Power Query เป็นเครื่องมือสำหรับงานด้าน Business Intelligence ช่วยทำเรื่อง Data Cleansing, Data Shaping, Data Corrector คือจะช่วยในการทำความสะอาดข้อมูล ปรับปรุงข้อมูลที่มาจากหลากหลายแหล่ง หลากหลายรูปแบบให้มีความพร้อมในการวิเคราะห์ข้อมูลด้วยเครื่องมือต่าง ๆ ในอนาคต โดย Microsoft Power Query สามารถเรียกใช้ได้ทั้งใน Power BI และใน Microsoft Excel ซึ่ง Microsoft Excel 2016, Excel 2019, Office 365 เป็นต้นมาจะมี Power Query ติดตั้งมาด้วย
Big Data Ecosystem จะเป็นภาพใหญ่ของการทำงานกับ Big Data เริ่มตั้งแต่การเก็บข้อมูล ประมวลผล วิเคราะห์ และ แสดงผลข้อมูล โดยที่เริ่มด้วยโครงสร้างพื้นฐาน (Infrastructure) และการเลือกเครื่องมือที่เหมาะสมในการจัดเก็บ ประมวลผลและวิเคราะห์ (Process/Analytics) ซึ่ง Report/Application ดังกล่าวจะเป็นส่วนสำคัญ ที่จะเป็นส่วนของ Big Data ecosystema
Microsoft ได้ออกแบบผลิตภัณฑ์ Microsoft SQL Server Integration Service ให้สามารถสกัดข้อมูลจากหลายแหล่งหลายโครงสร้าง (schema) แล้วมีเครื่องไม้เครื่องมือในการแปลงข้อมูลเหล่านั้นไปสู่โครงสร้าง (schema) แบบ Dimensional Model ของ Ralph Kimball ผู้อ่านสามารถติดตามหนังสือในเครือ Kimball Group ได้จาก http://www.kimballgroup.com
Microsoft SQL Server Analysis Service เป็นผลิตภัณฑ์สำหรับจัดการ Data Model ระดับ Enterprise ซึ่งแบ่งได้เป็น 2 ประเภทดังนี้ - Multidimensional Data Model ซึ่งเป็น โครงสร้างข้อมูลแบบ OLAP (cubes, dimensions, measures) - Tabular Data Model ซึ่งเป็น โครงสร้างข้อมูลแบบ Relational (model, tables, columns)
บทความนี้เกี่ยวกับเทคนิคการเขียนโค้ดด้วยภาษา Microsoft Power Query Formula Language (ต่อไปจะเรียกย่อว่าภาษา M) ภาษา DAX (Data Analysis Expressions) และภาษา R ซึ่งเป็นสามภาษาหลักที่ได้รับการสนับสนุนจากไมโครซอฟท์เพื่อใช้กับงาน “บิซิเนสอินเทลลิเจนซ์” (Business Intelligence)
DAX (Data Analysis Expressions) เป็นภาษาคำสั่งที่ใช้ในการคำนวณและวิเคราะห์ข้อมูลใน Power BI และ Excel Power Pivot โดย DAX มีการใช้ฟังก์ชันที่สามารถสร้างสูตรการคำนวณแบบที่ยืดหยุ่นและมีประสิทธิภาพสูง