Power BI’da Sık Yapılan 10 Hata ve Doğrusu

Power BI, görsel bir araç gibi görünse de işin kalbi veri modellemedir.

Doğru model kurulmadığında en güzel grafik bile hatalı sonuç verir, filtreler karışır, performans düşer ve rapor yönetilemez hale gelir.

Bu yazıda, Power BI’da en sık yapılan 10 yaygın hatayı ve her biri için doğru yaklaşımın ne olması gerektiğini anlatıyorum.

Bu hatalar hem yeni başlayanların hem de tecrübeli kullanıcıların sık düştüğü tuzaklar.

1) Flat (Düz) Veri Modeli Kullanmak

Birçok kullanıcı tüm verileri tek bir tabloya doldurup raporu hızlıca bitirmek ister.

Bu yöntem küçük veri setlerinde işe yarıyor gibi görünse de büyüdükçe:

• ·         Filtreler yanlış çalışır
• ·         DAX karmaşıklaşır
• ·         Performans düşer

Doğrusu: Star Schema Kullan

Fakt (ölçüm) tablosu + boyut tabloları → en temiz, en hızlı, en stabil model. Power BI'ın motoru (VertiPaq), star schema yapısında uçuyor.

2) Boyut ve Fakt Tablosu Ayrımını Yapmamak

Her tabloya aynı muameleyi yapmak.

Fakt tablo: sayısal değerler (satış, adet, maliyet…)

Boyut tablo: kim/eşleştirme (ürün, müşteri, tarih…)

Bu ayrım doğru yapılınca rapor bir anda düzenli hale gelir.

3) İki Yönlü (Bi-Directional) İlişkiyi Gereksiz Kullanmak

“Her şey birbirini filtrelesin” mantığıyla tüm ilişkileri iki yönlü yapmak.

Sonuç:

• Filtre döngüsü (filter loop)
• Ölçülerde yanlış sonuç
• Performans düşüşü

Doğrusu: Tek yönlü ilişki

Sadece çok çok zorunlu durumlarda iki yönlü.

4) Hesaplanan Sütun (Calculated Column) Fazla Kullanmak

Her şey calculated column ile çözülmeye çalışılıyor:

Tarih hesaplamaları, indirim, kar, kategori vs.

Problem:

• ·         Model gereksiz şişer
• ·         Yeniden hesaplamalar yavaşlar

Doğrusu: Mümkün olduğunca measure kullan.

5) Tarih Tablosu Kullanmamak

Power BI’ın zaman zekâsı (time intelligence) özellikleri için zorunlu.

Doğrusu: Kendi tarih tablonu oluştur veya Power BI’ın otomatik tarih fonksiyonlarını devre dışı bırakıp tek bir merkezi Date table kullan.

6) Cardinality (Tekil-Çok) İlişkilerini Yanlış Kurmak

“Many-to-many” ilişki neredeyse her zaman sorun yaratır.

Doğrusu: One-to-many

7) Power Query’de Temizlik Yapmadan Veriyi Modele Atmak

Birçok kullanıcı veriyi direkt modele import ediyor.

Sonuç:

• ·         Gereksiz kolonlar
• ·         Özel karakterli başlıklar
• ·         Tarih/sayı format kaosu
• ·         Boyutu gereksiz şişmiş model

Doğrusu: Power Query adım adım veri hazırlama ve sadeleştirme için var.

Şunları mutlaka yap:

• ·         Gereksiz sütunları sil
• ·         Tarih formatlarını düzelt
• ·         Null değerleri temizle
• ·         Tipleri düzenle

8) Her Kolonu Modele Eklemek

CSV geldi → 100 kolon var → “hepsini yükleyeyim”

Bu yapılmaması gereken şeylerin başında gelir.

Doğrusu: Kullanmıyorsan yükleme. Model boyutunu küçültmek performansı doğrudan artırır.

9) Ölçü Mantığı Oturmadan DAX Yazmaya Çalışmak

DAX öğrenmek, formül öğrenmek değildir, context anlamaktır.

Doğrusu:

Önce şu 3 mantığı oturt:

• ·         Row context
• ·         Filter context
• ·         Context transition

Bunları bilen zaten DAX'ı çözer.

10) Doğru Veri Yükleme Modunu Seçmemek (Import vs DirectQuery vs Composite)

Birçok kullanıcı modeli Import alıyor, veri büyük olduğu için model çöküyor.

Doğrusu: Duruma göre seçim yap.

• ·         Küçük/orta veri, Import
• ·         Canlı veri ihtiyacı, DirectQuery
• ·         Hibrit kullanım, Composite Model
• ·         Fabric sonrası Direct Lake de büyük veri tarafında oyunu değiştiriyor.

Sonuç: Doğru Model = Doğru Rapor

Görsel yapmak kolaydır, ama doğru model olmadan hiçbir grafik doğru çalışmaz. Power BI’ın profesyonel seviyeye çıkması tamamen modelleme bilgisine dayanır.

İyi bir veri modeli:

• ·    Daha hızlı çalışır
• ·    Daha doğru sonuç verir
• ·    Daha yönetilebilir bir rapor ortaya çıkarır
• ·     DAX yazmayı çok kolaylaştırır