Incremental refresh w Power BI, czyli odświeżanie przyrostowe, pozwala aktualizować wybrany zakres danych zamiast za każdym razem pobierać całą historię. Jest szczególnie przydatne w raportach sprzedażowych, finansowych i operacyjnych, gdy tabele faktów rosną codziennie, lecz większość starszych rekordów pozostaje bez zmian.
Funkcja pomaga skrócić czas odświeżania modelu semantycznego i zmniejszyć obciążenie źródła. Żeby działała skutecznie, trzeba jednak dobrze określić zakres danych, który może się jeszcze zmieniać, oraz sprawdzić, czy filtrowanie odbywa się już w systemie źródłowym.
Czym różni się odświeżanie przyrostowe od zwykłego?
W standardowym odświeżaniu tabeli w trybie Import Power BI ponownie pobiera dane określone w zapytaniu. Przy odświeżaniu przyrostowym usługa dzieli tabelę na partycje, najczęściej według dat, i podczas kolejnych uruchomień przetwarza przede wszystkim najnowszy okres. Starsze partycje pozostają w modelu bez ponownego ładowania w każdym cyklu.
Nie należy mylić tego z harmonogramem. Harmonogram określa, kiedy uruchomić odświeżanie, natomiast incremental refresh wskazuje, jaką część danych zaktualizować. Mechanizmy działają razem i rozwiązują dwa różne problemy.
Kiedy warto zastosować incremental refresh?
Największe korzyści pojawiają się przy dużych tabelach transakcyjnych, w których dopisywane są nowe rekordy, ale dane historyczne zmieniają się rzadko. Przykładami są pozycje faktur, zamówienia, zdarzenia magazynowe lub aktywności CRM. Przy niewielkiej tabeli zawierającej kilka tysięcy wierszy dodatkowa konfiguracja może być zbędna.
Konfiguracja incremental refresh w Power BI krok po kroku
1. Wybierz kolumnę daty
W tabeli faktów wskaż kolumnę, według której dane mają być dzielone na okresy, np. DataZamowienia. Wartości muszą być spójne, a źródło powinno potrafić skutecznie filtrować rekordy po tej kolumnie. Jeśli tabela przechowuje klucz daty jako liczbę yyyymmdd, można zastosować opisaną przez Microsoft konwersję parametrów na klucz liczbowy.
2. Utwórz parametry RangeStart i RangeEnd
W edytorze Power Query utwórz dwa parametry o dokładnych nazwach RangeStart i RangeEnd, oba typu Data/godzina. W Power BI Desktop wyznaczają one niewielki testowy zakres danych. Po publikacji usługa automatycznie podstawia wartości odpowiadające poszczególnym partycjom.
3. Filtruj dane i sprawdź query folding
Dodaj filtr DataZamowienia >= RangeStart oraz DataZamowienia < RangeEnd. Jeden koniec zakresu ma być włączny, a drugi wyłączny. Dzięki temu ten sam rekord nie trafi do dwóch partycji. Upewnij się również, że działa query folding – filtrowanie powinno być przekazywane do źródła, a nie wykonywane dopiero po pobraniu całej tabeli.
4. Ustal, co przechowywać i co odświeżać
W widoku tabeli wybierz Incremental refresh i włącz to dla wybranej tabeli. Ustaw dwa zakresy: przechowywanie danych, np. pięć lat, oraz okres ponownego odświeżania, np. 30 dni. Okno aktualizacji powinno wynikać z tego, jak długo w biznesie mogą pojawiać się korekty transakcji. Jeśli dział księgowy poprawia starsze dokumenty, siedmiodniowy zakres może być zbyt krótki.
5. Opublikuj model i przetestuj odświeżenie
Zapisz zmiany i opublikuj model do usługi Power BI. Rozwiązanie zacznie działać przy odświeżaniu w usłudze, nie podczas zwykłego zapisu w Desktop. Pierwsze odświeżenie może potrwać długo, ponieważ musi załadować cały zadeklarowany zakres historyczny. Kolejne uruchomienia zwykle przetwarzają znacznie mniej danych. Po testach sprawdź historię odświeżeń i rzeczywisty czas wykonania.
Przykład biznesowy: pięć lat danych sprzedażowych
Wyobraźmy sobie raport sprzedaży oparty na 80 milionach pozycji zamówień z ostatnich pięciu lat. Zamówienia przybywają codziennie, ale korekty dotyczą zwykle ostatniego miesiąca. Zespół BI konfiguruje przechowywanie danych z pięciu lat i odświeżanie ostatnich 30 dni. W ten sposób raport zachowuje pełną historię do analiz rok do roku, a podczas typowego nocnego odświeżania nie trzeba ponownie ładować wszystkich pięciu lat.
Nie oznacza to automatycznie znaczącego przyspieszenia. Wynik zależy od liczby wierszy w aktywnym okresie, wydajności bazy, transformacji i bramy danych. Biznesowa korzyść jest jednak wyraźna: krótsze przetwarzanie zwiększa szansę, że rano menedżerowie zobaczą aktualne wyniki bez opóźnień.
Najczęstsze pułapki odświeżania przyrostowego
- Za krótkie okno aktualizacji. Korekta starszej faktury nie trafi do modelu, jeśli znajduje się poza odświeżanym zakresem.
- Brak filtrowania w źródle. Jeśli transformacje blokują query folding, pobieranie danych może nadal być powolne, mimo poprawnej konfiguracji parametrów.
- Zmiana daty historycznej transakcji. Przesunięcie rekordu między dawnymi okresami może wymagać ręcznego ponownego przetworzenia odpowiednich partycji.
- Fizyczne usuwanie rekordów. Usunięcie wiersza ze starego, nieodświeżanego okresu nie musi zostać odzwierciedlone w raporcie.
Opcja Detect data changes pomaga ograniczyć liczbę odświeżanych okresów, jeśli źródło zawiera wiarygodną kolumnę daty ostatniej modyfikacji. Nie jest jednak automatycznym mechanizmem wykrywania fizycznych usunięć. W bardziej wymagających scenariuszach potrzebna będzie osobna obsługa zmian historycznych.
Czy incremental refresh wymaga Premium?
Nie. Podstawowe odświeżanie przyrostowe jest obsługiwane również w Power BI Pro. Premium, Premium per user i obsługiwane środowiska Embedded umożliwiają dodatkowo m.in. wariant z partycją DirectQuery dla najnowszych danych. W każdym przypadku trzeba uwzględnić limity pojemności i potencjalnie długi pierwszy import historii.
Podsumowanie
Incremental refresh jest dobrym rozwiązaniem wtedy, gdy największy koszt odświeżania wynika z wielokrotnego pobierania niemal niezmienionej historii. Kluczem jest poprawne filtrowanie w źródle oraz dobranie okna aktualizacji do rzeczywistych procesów biznesowych. Po wdrożeniu zawsze porównaj czas kolejnych odświeżeń i sprawdź, czy raport pokazuje także późne korekty.
Polecane źródła
⚡ Microsoft Learn: zasady i wymagania incremental refresh
⚡ Microsoft Learn: konfiguracja odświeżania przyrostowego
⚡ Microsoft Learn: rozwiązywanie typowych problemów