Chào các anh chị em trong diễn đàn,
Trong quá trình làm việc với Power BI, chắc hẳn ai cũng từng gặp phải vấn đề dữ liệu bị trùng lặp, gây ảnh hưởng đến kết quả phân tích và báo cáo. Hôm nay, mình muốn chia sẻ một vài cách mình thường dùng để xử lý vấn đề này, hy vọng sẽ hữu ích cho mọi người.
1. Sử dụng Power Query Editor
Đây là cách phổ biến và mạnh mẽ nhất. Power Query cung cấp các công cụ trực quan để bạn làm sạch và biến đổi dữ liệu trước khi tải vào mô hình.
- Loại bỏ trùng lặp: Chọn cột hoặc nhóm cột bạn muốn kiểm tra, sau đó vào tab 'Home' -> 'Remove Rows' -> 'Remove Duplicates'.
- Group by: Nếu bạn muốn đếm số lần xuất hiện của các bản ghi trùng lặp hoặc gom nhóm chúng, hãy sử dụng chức năng 'Group By'.
- Merge Queries: Dùng để kết hợp dữ liệu từ nhiều bảng, có thể giúp phát hiện và xử lý trùng lặp giữa các nguồn.
2. Sử dụng DAX
Khi dữ liệu đã được tải vào mô hình, bạn có thể dùng DAX để xử lý hoặc phát hiện trùng lặp.
- COUNTROWS và DISTINCT: Tạo một measure để đếm số dòng duy nhất. Ví dụ:
Total Unique Rows = COUNTROWS(DISTINCT('YourTable'[YourColumn])) - FILTER và SAMEPERIODLASTYEAR (nếu cần so sánh theo thời gian): Dùng để lọc ra các bản ghi trùng lặp dựa trên các tiêu chí nhất định.
3. Sử dụng các Visuals để phát hiện
Đôi khi, cách đơn giản nhất để phát hiện dữ liệu trùng lặp là sử dụng các biểu đồ.
- Sử dụng Table hoặc Matrix visual, thêm các cột bạn nghi ngờ có trùng lặp vào. Sắp xếp theo cột đó để dễ dàng nhìn thấy các dòng giống nhau.
- Sử dụng Card visual với COUNTROWS và DISTINCTCOUNT để so sánh tổng số dòng và số dòng duy nhất.
Mỗi phương pháp đều có ưu và nhược điểm riêng. Cá nhân mình thường ưu tiên xử lý ở Power Query Editor vì nó giúp làm sạch dữ liệu ngay từ đầu. Tuy nhiên, trong một số trường hợp, DAX cũng rất hữu dụng.
Mọi người có phương pháp nào hay hơn hoặc gặp khó khăn ở đâu thì cùng thảo luận nhé!