In de afgelopen maanden heb ik mijn manier van werken met Power BI drastisch zien veranderen. Waar ik vroeger eindeloos stukken DAX-code handmatig moest schrijven, testen en aanpassen, gebruik ik nu gespecialiseerde AI-tools zoals OpenAI’s GPT met DAX-kennis. Daarnaast maak ik gebruik van de tool Merlin, die letterlijk met me “meekijkt” en helpt bij het oplossen van fouten. Deze slimme technologieën besparen me niet alleen kostbare uren, maar verminderen ook het aantal fouten en maken mijn werk als data-analist aanzienlijk efficiënter.
In deze blog neem ik je mee in hoe ik deze tools gebruik, welke voordelen ze bieden en hoe ze me helpen complexe DAX-measures en Power BI-visuals sneller en slimmer te bouwen.
Van handmatig schrijven naar geautomatiseerde DAX-measures
Voorheen was het proces van het maken van DAX-measures in Power BI behoorlijk arbeidsintensief. Een groot deel van mijn tijd ging op aan het steeds opnieuw schrijven van vergelijkbare stukjes code. Denk bijvoorbeeld aan het maken van verschillende kolommen voor een verlies- en winstrekening, met als meest voorkomende DAX-functie de SWITCH-statement.
Een SWITCH-statement kan behoorlijk lang worden, soms wel 15 tot 20 regels per kolom. Voor elke nieuwe kolom — zoals “budget year-to-date”, “forecast”, “verschil tussen budget en forecast” — moest ik een aparte SWITCH schrijven. Dat werd nog complexer als ik dezelfde berekeningen wilde maken voor meerdere jaren. Formules zoals SAMEPERIODLASTYEAR() voegden extra complexiteit toe, waardoor ik voor elke periode nieuwe logica moest toevoegen. Dit was niet alleen tijdrovend, maar ook foutgevoelig. Eén kleine tikfout kon een hele berekening onderuit halen.
De gamechanger: GPT met DAX-kennis
De komst van GPT met DAX-functionaliteit veranderde alles. Nu kan ik een bestaande SWITCH-statement kopiëren, in GPT plakken en vragen:
“Pas deze aan voor budget, forecast en vorig jaar.”
Binnen enkele seconden herschrijft de AI de DAX-code voor me. Het resultaat is een kant-en-klare measure die ik alleen maar hoef te kopiëren en te plakken in Power BI. Wat vroeger uren duurde, is nu in een paar minuten gedaan. En omdat de AI leert van mijn input, wordt de code met elke iteratie beter.
Een ander voorbeeld is het maken van een measure die het verschil berekent tussen twee bestaande kolommen. In het verleden moest ik handmatig berekenen hoe ik die nieuwe kolom moest opstellen, met als gevolg dat ik telkens opnieuw het hele proces moest doorlopen. Nu is het veel eenvoudiger. Ik plak de eerste kolom in GPT, daarna de tweede, en stel de vraag:
“Maak een nieuwe DAX-measure die het verschil weergeeft tussen kolom A en kolom B.”
Binnen enkele seconden verschijnt er een volledig werkende DAX-formule. Geen handmatig schrijfwerk meer.
Van fouten zoeken naar fouten oplossen met Merlin
Naast de voordelen van GPT is er ook een andere tool die ik dagelijks gebruik: Merlin. Waar GPT helpt met het genereren van DAX-code, helpt Merlin me bij het oplossen van fouten en het verbeteren van visuals.
In Power BI kan het nogal eens gebeuren dat een visual niet helemaal doet wat je wilt. Misschien is de opmaak niet juist, of verschijnt een foutmelding met vage termen als “can’t resolve column name” of “circular dependency detected”. Vroeger begon ik dan een lange zoektocht op Google, forums en Stack Overflow om een oplossing te vinden. Dit kostte veel tijd en vaak vond ik pas na lang zoeken een werkbare oplossing.
Met Merlin werkt dit totaal anders. Wanneer ik nu een foutmelding zie, maak ik een screenshot van de error en vraag ik Merlin:
“Wat veroorzaakt deze fout en hoe los ik dit op?”
Merlin kijkt mee op mijn scherm en geeft stap-voor-stap instructies over hoe ik de fout kan verhelpen. Soms ligt het aan een kleine fout in de DAX-code, bijvoorbeeld een verkeerd gebruik van FILTER of CALCULATE. Andere keren ligt het probleem in de Power BI-instellingen, bijvoorbeeld een filteroptie die uit- of aangezet moet worden. In 90% van de gevallen krijg ik een duidelijke uitleg die me direct verder helpt.
Dit betekent dat ik nu binnen minuten problemen kan oplossen die me eerder uren zouden kosten. Een groot voordeel is dat Merlin niet alleen uitlegt wat er fout gaat, maar ook leert van mijn vragen, zodat de volgende keer de antwoorden nog specifieker en nuttiger zijn.
Slimme automatisering met AI: Van eenvoudige kolommen naar complexe berekeningen
Het automatiseren van simpele DAX-measures met AI is handig, maar het wordt pas écht krachtig als je grotere berekeningen kunt automatiseren. Een voorbeeld is de berekening van “procentuele groei ten opzichte van vorig jaar”.
Vroeger moest ik voor elke meting een aparte measure schrijven. Stel dat ik Sales, Sales LY (Last Year) en Growth Percentage wilde berekenen, dan schreef ik elke measure afzonderlijk:
Sales = SUM(Sales[Amount])Sales LY = CALCULATE([Sales], SAMEPERIODLASTYEAR(Calendar[Date]))Growth Percentage = DIVIDE([Sales] - [Sales LY], [Sales LY])
Met GPT hoef ik nu alleen maar één measure te schrijven en vraag ik aan de AI:
“Herschrijf deze measure zodat het de procentuele toename ten opzichte van vorig jaar weergeeft.”
De AI doet de rest. De nieuwe measure wordt gegenereerd, inclusief foutloze DAX-syntaxis. Dit scheelt niet alleen tijd, maar verhoogt ook de consistentie in mijn DAX-logica.
Tijdwinst, minder fouten en meer creativiteit
De voordelen van AI-tools zoals GPT en Merlin zijn niet te onderschatten. De grootste winst zit voor mij in drie aspecten:
-
Tijdwinst
Waar ik eerder uren bezig was met handmatig schrijven, kopiëren en foutopsporing, kan ik nu in enkele minuten een werkende measure genereren. Voor simpele aanpassingen, zoals het maken van eenGrowth Percentage, kost het me hooguit 5 minuten in plaats van een uur. -
Minder fouten
Het handmatig schrijven van DAX-code is foutgevoelig. Eén verkeerde haak, een vergeten komma of een verkeerd gebruikte functie kan alles breken. Door GPT in te zetten, worden veel van deze fouten automatisch opgevangen. -
Meer creativiteit en focus op analyse
Omdat ik minder tijd kwijt ben aan repetitief schrijfwerk, heb ik meer tijd om me te richten op datgene waar het echt om draait: data-analyse. In plaats van mijn tijd te verspillen aan het maken van berekeningen, kan ik me focussen op het interpreteren van de cijfers en het optimaliseren van de visuals.
Conclusie: AI-tools als GPT en Merlin veranderen alles
De combinatie van GPT met DAX-functionaliteit en Merlin als foutendetective heeft mijn werk in Power BI aanzienlijk verbeterd. Ik hoef niet langer elke SWITCH-statement, kolom of measure vanaf nul te schrijven. In plaats daarvan laat ik GPT de zware klus klaren. En als ik ergens vastloop, helpt Merlin me met heldere instructies om de fout te verhelpen.
Deze aanpak heeft me letterlijk uren per week bespaard. Complexe DAX-code, zoals het maken van verlies- en winstrekeningen of procentuele veranderingen, is niet langer een lastige uitdaging. Alles wordt sneller, eenvoudiger en efficiënter.
Het mooie is dat de tools blijven leren en verbeteren. Hoe meer ik ermee werk, hoe sneller en slimmer de resultaten worden. De toekomst van Power BI-werk ligt onmiskenbaar in samenwerking met AI-tools zoals GPT en Merlin. En voor mij persoonlijk is dat een toekomst waarin ik met minder stress, minder fouten en meer impact kan werken.
Of je nu een doorgewinterde Power BI-gebruiker bent of een beginnende data-analist, de stap naar AI-ondersteunde tools is absoluut de moeite waard. De tijdswinst, het gemak en de foutloze prestaties maken het een essentiële toevoeging aan je toolkit.
Gebruik je nog geen AI-tools in Power BI? Dan mis je een enorme kans. Start vandaag nog en ontdek hoe slim werken met GPT en Merlin je werk radicaal kan verbeteren.
