgodności ze starszymi plikami i blokuje rozlewanie wyników, drugi zarządza dynamicznymi zakresami rosnącymi wraz z danymi, a trzeci porządkuje wyniki, przycinając zakres do rzeczywistej zawartości. 

Zobacz jak to działa w praktyce – nowy film o Excelu na moim kanale

Podsumowanie: Symbole w formułach Excel 365 

Excel 365 nie wymaga znajomości każdego technicznego detalu, ale zdecydowanie premiuje tych, którzy rozumieją, co stoi za symbolami @, # i .. Świadome korzystanie z nich pozwala budować raporty bardziej odporne na błędy, łatwiejsze w utrzymaniu i lepiej przygotowane na zmiany w danych. To niewielka inwestycja w naukę, która szybko procentuje, gdy kolejne arkusze zaczynają pracować same, a Ty możesz skupić się na analizie zamiast na poprawianiu formuł. 

Pobierz plik z symbolami Excel 365

Tu możesz pobrać plik Excel i sprawdzić, jak te symbole wyglądają w pasku formuły.

Power BI to obecnie jedno z najważniejszych narzędzi dla każdego, kto pracuje z danymi, raportami i analizą biznesową. Jednak wiele osób popełnia ten sam błąd: zaczyna naukę od końca, próbując wyklikać wykresy bez zrozumienia fundamentów. Jak zatem uczyć się Power BI, by stać się samodzielnym analitykiem? Kluczem jest podejście procesowe.

Dlaczego większość osób uczy się Power BI od złej strony?

Scenariusz zazwyczaj wygląda tak: otwierasz Power BI Desktop, klikasz pierwszy wykres, importujesz plik z Excela i próbujesz coś zbudować. Na początku wygląda to zachęcająco, ale po chwili pojawiają się pytania:

• Dlaczego dane źle się łączą?
• Dlaczego miara pokazuje inny wynik niż w Excelu?
• Czym różni się tabela od modelu danych?
• Po co mi Power Query?
• Kiedy użyć DAX, a kiedy Power Query?
• Jak zrobić dashboard, który naprawdę pomaga w pracy?

Odpowiedź jest prosta: Power BI to nie jest „lepszy Excel”. To potężne środowisko, którego najlepiej uczyć się procesowo. Nie od przypadkowych wykresów czy kopiowania tutoriali bez zrozumienia, ale krok po kroku – tak, jak wygląda realna praca Analityka.

A Ty na którym etapie najczęściej utykasz? Daj znać w komentarzu!

Moja sprawdzona metoda: 7 kroków do samodzielności w Power BI

Najważniejsza zasada jest prosta: Power BI warto poznawać tak, jak wygląda realna praca Analityka.

W codziennej pracy nie dostajesz idealnych danych i gotowego raportu. Najczęściej dostajesz pliki Excel, eksporty z systemów, dane z baz danych SQL, niejednolite nazwy kolumn, błędy, puste wartości i oczekiwanie, że zrobisz z tego raport.

Dlatego skuteczna nauka Power BI powinna obejmować cały proces:

1. Określenie celu raportu,
2. Pobranie danych,
3. Przygotowanie danych w Power Query,
4. Budowę modelu danych,
5. Stworzenie miar DAX,
6. Zaprojektowanie wizualizacji i zbudowanie dashboardów,
7. Publikację i udostępnienie raportu w Power BI Service.

Dopiero wtedy Power BI zaczyna być czymś więcej niż narzędziem do tworzenia wykresów. Staje się środowiskiem do budowania raportów, które pomagają podejmować decyzje.

1. Zacznij od celu raportu, a nie od wykresu

Pierwszy błąd początkujących użytkowników Power BI polega na tym, że od razu zaczynają od wizualizacji. To naturalne, bo wykresy są najbardziej widoczną częścią raportu. Ale dobry raport nie zaczyna się od pytania: „jaki wykres wstawić?”.

Dobry raport zaczyna się od pytania: jaką decyzję ma ułatwić ten raport?

Zanim otworzysz Power BI Desktop, warto odpowiedzieć sobie na kilka pytań:

• Kto będzie korzystał z raportu?
• Jakie pytania zadaje menedżer, klient albo zespół?
• Jakie dane są potrzebne, żeby na te pytania odpowiedzieć?
• Czy raport ma pokazywać sprzedaż, koszty, marżę, klientów, produkty, realizację celu, trend czy odchylenia?
• Czy użytkownik ma analizować szczegóły, czy tylko najważniejsze wskaźniki?

Dzięki temu Power BI nie staje się zbiorem losowych wykresów, ale narzędziem do rozwiązania konkretnego problemu biznesowego.

2. Poznaj Power BI Desktop

Power BI Desktop to główne narzędzie do tworzenia raportów Power BI. To tutaj pobierasz dane, przygotowujesz model, tworzysz miary, projektujesz wizualizacje i budujesz raport.

Na początku nie musisz znać wszystkich opcji programu. Warto zacząć od podstaw:

• importowania danych,
• tworzenia prostych wykresów,
• dodawania tabel i macierzy,
• korzystania z kart KPI,
• filtrowania raportu,
• używania fragmentatorów,
• sprawdzania interakcji między wizualizacjami.

Ten etap pozwala zrozumieć, że Power BI nie działa jak zwykły arkusz Excela.

Raport jest interaktywny. Kliknięcie jednego elementu może filtrować inne wykresy. Fragmentator pozwala użytkownikowi samodzielnie analizować dane. Karta KPI może pokazywać najważniejszą liczbę, a wykres liniowy trend w czasie.

Ale to dopiero początek.

3. Naucz się Power Query, bo dane rzadko są gotowe

Jednym z najważniejszych elementów nauki Power BI jest Power Query.

To właśnie Power Query pozwala pobierać, czyścić, przekształcać i łączyć dane przed załadowaniem ich do raportu.

W praktyce to ogromna oszczędność czasu.

Jeśli dziś co miesiąc ręcznie kopiujesz dane, usuwasz puste wiersze, poprawiasz nazwy kolumn, łączysz pliki i przygotowujesz raport od nowa, Power Query może zautomatyzować dużą część tej pracy.

W Power Query warto nauczyć się między innymi:

• pobierania danych z Excela, CSV, folderów i innych źródeł,
• zmiany typów danych,
• usuwania błędów i pustych wartości,
• dzielenia i łączenia kolumn,
• filtrowania danych,
• scalania zapytań, czyli Merge,
• dołączania danych, czyli Append,
• grupowania danych,
• odwracania układu tabeli, czyli Unpivot,
• pracy z wieloma plikami z folderu.

To etap, na którym wiele osób odkrywa największą wartość Power BI.

Bo Power BI to nie tylko ładne dashboardy. To także automatyzacja powtarzalnej pracy z danymi.

4. Zbuduj model danych

Po przygotowaniu danych przychodzi czas na model danych. To bardzo ważny etap, który często jest pomijany przez osoby uczące się Power BI samodzielnie.

Początkujący użytkownicy często próbują wrzucić wszystko do jednej dużej tabeli. Na początku może się wydawać, że to prostsze. Ale przy większych raportach takie podejście szybko prowadzi do problemów.

Dobrze zbudowany model danych pozwala połączyć informacje z różnych tabel: sprzedaż, produkty, klienci, regiony, kalendarz, handlowcy, budżety czy cele.

Warto zrozumieć takie pojęcia jak:

• tabela faktów,
• tabela wymiarów,
• relacje między tabelami,
• klucze,
• kierunek filtrowania,
• tabela kalendarza,
• hierarchie dat,
• model gwiazdy.

To właśnie model danych decyduje o tym, czy raport będzie stabilny, elastyczny i poprawny.
Bez dobrego modelu nawet najlepszy wykres może pokazywać błędne wyniki.

5. DAX poznawaj przez konkretne problemy biznesowe

DAX to język formuł używany w Power BI do tworzenia miar i obliczeń.
Dla wielu osób jest to najtrudniejszy element nauki Power BI, ale nie warto zaczynać od suchej teorii.

Najlepiej uczyć się DAX-a przez konkretne pytania biznesowe:

• Jak policzyć sprzedaż?
• Jak policzyć marżę?
• Jak policzyć liczbę klientów?
• Jak sprawdzić udział procentowy kategorii w całości?
• Jak porównać wynik rok do roku?
• Jak zabezpieczyć dzielenie przez zero?
• Jak policzyć sprzedaż narastająco?
• Jak analizować wyniki według daty?

Na start warto poznać podstawowe funkcje DAX, takie jak:

• SUM,
• AVERAGE,
• COUNTROWS,
• DISTINCTCOUNT,
• DIVIDE,
• CALCULATE,
• FILTER,
• ALL,
• SUMX,
• IF.

Najważniejsze jest jednak nie samo zapamiętanie nazw funkcji, ale zrozumienie, po co tworzymy miary.
Miara DAX ma odpowiadać na konkretne pytanie w raporcie.

6. Projektuj dashboardy, które pomagają podejmować decyzje

Dopiero po przygotowaniu danych, zbudowaniu modelu i stworzeniu podstawowych miar warto mocniej skupić się na wizualizacjach.
Dobry dashboard Power BI powinien być czytelny, logiczny i użyteczny.

Nie chodzi o to, żeby wstawić jak najwięcej wykresów. Chodzi o to, żeby użytkownik szybko zrozumiał sytuację i mógł podjąć decyzję.

Warto wiedzieć, kiedy używać konkretnych elementów raportu:

• wykres kolumnowy dobrze pokazuje porównania,
• wykres liniowy pokazuje trend w czasie,
• karta KPI podkreśla najważniejszą liczbę,
• tabela sprawdza się przy szczegółach,
• macierz pomaga analizować dane w układzie przekrojowym,
• fragmentator pozwala filtrować raport,
• drill-through prowadzi od ogółu do szczegółu.

Dobry raport Power BI powinien prowadzić użytkownika.

Najpierw pokazuje ogólny obraz, potem pozwala zejść do szczegółów i znaleźć przyczynę wyniku.

7. Naucz się publikować raport w Power BI Service

Power BI nie kończy się na pliku zapisanym na komputerze. W praktyce raporty często trzeba opublikować w Power BI Service, udostępnić innym osobom i przygotować do pracy zespołowej. To kolejny ważny etap nauki.

Warto wiedzieć, jak opublikować raport, jak udostępnić go użytkownikom, jak działa odświeżanie danych i czym różni się praca w Power BI Desktop od pracy w usłudze Power BI.

Dzięki temu uczysz się nie tylko tworzyć raport, ale też dostarczać gotowe rozwiązanie dla firmy, klienta albo zespołu.

Szkolenie otwarte Power BI online. Dla kogo będzie dobrym wyborem?

Szkolenie otwarte Power BI online będzie dobrym wyborem dla osób, które chcą nauczyć się Power BI w uporządkowany sposób, ale nie potrzebują szkolenia zamkniętego przygotowanego specjalnie pod jedną firmę. To dobra opcja dla osób, które pracują z danymi w Excelu i chcą wejść poziom wyżej.

Szkolenie może być szczególnie przydatne dla:

• analityków,
• specjalistów finansowych,
• kontrolerów,
• pracowników działów sprzedaży,
• osób z HR,
• osób z logistyki,
• specjalistów administracji,
• menedżerów pracujących z raportami,
• osób, które chcą rozwijać się w kierunku analizy danych.

Jeśli dziś przygotowujesz raporty ręcznie, łączysz dane z różnych plików, budujesz zestawienia w Excelu i czujesz, że zaczyna Cię to ograniczać, Power BI może być naturalnym kolejnym krokiem.

Szkolenie otwarte Power BI a szkolenie zamknięte

Szkolenie otwarte Power BI ma ustalony termin, program i formułę. Dołączają do niego osoby z różnych firm i branż, które chcą nauczyć się Power BI od podstaw lub uporządkować swoją wiedzę.

Szkolenie zamknięte jest przygotowywane dla jednej firmy. Można wtedy mocniej dopasować przykłady, tempo i zakres do danych, procesów oraz potrzeb konkretnego zespołu.

Szkolenie otwarte będzie dobrym wyborem, jeśli:

• chcesz szybko rozpocząć naukę,
• nie czekasz na zebranie grupy w firmie,
• chcesz przejść sprawdzony program krok po kroku,
• zależy Ci na praktyce,
• potrzebujesz konkretnego terminu,
• chcesz uczyć się online, ale z trenerem na żywo.

Szkolenie zamknięte sprawdzi się lepiej wtedy, gdy firma chce przeszkolić cały zespół i pracować na własnych przykładach, danych lub raportach.

Co warto umieć przed szkoleniem Power BI?

Nie trzeba być programistą, żeby rozpocząć naukę Power BI. Nie trzeba też znać SQL, baz danych ani zaawansowanego DAX-a.

Najbardziej pomaga podstawowa znajomość Excela: praca z tabelami, filtrowanie danych, proste formuły, tabele przestawne i ogólne rozumienie raportów. Warto też rozumieć podstawowe pojęcia biznesowe, takie jak sprzedaż, koszt, marża, klient, produkt, region, okres, cel czy odchylenie.

Power BI najlepiej wchodzi osobom, które mają praktyczny problem do rozwiązania: raport miesięczny, analizę sprzedaży, zestawienie wyników, dashboard dla menedżera albo automatyzację powtarzalnego raportowania.

Czego nauczysz się na szkoleniu Power BI?

Na szkoleniu Power BI uczestnik przechodzi przez cały proces tworzenia raportu.
Nie uczy się pojedynczych funkcji w oderwaniu od praktyki, ale buduje raport krok po kroku.

Program obejmuje między innymi:

• Power BI Desktop,
• pobieranie danych,
• Power Query,
• czyszczenie i przekształcanie danych,
• łączenie danych z różnych źródeł,
• budowę modelu danych,
• podstawy DAX,
• tworzenie miar,
• projektowanie wizualizacji,
• budowę dashboardu,
• pracę z filtrami i fragmentatorami,
• publikację raportu.

Dzięki temu uczestnik rozumie nie tylko, gdzie kliknąć, ale też dlaczego dany etap jest ważny.
To podejście jest bardzo praktyczne, bo dokładnie tak wygląda codzienna praca z raportami Power BI.

Jak wygląda szkolenie online 9:00-16:00?

Szkolenie online odbywa się w godzinach 9:00-16:00, czyli w formule zbliżonej do klasycznego dnia szkoleniowego. To nie jest nagrany kurs do samodzielnego obejrzenia. To szkolenie z trenerem na żywo, podczas którego uczestnicy wykonują ćwiczenia, zadają pytania i przechodzą przez kolejne etapy budowy raportu.

Taka forma ma dużą zaletę: możesz uczyć się z dowolnego miejsca, ale nadal masz rytm pracy, kontakt z prowadzącym i praktyczny charakter szkolenia.

Podsumowanie

Power BI warto uczyć się praktycznie i procesowo. Nie od przypadkowych wykresów. Nie od samego DAX-a. Nie od kopiowania gotowych tutoriali bez zrozumienia. Najlepsza ścieżka nauki Power BI prowadzi od danych źródłowych, przez Power Query, model danych, DAX i wizualizacje, aż po gotowy dashboard.

Takie podejście pozwala nie tylko znać Power BI z widzenia, ale naprawdę używać go w pracy analityka, specjalisty, kontrolera, menedżera lub osoby odpowiedzialnej za raportowanie.

Jeśli chcesz przejść tę ścieżkę krok po kroku, dobrym rozwiązaniem może być szkolenie Power BI otwarte online prowadzone przez Bartosza Czapiewskiego ze SkuteczneRaporty.pl.

Najbliższe otwarte szkolenie Power BI Desktop odbywa się online w dniach 20-22 maja 2026 r.

Szczegóły i formularz zapisu znajdziesz tutaj:

Szkolenie Power BI otwarte online

Przy zapisie możesz skorzystać z 10% zniżki z hasłem POWER10.

FAQ

W dobie cyfrowej transformacji i rozwoju sztucznej inteligencji dane stały się najcenniejszym zasobem każdej firmy. Rok 2025 przyniósł branży IT prawdziwy „restart systemu” – liczba ogłoszeń o pracę wzrosła o 44% w porównaniu z rokiem poprzednim. W tym dynamicznym krajobrazie analityka danych to jedna z najpewniejszych dróg kariery.

Dlaczego już teraz jesteś Analitykiem (tylko o tym nie wiesz)? 

Można by pomyśleć, że analityk danych to postać z filmu science-fiction, otoczona hologramami i rzędami skomplikowanych cyferek. Prawda jest jednak znacznie bardziej… ludzka. Można by wręcz powiedzieć, że Analitykiem Danych jest… każdy z nas. 

Zastanów się: każdego dnia prowadzisz skomplikowane procesy myślowe. Porównujesz ceny masła w różnych sklepach, żeby wybrać najlepszą ofertę. Prowadzisz domowy rachunek zysków i strat, planując budżet na wakacje. Analizujesz, czy zdążysz na autobus, biorąc pod uwagę korki i pogodę. Gratulacje – właśnie wykonałeś analizę danych! 

Zawodowy analityk robi dokładnie to samo, tylko kilka poziomów wyżej. Zamiast cen masła, operuje na milionach rekordów sprzedażowych. Zamiast domowego budżetu, optymalizuje wielomiliardowe obroty globalnych marek. Tam, gdzie inni widzą tylko chaos i przypadkowe liczby, on dostrzega wzorce, które pozwalają firmom oszczędzać fortunę i wyprzedzać konkurencję. 

W 2026 roku rola ta ewoluowała. Analityk nie jest już tylko „osobą od Excela”. To partner biznesowy, który łączy umiejętności techniczne z głębokim zrozumieniem strategii rynkowej jednak dalej 80% zadań to czyszczenie danych. 

Twoja droga do Analityka – Sugerowana ścieżka rozwoju 

Jeśli dopiero zaczynasz, nie musisz od razu uczyć się wszystkiego. Skoncentruj się na tym, co daje największą wartość w codziennej pracy. Jako trener prowadzący szkolenia dla firm, rekomenduję skupienie się na ekosystemie Microsoftu. Excel jest obecny niemal w każdej organizacji, dlatego naturalnym krokiem jest przejście do bardziej zaawansowanych narzędzi tej samej rodziny. Dzięki temu proces nauki jest płynny, a Ty szybciej dostarczasz wartość swojemu pracodawcy. 

Sugerowane etapy nauki 

• KROK 1: Solidny fundament – Excel. To tu wszystko się zaczyna. Uczysz się rozumieć strukturę danych. 

• KROK 2: Power Query – Twoje centrum automatyzacji. To absolutna podstawa. Power Query pozwala raz przygotować proces czyszczenia i łączenia danych, który potem „robi się sam”. To tu oszczędzasz godziny żmudnej pracy.

• KROK 3: Power BI – Król wizualizacji. To tutaj dzieje się magia. Z mojego doświadczenia wynika, że to obecnie najlepszy wybór na rynku. Jeśli Twoja firma chce wdrożyć profesjonalną analitykę w swoich zespołach, sprawdź moje szkolenie zamknięte Power BI Desktop. 

• KROK 4: SQL – Element spinający całość. Gdy opanujesz narzędzia BI, czas na SQL. To on daje Ci swobodę poruszania się po bazach danych, hurtowniach czy nowoczesnych „jeziorach danych” (Data Lake). To klucz do bezpośredniego kontaktu z ogromnymi zbiorami informacji u samego źródła.

Dla osób, które chcą przejść tę drogę kompleksowo od A do Z, stworzyłem kompleksowy program rozwojowy I❤️DATA. To miejsce, gdzie budujemy Twoje kompetencje w logicznej i praktycznej kolejności. 

Zarobki i rynek pracy w 2026 roku 

Analityka danych (kategoria Data & BI) to obecnie 12,4% całego rynku IT. Co ważne dla początkujących, konkurencja o jedno miejsce spadła średnio o 45%, co otwiera szerokie drzwi dla nowych talentów. 

Medianowe zarobki w kategorii Data & BI: 

Źródło danych rynkowych: Raport No Fluff Jobs „Rynek pracy IT 2025/2026”. 

Perspektywy rozwoju: Kim możesz zostać później? 

Rola analityka danych to fantastyczny fundament. Dzięki niej rozumiesz nie tylko technologię, ale przede wszystkim to, jak działa biznes. Oto najpopularniejsze kierunki dalszego rozwoju: 

• Business Owner / Manager: Dzięki umiejętności łączenia danych z wiedzą o procesach i produktach, stajesz się liderem po stronie biznesu, który każdą decyzję opiera na faktach.
• Business Intelligence (BI) Developer: Specjalista od budowania całych systemów raportowych i dashboardów dla najwyższego kierownictwa. 
• Data Scientist: Skupiasz się na przewidywaniu przyszłości przy użyciu zaawansowanego Machine Learningu i języka Python. 
• Data Engineer: Osoba, która dba o techniczną architekturę danych, zapewniając ich czystość i dostępność dla innych działów. 
• Data Lead / Manager: Ścieżka zarządcza – zarządzasz zespołem analityków i odpowiadasz za strategię wykorzystania danych w całej firmie. 

Zacznij swoją przygodę z danymi już dziś! 

Zawód Analityka Danych to nie tylko stabilność i wysokie zarobki, ale przede wszystkim satysfakcja z realnego wpływu na rozwój biznesu. Niezależnie od tego, czy chcesz się przebranżowić, czy usprawnić raportowanie w swojej obecnej firmie, kluczem jest wybór właściwej drogi i sprawdzonych narzędzi.

Obejrzyj webinar Roadmapa Analityka Danych 2026

Twoim marzeniem jest zacząć pracę w analizie danych. Bierzesz udział w szkoleniu „Jak zostać Analitykiem Danych w 2026 r.?”. Przeglądasz ofertę kursu w społeczności, poznajesz trenera, długo się zastanawiasz. Wreszcie klikasz i wchodzisz do nowego świata programu I❤️DATA. Co możesz powiedzieć po miesiącu?

Krok 1: Logujesz się do Akademii SkuteczneRaporty.pl i Discorda 

6-miesięczny program rozwojowy jest wielką niewiadomą. Jak działa? Kto będzie w środku? Ile muszę się uczyć? Czy dam radę? Te i inne pytania towarzyszą Ci na początku. Po zakupie wita Cię Bartek i zaprasza na spotkanie organizacyjne. W międzyczasie logujesz się do kursu i przeglądasz zawartość Akademii – wszystkie kursy ponumerowane, uporządkowane, czekające na Twój wolny czas.  

Wchodzisz też na platformę Discord i nawet jak jej nie znasz, po chwili się odnajdujesz, dzięki kanałom. Inni już tu są i się przedstawiają. Piszesz swoje pierwsze, nieśmiałe powitanie. 

Krok 2: Bierzesz udział w LIVE I❤️DATA, czyli spotkaniu na żywo 

Na pierwszym spotkaniu na żywo przez Teams widzisz, że w 2. edycji programu jest ponad 100 osób. Poznajesz program ramowy realizacji kursów na 6 miesięcy, a w pierwszym miesiącu czeka na Ciebie powtórka z Excela – formuł i tabel przestawnych. To baza, do której odwołuje się wiele kursów. Na spotkaniu czeka też niespodzianka: 

Odbierasz dostęp do kursów po angielsku, żeby opanować analityczne słownictwo, interfejs narzędzi i opanować formuły Excela w obu językach

Krok 3: Zakładasz konto na LinkedIn 

Na pierwszym LIVE dowiadujesz się, żeby jak najszybciej zrobić kurs LinkedIn, bo rekruterzy właśnie tam działają najaktywniej. Żeby dać się znaleźć, warto już teraz zadbać o profil i rozpocząć budowę sieci kontaktów. Dzięki instrukcji krok po kroku i przykładowym profilom uzupełniasz swoje dane i zapraszasz do sieci kontaktów pierwsze osoby ze społeczności.

Krok 4: Zaczynasz kurs Formuły i Tabele przestawne Excel 

Pierwsze zadania są łatwe, kolejne trudniejsze. Dzięki temu stopniowo wchodzisz na coraz wyższy poziom Wszystkie wyzwania przygotowane są na realnych danych biznesowych, a każdy przykład pokazuje, do czego te dane są wykorzystywane. Dla Ciebie to pierwszy kontakt z takimi danymi. W kursie o tabelach przestawnych zaczynasz budować pierwsze dashboardy, uczysz się filtrowania i zaczynasz poznawać dynamiczną analizę danych. Na koniec wysyłasz 2 zadania i na swoim koncie masz 2 certyfikaty. Niezły start!

Krok 5: Bierzesz udział w LIVE’ach motywacyjnych 

Biorąc udział w 6-miesięcznym programie łatwo można stracić zapał. Gdy dowiadujesz się, że spotkanie LIVE prowadził coach Bartłomiej Sapała, wpisujesz je do kalendarza. Na spotkaniu odpowiadasz na najważniejsze pytanie: dlaczego?, wyznaczasz cel, walczysz z przekonaniem ograniczającym i planujesz swoje nawyki, aby działać automatycznie. 

Na kolejnym LIVE spotykasz absolwentki Ewę i Adę, które dzielą się swoimi historiami zawodowymi – od marzeń z młodości, przez wykształcenie (często nietrafione), doświadczenie zawodowe aż po wejście do świata danych. Ich historie ze zdobywania pracy utwierdzają Cię, że analiza danych to Twoja droga.

Krok 6: Bierzesz udział w 3 wyzwaniach 

Końcówkę pierwszego miesiąca masz luźniejszą, więc bierzesz udział we wszystkich wyzwaniach dodatkowych: 

– wyzwanie wielkanocne od Dominika Szcześniaka z danesawszedzie.pl, gdzie z pomocą czata AI próbujesz zmierzyć się z hurtownią danych, SQL i Power BI – wszystko na realnych przykładach 

– wyzwanie #BI_NGO od Klaudii Stano z jezykdanych.pl, gdzie budujesz projekt do portfolio i dowiadujesz się, że dzięki wolontariatowi możesz zdobyć pierwsze doświadczenie 

– wyzwanie od CFO w I❤️DATA – wcielasz się w rolę pracownika działu finansów, alokujesz budżet i budujesz dashboard na pivotach. Następnie podczas LIVE patrzysz, jak to samo zadanie zrealizowali inni uczestnicy – jakich formuł użyli, jak podeszli do tematu alokacji i jakie wybrali wykresy. Nie możesz być do końca spotkania, więc resztę LIVE oglądasz następnego dnia z nagrania. 

Krok 7: Zaczynasz dzień od przeglądu Discorda 

Inni uczestnicy kursu wrzucają tam swoje pytania, ale też opowiadają historie. A jest ich mnóstwo, bo są to też absolwenci 1. edycji programu. 

Sebastian pisze: 

Są już pierwsze efekty. Power BI poznałem dopiero na kursie. W mojej firmie operujemy na danych w Excelu i systemie SAP. Przygotowałem przykładowy raport w Power BI i szef jest zachwycony. Szykuje się podwyżka i wdrażanie Power BI ;)  Dziękuję za pomoc i działam dalej. Jeszcze trochę mam do przerobienia lekcji z kursu. 

Małgosia pisze: 

A w ogóle jestem mega podjarana nową pracą. Udało się mi się zahaczyć w analizie finansowo/księgowo/controllingowej gdzie cały obszar do odkrycia, koleżanka z działu z potężną wiedzą, którą się dzieli. I w końcu na żywym organizmie będę mogła coś więcej niż HR (gdzie tak na prawdę królowały zwykle excelowe raporty, a nie prawdziwa analityka). Gdyby nie program I❤️DATA, którym umieściłeś mi w głowie ideę: że mimo iż byłam pod ścianą to żeby jednak próbować cały czas szukać w ofercie pracy analityka a nie czegokolwiek, to chyba skończyłabym w Lidlu;( . W końcu wstaję i jadę do pracy z przyjemnością i ciężko mi odejść na koniec dnia od kompa. 😀 

Jan pisze: 

Po szkole postanowiłem iść na studia. Jestem właśnie po pierwszym semestrze informatyki z rozszerzeniem Business Intelligence. Liczyłem na to, że nauczę się tam wszystkiego o analizie danych, ale szybko zrozumiałem, że sama uczelnia nie da mi wystarczających umiejętności praktycznych. Wtedy trafiłem na film na YouTube: „Roadmapa Analityka Danych 2026”, dzięki któremu zacząłem naukę w Akademii SkuteczneRaporty. Obecnie poświęcam nauce każdą wolną chwilę. Pierwszy raz w życiu czuję, że robię dokładnie to, co chcę i co sprawia mi ogromną frajdę. 

Za Tobą pierwszy miesiąc w I❤️DATA 

Już wiesz, że to była jedna z lepszych decyzji w Twoim życiu. Ostrzysz zęby na następne 5 miesięcy i nie możesz się doczekać następnego spotkania na żywo. 

Kolejna edycja programu rusza już we wrześniu, więc zapisz się na listę oczekujących pod tym linkiem, aby nie przegapić swojej szansy.

Wielu użytkowników Excela wstawia tabelę przestawną w ten sam sposób. Zaznaczają kolumny, klikają Wstawianie i gotowe. Wszystko działa dopóki nie pojawia się powolny plik, raporty, które nie łapią nowych danych i daty grupujące się w losowy sposób. Te problemy nie biorą się z powietrza. Mają jedno konkretne źródło: zły wybór metody już na starcie. W tym artykule pokażę Ci pięć metod na wstawienie tabeli przestawnej Excel, ale tylko dwie sprawią, że po zmianie danych wystarczy kliknąć Odśwież, żeby mieć gotowy raport.

Co to jest tabela przestawna i kiedy naprawdę się przydaje?

Tabela przestawna to narzędzie do błyskawicznego podsumowania dużych zbiorów danych. Zamiast pisać formuły i ręcznie grupować dane, przeciągasz pola i w kilka sekund masz gotowy raport. Żeby jednak działała poprawnie, musi mieć dobre źródło danych. I właśnie tu zaczyna się różnica między metodami.

Jeśli nie znasz jeszcze tabeli przestawnej, sprawdź wszystkie artykuły o pivotach na moim blogu. Tabelom przestawnym poświęciłem aż 6-godzinny moduł w kursie JUNIOR Analityk, którzy niektórzy nazywają najlepszym kursem świata. Pivoty są też podstawą takich narzędzi jak Power Pivot i Power BI, o których dowiesz się więcej w kursie POWER PRO.

Metoda 1: Zaznaczanie całych kolumn – popularna, ale kosztowna 

Zacznę od metody, której lepiej unikać – bo zbyt wiele osób jej używa, nie wiedząc, że robi to źle. 

Klikasz nagłówek kolumny, zaznaczasz całe kolumny i wybierasz Wstawianie > Tabela przestawna. Excel nie protestuje i tworzy raport. Ale w źródle masz teraz cały milion wierszy – w tym setki tysięcy pustych. To spowalnia plik, generuje błędy grupowania i potrafi skutecznie uprzykrzyć życie przy każdym odświeżeniu. 

Metoda 2: Ręczne zaznaczenie zakresu – poprawna, lecz wymaga pracy przy każdej zmianie 

Ta metoda jest poziom wyżej, ale wiąże się z pewnym ograniczeniem. Zaznaczasz ręcznie cały zakres swojej tabeli (myszką albo z klawiatury), a potem wybierasz Wstawianie > Tabela przestawna. 

Tym razem źródło jest czyste. Excel opiera się tylko na zaznaczonych danych, bez pustych wierszy. Problem? Przy dużych tabelach złapanie całego zakresu zajmuje czas. A jeśli tabela rośnie z tygodnia na tydzień, za każdym razem musisz poprawiać zakres ręcznie. 

Poprawna metoda, ale powolna.

Metoda 3: Kursor wewnątrz zakresu – najszybszy sposób na jednorazową analizę 

Zamiast zaznaczać dane, ustaw aktywną komórkę w środku zakresu danych (kliknij jedną komórkę wewnątrz tabeli) i wybierz Wstawianie > Tabela przestawna. Excel sam rozpozna granice Twojego zakresu. Nie musisz nic zaznaczać. Kursor w środku wystarczy. 

To metoda szybka, bezpieczna i eliminuje ryzyko złapania pustych wierszy z całej kolumny, ale nie ułatwia odświeżania tabeli po dopisaniu nowych danych.

Metoda 4: Tabela sformatowana (Ctrl+T) jako źródło – dane, które same się aktualizują 

Tu zaczyna się prawdziwa wygoda. Zanim wstawisz tabelę przestawną, zamień dane w obiekt tabeli – wystarczy skrót Ctrl+T. Excel obramuje zakres, nada mu nazwę i od tej chwili traktujesz go jako dynamiczny obiekt, nie statyczny zakres komórek. 

Co to zmienia w praktyce? Kiedy tworzysz tabelę przestawną na bazie takiej tabeli, jej źródło opisane jest nazwą – nie adresem w stylu $A$1:$D$500. Gdy dopisujesz nowy wiersz do tabeli, wystarczy kliknąć Odśwież, a tabela przestawna automatycznie go uwzględnia. 

Metoda 5: Power Query jako źródło – jedno kliknięcie Odśwież aktualizuje cały raport 

I tu wkraczamy na zupełnie inny poziom. Jeśli Twoje dane pochodzą ze źródła zewnętrznego – innego pliku Excel, bazy danych, raportu eksportowanego z systemu – najlepszym rozwiązaniem jest połączenie Power Query z tabelą przestawną. 

Jak to zrobić krok po kroku? 

1. Przejdź na kartę Dane > Pobierz dane i wybierz swoje źródło (plik Excel, CSV, baza danych). 

2. W edytorze Power Query oczyść i przygotuj dane – usuń zbędne kolumny, popraw typy danych, odfiltruj niepotrzebne wiersze. 

3. Kliknij Zamknij i załaduj. Dane trafią do sformatowanej tabeli w Excelu. 

4. Sprawdź, czy nie ma błędów w załadowanych danych. Nie wstawiaj tabeli przestawnej na tabeli. Zamiast tego…

5. Kliknij prawym przyciskiem myszy na zapytanie w panelu Zapytania i połączenia > Załaduj do… > Raport w formie tabeli przestawnej. 

Co zyskujesz? Kiedy dane źródłowe się zmienią, jedno kliknięcie Odśwież wszystko wystarczy. Power Query pobiera zaktualizowane dane, ładuje je do tabeli, a tabela przestawna automatycznie się aktualizuje. 

Poprawne przygotowanie danych podstawą pracy z Microsoft Copilot i AI

Dla Microsoft Copilot i innych narzędzi AI ogromne znaczenie ma to, aby źródło danych do tabeli przestawnej w Microsoft Excel było przygotowane jako tabela Excel lub zapytanie Power Query. AI znacznie lepiej analizuje dane zapisane w logicznym układzie niż przypadkowe zakresy komórek z pustymi wierszami, scaleniami czy ręcznie dopisywanymi wartościami. Dzięki temu Copilot szybciej rozumie zawartość pliku, trafniej proponuje analizy, raporty i wykresy oraz może automatycznie budować tabele przestawne na wiarygodnym, aktualnym źródle danych. To fundament nowoczesnej pracy z Excelem: najpierw porządek w danych, potem automatyzacja i AI.

5 rzeczy do sprawdzenia w danych, zanim wstawisz tabelę przestawną 

Niezależnie od metody, którą wybierzesz, tabela przestawna zadziała poprawnie tylko wtedy, gdy dane źródłowe są czyste.  Sprawdź pięć rzeczy, zanim zaczniesz: 

1. Każda kolumna ma nagłówek – bez wyjątków. 
2. Brak scalonych komórek – scalanie i tabele przestawne to złe połączenie. 
3. Brak pustych wierszy w środku danych – każdy pusty wiersz to sygnał STOP dla Excela. 
4. Daty są datami, nie tekstem – Excel musi je rozpoznać jako format daty, żeby móc je grupować. 
5. Liczby są liczbami, a nie tekstem – liczba zapisana jako tekst da Ci sumę równą zero. 

Jeśli Twoja tabela przestawna pokazuje dziwne wyniki, nie grupuje dat albo suma wychodzi zero – zacznij od tych pięciu punktów. To rozwiązuje 90% problemów. 

Którą metodę na wstawianie tabel przestawnych w Excelu wybrać?

Podsumowując, dla jednorazowych analiz wystarczy kursor w środku zakresu, jednak dla regularnych raportów sformatowana tabela lub Power Query to jedyna sensowna droga. 

Wstawianie pivotów w Excelu na 5 sposobów – wideo

Na moim kanale YouTube pokazuję przejście przez wszystkie 5 metod, abyś mógł od razu powtórzyć to u siebie w arkuszu.

Masz pytania w temacie wstawiania tabel przestawnych w Excelu lub pivotów w ogóle?

Daj znać w komentarzu.

Standardowy system dat Microsoft Excel nie rozpoznaje dat wcześniejszych niż 1 stycznia 1900 roku, traktując je wyłącznie jako tekst. Skuteczne rozwiązanie tego problemu, zgłoszonego przez pasjonata historii podczas szkolenia z Excela, podpowiedział asystent Microsoft Copilot. AI wygenerowało nam zaawansowaną formułę, uwzględniając przy tym logikę lat przestępnych, bez wychodzenia z Excela.

Dlaczego Excel nie liczy dat przed 1900 rokiem?

W pracy z Excelem jest taki moment, który potrafi zatrzymać nawet doświadczonego analityka. Wszystko działa świetnie – formuły liczą, tabele przestawne się odświeżają, wykresy wyglądają jak trzeba. Aż nagle pojawia się potrzeba policzenia różnicy między dwiema datami historycznymi. 

Na przykład: ile dni minęło od Bitwy pod Grunwaldem do dziś? 

Naturalny odruch? Wpisać dwie daty i odjąć jedną od drugiej. 

I właśnie wtedy Excel mówi: nie tym razem. 

Problem polega na tym, że system dat Excela zaczyna się od 1 stycznia 1900 roku. Wszystko, co jest wcześniejsze, program traktuje nie jak datę, ale jak zwykły tekst. W praktyce oznacza to, że dla daty 15.07.1410 klasyczne odejmowanie po prostu nie zadziała. 

To jeden z tych tematów, które na pierwszy rzut oka wydają się banalne, a po chwili okazują się bardzo ciekawym ograniczeniem samego narzędzia. Dokładnie takie problemy najczęściej pojawiają się podczas pracy z danymi historycznymi, archiwami, analizą trendów wieloletnich czy materiałami edukacyjnymi. 

Jak stworzyć złożoną formułę w Excelu z pomocą Microsoft Copilot?

Zamiast ręcznie budować własną formułę, szukać obejścia na forach czy korzystać z AI w przeglądarce, postanowiłem sprawdzić, jak z tym zadaniem poradzi sobie Copilot w Excelu. Testowałem go ostatnio rok temu, ale od tego czasu sporo się zmieniło. To rozwiązanie jest płatne (ok. 100 zł miesięcznie), chyba że korzystasz z pakietu Microsoft 365 Personal/Family albo firmowego, gdzie dostęp został już opłacony. Najprościej to sprawdzić w samym Excelu na karcie Narzędzia główne. Jeśli widzisz tam ikonę Copilota, możesz z niego korzystać wewnątrz Excela. 

Po wciśnięciu ikony Copilota wkleiłem prompt:

Wstaw w komórce C2 formułę, która obliczy różnicę między datą A2 i B2 w dniach. Obie daty są zapisane jako tekst. Uwzględnij przestępność lat.

I tutaj zaczyna się najciekawsza część. Copilot nie zaproponował półśrodka. Nie zasugerował zmiany formatu ani obejścia typu „użyj tekstu”. Zamiast tego wygenerował kompletną formułę, która matematycznie przelicza daty zapisane jako tekst. Czyli dokładnie to, czego Excel sam z siebie nie potrafi. 

Oto gotowa formuła:

=365*(WARTOŚĆ(PRAWY(B2;4))-JEŻELI(WARTOŚĆ(FRAGMENT.TEKSTU(B2;4;2))<=2;1;0))+ZAOKR.DO.CAŁK((WARTOŚĆ(PRAWY(B2;4))-JEŻELI(WARTOŚĆ(FRAGMENT.TEKSTU(B2;4;2))<=2;1;0))/4)-ZAOKR.DO.CAŁK((WARTOŚĆ(PRAWY(B2;4))-JEŻELI(WARTOŚĆ(FRAGMENT.TEKSTU(B2;4;2))<=2;1;0))/100)+ZAOKR.DO.CAŁK((WARTOŚĆ(PRAWY(B2;4))-JEŻELI(WARTOŚĆ(FRAGMENT.TEKSTU(B2;4;2))<=2;1;0))/400)+ZAOKR.DO.CAŁK((153((WARTOŚĆ(FRAGMENT.TEKSTU(B2;4;2))+JEŻELI(WARTOŚĆ(FRAGMENT.TEKSTU(B2;4;2))<=2;12;0))-3)+2)/5)+WARTOŚĆ(LEWY(B2;2))-1 – (365(WARTOŚĆ(PRAWY(A2;4))-JEŻELI(WARTOŚĆ(FRAGMENT.TEKSTU(A2;4;2))<=2;1;0))+ZAOKR.DO.CAŁK((WARTOŚĆ(PRAWY(A2;4))-JEŻELI(WARTOŚĆ(FRAGMENT.TEKSTU(A2;4;2))<=2;1;0))/4)-ZAOKR.DO.CAŁK((WARTOŚĆ(PRAWY(A2;4))-JEŻELI(WARTOŚĆ(FRAGMENT.TEKSTU(A2;4;2))<=2;1;0))/100)+ZAOKR.DO.CAŁK((WARTOŚĆ(PRAWY(A2;4))-JEŻELI(WARTOŚĆ(FRAGMENT.TEKSTU(A2;4;2))<=2;1;0))/400)+ZAOKR.DO.CAŁK((153*((WARTOŚĆ(FRAGMENT.TEKSTU(A2;4;2))+JEŻELI(WARTOŚĆ(FRAGMENT.TEKSTU(A2;4;2))<=2;12;0))-3)+2)/5)+WARTOŚĆ(LEWY(A2;2))-1)

Formuła rozbija datę na trzy elementy: 

• dzień, 

• miesiąc, 

• rok.

Następnie przelicza je na liczbę dni od początku przyjętej osi czasu i uwzględnia lata przestępne, w tym zasady 4 / 100 / 400. 

To już nie jest zwykła formuła użytkowa, ale mały algorytm zaszyty w jednej komórce. I właśnie to zrobiło na mnie największe wrażenie. Copilot testował różne rozwiązania, napotykał problemy, sam decydował o dalszym badaniu różnych możliwości i finalnie zaproponował rozwiązanie i wkleił do arkusza. Tak właśnie wyobrażam sobie pracę z AI: realny problem w pracy > prośba o pomoc > gotowy, przetestowany efekt.

Dlaczego Copilot w Excelu jest lepszy niż czat w przeglądarce?

Po wklejeniu formuły i podstawieniu dat wynik pojawił się od razu. Samo wyzwanie brzmi może jak ciekawostka historyczna, ale dla mnie to przede wszystkim świetny przykład na to, jak AI może pomóc w pracy z Excelem bez konieczności wychodzenia z tej aplikacji. Zamiast przechodzić do przeglądarki i korzystać z czatu AI (np. Chat GPT, Gemini, Claude czy Copilot), rozwiązuję problem w Excelu.

To nie jest kolejny przykład generowania tekstu czy automatycznego podsumowania. To realne rozwiązanie problemu, który bez Copilota wymagałoby: 

• znajomości zasad kalendarza, 

• uwzględnienia logiki lat przestępnych, 

• zbudowania własnego algorytmu, 

• testowania poprawności wyniku. 

Obejrzyj film wideo z Copilotem w Excelu w akcji

Pobierz darmowy szablon Excela do obliczania różnicy dat

Żebyś mógł od razu przetestować to rozwiązanie, przygotowałem gotowy plik Excel do pobrania. 

W środku znajdziesz: 

• gotową formułę, 

• przykładowe daty historyczne, 

• wyliczoną różnicę dni, 

• możliwość podmiany dat na własne. 

Plik Excel z formułą Copilot do pobrania

Daj znać, jakie najstarsze daty zdarzyło Ci się liczyć w Excelu.

Czym jest Input Slicer w Power BI?

Input Slicer (w fazie preview znany jako Text Slicer) to wizualizacja w Power BI umożliwiająca filtrowanie danych przez wpisanie lub wklejenie wartości tekstowych i numerycznych, z obsługą operatorów takich jak „zawiera”, „zaczyna się od” czy dokładne dopasowanie.

Input Slicer to nowy typ wizualizacji w Power BI, który zastępuje tradycyjne scrollowanie przez długi slicer w postaci listy z wyszukiwarką (1) lub używanie niestandardowych wizualizacji, takich jak Text Filter (2).

Użytkownik wpisuje lub wkleja wartości bezpośrednio. Raport filtruje się natychmiast, bez konieczności przeklikiwania tysięcy pozycji. To rozwiązanie problemu, który od lat blokuje efektywne korzystanie z Power BI w scenariuszach operacyjnych, omawiany szczegółowo na naszym szkoleniu Power BI dla firm.

Jakie problemy rozwiązuje Input Slicer? Przykłady z praktyki szkoleń Power BI

Podczas szkoleń Power BI najczęściej spotykamy trzy scenariusze, w których tradycyjny slicer zawodzi:

Scenariusz 1: Analityk sprzedaży i lista klientów do rozliczenia

Dział finansów przesyła Excela z kilkoma nazwiskami klientów. Analityk musi sprawdzić ich status w raporcie Power BI. Zamiast wpisywać i zaznaczać na fragmentatorze każdą osobę z osobna, kopiuje i wkleja do Input Slicera, a raport filtruje się w jednej sekundzie.

Scenariusz 2:  Menedżer operacyjny szukający incydentów po ID

W raporcie serwisowym są dziesiątki tysięcy zgłoszeń. Menedżer zna numery konkretnych ticketów od klienta – wpisuje je jeden po drugim.

Scenariusz 3: Kontroler finansowy i kody produktów

Zamiast budować osobny filtr dla każdej sesji, wkleja listę kodów SKU z arkusza kalkulacyjnego i od razu przechodzi do analizy marż.

Każdy z tych przypadków omawiamy na praktycznych ćwiczeniach w ramach kursu Power BI na SkuteczneRaporty.pl.

Jak działa Input Slicer w Power BI – kompletny przewodnik

Tryb 1: Wyszukiwanie tekstu w kolumnie danych Power BI

Dodaj kolumnę (np. Klient) na półkę Pole. Od tej chwili slicer działa jak inteligentne pole wyszukiwania z różnymi operatorami filtrowania.

• Zawiera wszystkie (Contains all) – będzie rzadko wykorzystywany. Żeby go włączyć, dodaj co najmniej dwa wpisy. Ciąg tekstowy musi zawierać każdy z wpisanych tekstów.
• Zawiera dowolne (Contains any) – domyślny. Zwraca wszystkie rekordy, w których wartość zawiera wpisany ciąg znaków.
• Nie zawiera żadnych (Does not contain any) – wyklucza rekordy na tej samej zasadzie.
• Rozpoczyna się od dowolnego (Starts with any) – przydatne przy kodach i prefiksach.
• Nie zaczyna się od żadnego (Does not start with any) – wyklucza rekordy zaczynające się od podanych wartości.
• Jest dowolny (Is any of) – dokładne dopasowanie do wpisanego tekstu (czyli reguła „równa się”), zero tolerancji, precyzyjne ID.
• Nie jest żadną (Is none of) – wykluczenia z filtrowania na zasadzie dokładnego dopasowania.

Każda wpisana wartość pojawia się jako osobna pigułka („filter pill”) – wizualny tag, który można edytować lub usunąć jednym kliknięciem. To rozwiązanie, które na szkoleniu Power BI pokazuję jako przykład dobrego UX w raportach operacyjnych.

Zobacz na wideo, jak działa najnowszy Input Slicer w Power BI

Tryb 2: Zaznaczanie wiele elementów na polu Power BI

Ta opcja jest domyślnie wyłączona i trzeba ją włączyć w panelu formatowania > Ustawienia fragmentatora > Zaakceptuj wiele wartości. Dzięki niej użytkownik może wpisać lub wkleić kilka wartości jednocześnie – każda z nich staje się osobnym filtrem widocznym jako „filter pill”. Bez tej opcji pole przyjmuje tylko jedną wartość na raz i nadpisuje poprzednią przy każdym wpisaniu.

Tryb 3: Zbieranie danych od użytkownika Power BI z możliwością przekazania do Microsoft Fabric – scenariusz dla zaawansowanych

Gdy Input Slicer nie jest podpięty pod kolumnę danych, przestaje filtrować – a zaczyna zbierać dane wejściowe od użytkownika, które można przekazać do funkcji Fabric. To otwiera drzwi do scenariuszy write-back: zatwierdzania danych, komentarzy w raporcie czy wyzwalania powiadomień bez opuszczania Power BI.

Formatowanie warunkowe w Input Slicerze – co się zmieniło w marcu 2026?

Miesiąc po premierze Microsoft dołożył formatowanie warunkowe (fx) dla wszystkich kluczowych elementów wizualizacji. Na szkoleniu Power BI z zakresu raportowania to temat, który pojawia się coraz częściej, bo formatowanie warunkowe zmienia Input Slicer z prostego pola tekstowego w element w pełni zintegrowany z identyfikacją wizualną raportu.

Przykłady użycia podane przez Microsoft to np. zmiana koloru paska akcentowego na podstawie pola statusu lub podświetlenie przycisku zastosowania gdy spełnione są określone warunki. Formatowanie warunkowe Input Slicera jest zaprojektowane do tego, żeby reagować na kontekst danych w raporcie (np. wybrany region, status projektu, wartość KPI), a nie na zawartość samego pola tekstowego slicera.

Najczęstsze pytania o Input Slicer – FAQ dla uczestników szkoleń Power BI

Czy Input Slicer działa z kolumnami numerycznymi Power BI?

Tak. Input Slicer obsługuje zarówno kolumny tekstowe, jak i numeryczne — co czyni go przydatnym przy ID–kach, kodach EAN, numerach zamówień i innych identyfikatorach liczbowych.

Czy trzeba mieć licencję Power BI Premium?

Nie. Input Slicer jest dostępny na standardowej licencji Power BI i działa zarówno w Power BI Desktop, jak i w usłudze Power BI (Service).

Czy Input Slicer zastępuje tradycyjny fragmentator Power BI?

Nie zastępuje, lecz uzupełnia. Zwykły slicer sprawdza się przy małej liczbie wartości (kilkanaście kategorii), Input Slicer – przy dużych zbiorach unikalnych identyfikatorów lub gdy użytkownik przynosi własną listę filtrów z zewnątrz.

Czy można użyć Input Slicera do filtrowania między stronami raportu?

Tak. Input Slicer zachowuje się jak każdy inny slicer Power BI i wspiera synchronizację między stronami raportu za pomocą panelu Sync slicers.

Jak wkleić listę wartości z Excela do Input Slicera?

W momencie pisania artykułu nie da się. Funkcja Wklej działa na razie tylko dla innych slicerów – zaznacz slicer i kliknij Ctrl+V lub znajdź Wklej pod trzema kropkami.

Dla kogo Input Slicer jest najważniejszą nowością Power BI 2026?

Na podstawie reakcji uczestników szkoleń Power BI trzy grupy korzystają z niego najintensywniej:

• Analitycy operacyjni i sprzedażowi – praca z raportami ERP i CRM pełnymi numerycznych identyfikatorów staje się wreszcie komfortowa.
• Power BI Developerzy – interaktywne filtry tekstowe przestają wyglądać jak prototyp. Dzięki formatowaniu warunkowemu Input Slicer można dopasować do identyfikacji wizualnej firmy.
• Deweloperzy rozwiązań Fabric & Power BI – tryb zbierania danych otwiera scenariusze write-back, komentarzy i zatwierdzeń prosto z raportu, bez konieczności budowania osobnych aplikacji. Więcej o tej funkcjonalności przeczytasz w artykule Microsoft nt. przepływów zadań translitycznych

Podsumowanie: Co warto zapamiętać o Input Slicerze w Power BI Desktop i Service?

Input Slicer w Power BI to odpowiedź na problem, który przez lata omawialiśmy na szkoleniach Power BI jako ograniczenie narzędzia. Od lutego 2026 roku jest dostępny produkcyjnie dla wszystkich użytkowników, od marca 2026 roku – z pełnym formatowaniem warunkowym.

Kluczowe fakty w pigułce:

• Obsługuje tekstowe i numeryczne kolumny danych
• Umożliwia wpisywanie wartości tekstowych i wyszukiwanie wg reguł
• Operatory: zawiera, zaczyna się od, kończy się na, dokładne dopasowanie i ich negacje
• Od marca 2026: formatowanie warunkowe (fx) dla każdego elementu wizualizacji
• Bez dodatkowych licencji – działa na standardowym Power BI

Pobierz plik Power BI i poćwicz jak na szkoleniu

Jeśli znasz Power BI ze szkolenia przed 2026 rokiem i nie znasz jeszcze Input Slicera, zarezerwuj 10 minut, otwórz załączony raport w Power BI Desktop ze słownikiem wartości na polu Klient i sprawdź, jak taki slicer zmienia codzienną pracę z danymi. Tu możesz pobrać plik Power BI i sprawdzić działanie Input Slicera.