De template haalt de projecturen rechtstreeks uit Exact Online en zet ze om in een compleet dashboard: geschreven uren, declarabiliteit, productiviteit en bezetting. Geen exports meer, geen Excel-lijstjes die je zelf moet bijwerken.

De template is direct beschikbaar voor Exact Online.

Wat zie je in deze template?

De template bestaat uit vier tabbladen:

• Projecturen – uren per maand, verdeeld over vasteprijsprojecten, nacalculatieprojecten en niet-factureerbare projecten. Uren per uursoort, vergeleken met vorig jaar.
• Declarabiliteit – voortgang per project: bestede uren t.o.v. budget en het gemiddeld gerealiseerde uurtarief. Met grafieken per medewerker, per maand, per uursoort en per klant.
• Productiviteit – declarabiliteit en productiviteit per medewerker, vergeleken met vorig jaar. Inclusief de bezetting.
• Niet-declarabele uren – waar gaat de niet-declarabele tijd naartoe? Uitgesplitst per uursoort, medewerker en maand.

Alle tabs zijn te filteren op jaar, maand, klant, project, projectleider, projectclassificatie en projecttype.

Hoe werkt het?

Je downloadt de template als PBIT-bestand en opent hem in Power BI Desktop. Je hebt dan het volledige dashboard én het onderliggende datamodel in handen. Aanpassen en uitbreiden kan dus gewoon. Het dashboard werkt zowel in de browser als in de mobiele app.

Voor wie?

Voor bureaus, adviesorganisaties, installateurs en iedereen die op projectbasis werkt en wil weten waar de uren blijven.

Combineren met template Projectomzet

Wil je zowel de uren als het geld in beeld? De Template Projectomzet is de logische aanvulling op deze template.

De templates maken gebruik van onze Power BI Connector voor Exact Online. Heb je die nog niet? Vraag dan eerst de gratis proefversie aan.

Meer weten?

Meer informatie en prijzen vind je op de pagina Template Projecturen – Exact Online.

Het bericht Power BI Template Projecturen voor Exact Online verscheen eerst op Davista.

De template combineert de projectadministratie uit Exact Online met de facturatie en de financiële mutaties. Zo zie je per project wat er is gefactureerd, wat het heeft gekost en wat er onderaan de streep overblijft.

De template is direct beschikbaar voor Exact Online.

Wat zie je in deze template?

De template bestaat uit vier tabbladen:

• Projectomzet – omzet per maand, verdeeld over vasteprijsprojecten en nacalculatieprojecten. Omzet per uursoort/kostensoort, vergeleken met vorig jaar.
• Budget & voortgang – gefactureerd t.o.v. budget, bestede uren t.o.v. gefactureerd en bestede uren t.o.v. budget. Met de budgetoverschrijding per klant in beeld.
• Projectmarge – marge per project: gefactureerd minus de kostprijs (intern tarief) van de projecturen en de projectkosten. Uitgesplitst naar maand, projecttype en projectleider.
• Onderhanden werk – het onderhanden werk en de nog te factureren termijnen.

Alle tabs zijn te filteren op jaar, maand, klant, project, projectleider, projectclassificatie en projecttype.

Hoe werkt het?

Je downloadt de template als PBIT-bestand en opent hem in Power BI Desktop. Het volledige dashboard en het datamodel zitten erin, dus je kunt alles naar eigen inzicht aanpassen. Het dashboard werkt in de browser en in de mobiele app.

Voor wie?

Voor bureaus, adviesorganisaties, installateurs en iedereen die op projectbasis werkt en wil weten hoe rendabel de projecten zijn.

Combineren met template Projecturen

Wil je zowel de uren als het geld in beeld? De Template Projecturen is de logische aanvulling op deze template.

De templates maken gebruik van onze Power BI Connector voor Exact Online. Heb je die nog niet? Vraag dan eerst de gratis proefversie aan.

Meer weten?

Meer informatie en prijzen vind je op de pagina Template Projectomzet – Exact Online.

Het bericht Power BI Template Projectomzet voor Exact Online verscheen eerst op Davista.

Sinds 2019 bieden we verschillende Power BI Connectors aan, waarmee inmiddels meer dan 2.300 bedrijven hun data hebben gekoppeld. Vanaf 2026 breiden we dit aanbod uit met nieuwe Fabric Connectors.

De Fabric Connector haalt je bedrijfsdata rechtstreeks uit Twinfield en plaatst deze in een Microsoft Fabric Lakehouse. Geen datawarehouse bouwen, geen servers beheren, geen data gateway nodig, geen ETL-pipelines inrichten. Binnen 10 minuten kun je met de data aan de slag.

Wat is het verschil met de Power BI Connector?

Met de Power BI Connector laad je data rechtstreeks in een Power BI‑dataset. Dat werkt uitstekend voor rapportages, maar de data is daarbij alleen beschikbaar binnen die specifieke dataset.

De Fabric Connector gaat een stap verder. Je data komt in een centraal Lakehouse terecht, van waaruit je dezelfde data kunt gebruiken in:

• Power BI voor dashboards
• Excel voor ad-hoc analyses
• SQL voor queries en data-extractie
• Python voor geavanceerde analyses
• AI & Copilot voor slimme inzichten

Eén centrale databron in Fabric, meerdere toepassingen.

Voor wie is de Fabric Connector interessant?

De Fabric Connector is vooral interessant wanneer je:

• Wel een centraal datawarehouse wilt, maar niet de tijd of kosten wilt investeren om er zelf één op te zetten.
• Veel data in Twinfield hebt of je data vaak wilt verversen.
• Met meerdere administraties werkt (vanaf 5 administraties zelfs voordeliger dan de Power BI Connector).
• Geen servers of Data Gateway wilt beheren.
• Je data ook in Excel, SQL of Python wilt gebruiken.
• Je data klaar wilt maken voor AI-toepassingen.

Een belangrijk voordeel is dat de Fabric Connector ook incrementeel verversen ondersteunt. Bij elke synchronisatie worden alleen nieuwe of gewijzigde records opgehaald. Hierdoor blijven refreshes snel en efficiënt, zelfs bij grote administraties.

Aan de slag

Benieuwd of de Fabric Connector bij jouw situatie past? Bekijk alle details op de productpagina of vraag een gratis proefversie aan.

→ Fabric Connector voor Twinfield
→ Gratis proefversie aanvragen

Vragen? Neem gerust contact op, we denken graag mee.

Het bericht Nieuw: Fabric Connector voor Twinfield verscheen eerst op Davista.

Je Exact Online data gebruiken in Power BI, Excel, SQL én AI-toepassingen? Dat kan nu met onze nieuwe Fabric Connector.

Sinds 2019 bieden we verschillende Power BI Connectors aan, waarmee inmiddels meer dan 2.300 bedrijven hun data hebben gekoppeld. Vanaf 2026 breiden we dit aanbod uit met nieuwe Fabric Connectors.

De Fabric Connector haalt je bedrijfsdata rechtstreeks uit Exact Online en plaatst deze in een Microsoft Fabric Lakehouse. Geen datawarehouse bouwen, geen servers beheren, geen data gateway nodig, geen ETL-pipelines inrichten. Binnen 10 minuten kun je met de data aan de slag.

Wat is het verschil met de Power BI Connector?

Met de Power BI Connector laad je data rechtstreeks in een Power BI‑dataset. Dat werkt uitstekend voor rapportages, maar de data is daarbij alleen beschikbaar binnen die specifieke dataset.

De Fabric Connector gaat een stap verder. Je data komt in een centraal Lakehouse terecht, van waaruit je dezelfde data kunt gebruiken in:

• Power BI voor dashboards
• Excel voor ad-hoc analyses
• SQL voor queries en data-extractie
• Python voor geavanceerde analyses
• AI & Copilot voor slimme inzichten

Eén centrale databron in Fabric, meerdere toepassingen.

Voor wie is de Fabric Connector interessant?

De Fabric Connector is vooral interessant als je:

• Wel een centraal datawarehouse wilt, maar niet de tijd of kosten wilt investeren om er zelf één op te zetten.
• Veel data in Exact Online hebt of je data vaak wilt verversen.
• Met meerdere administraties werkt (vanaf 5 administraties zelfs voordeliger dan de Power BI Connector).
• Geen servers of Data Gateway wilt beheren.
• Je data ook in Excel, SQL of Python wilt gebruiken.
• Je data klaar wilt maken voor AI-toepassingen.

Een belangrijk voordeel is dat de Fabric Connector ook incrementeel verversen ondersteunt. Bij elke synchronisatie worden alleen nieuwe of gewijzigde records opgehaald. Hierdoor blijven refreshes snel en efficiënt, zelfs bij grote administraties.

Aan de slag

Benieuwd of de Fabric Connector bij jouw situatie past? Bekijk alle details op de productpagina of vraag een gratis proefversie aan.

→ Fabric Connector voor Exact Online
→ Gratis proefversie aanvragen

Vragen? Neem gerust contact op, we denken graag mee.

Het bericht Nieuw: Fabric Connector voor Exact Online verscheen eerst op Davista.

Sinds kort is de Power BI Modeling MCP server beschikbaar. Op LinkedIn zie je al veel berichten over hoe je met een MCP server dashboards kunt aanpassen. Maar ik wilde iets anders weten: kan AI ook écht iets toevoegen als het gaat om de inhoud van een dashboard, om het doen van een financiële analyse? Kan AI de rol van een accountant, controller of financieel adviseur invullen?

De voorbereiding

Voor deze test gebruikte ik Claude Desktop met het model Sonnet 4.5. Claude maakt via de Power BI Modeling MCP-server verbinding met het Power BI-datamodel. In Power BI Desktop had ik het onderstaande financiële dashboard geopend met daarin voorbeeld-cijfers van een fietsengroothandel. En daarmee begon het experiment.

Bron: Template Financieel 2 – Exact Online – Power BI Connector

Prompt 1: Analyse van de cijfers

Mijn eerste prompt:

Doe een grondige analyse van de cijfers per 31 oktober 2025 en vergelijk dit met de cijfers per 30 september 2025. Geef daarna een beknopte lijst met je analyse van de ontwikkelingen binnen deze organisatie.

Claude Desktop ging voortvarend aan de slag. Eerste stap: het datamodel ophalen en begrijpen. Daarvoor voerde Claude drie acties uit om tabellen, measures en kolommen binnen te halen. Vervolgens kwamen er twaalf DAX-queries voorbij om de cijfers op te halen. Die queries bedacht Claude zelf, gericht op de resultaten en balanssaldi uit het dashboard. Slim detail: het maakte zoveel mogelijk gebruik van bestaande measures. (Opmerking voor de Power BI developer: zorg dus dat je naamgeving klopt, dat maakt veel verschil!)

Opvallend was ook dat Claude niet blind queries uitvoerde. Het keek naar de uitkomsten van een DAX-query en besloot soms om een andere query te draaien voor betere resultaten. Dat is slim!

Daarna volgde een financiële analyse van de cijfers. En let op: ik heb nul context gegeven over het type organisatie, het dashboard of het datamodel. Alles heeft Claude zelf uitgezocht. Oordeel zelf, ik vond het best een knappe samenvatting:

Prompt 2: Aanbevelingen

Daarna wilde ik weten wat Claude uit deze cijfers kon afleiden en welke adviezen het kon geven. Mijn tweede prompt:

Beoordeel de trends en geef aanbevelingen voor verbetering

Hier ging Claude verder mee aan de slag en deed daarvoor nog 9 extra DAX queries om meer cijfers uit het dashboard op te halen. Daarna kwam het met de onderstaande beoordelingen en aanbevelingen:

Conclusie

AI is geen speeltje, maar een serieuze versneller voor financiële analyse. Met twee prompts kreeg ik inzichten die normaal gesproken veel analysewerk vragen. Niet alleen voor het bekijken van de cijfers, maar ook voor het interpreteren ervan en het geven van strategische aanbevelingen.

Een grote uitdaging voor het type bedrijven uit het voorbeelddashboard zijn de hoogte van de vaste kosten in combinatie met een sterk seizoensgebonden omzet. En een tweede is de hoogte van de voorraad, door het risico van incourantheid en de financieringskosten ervan. Beide aspecten heeft het AI-model er uit gehaald.

Bedenk ook dat ik nul context heb gegeven over het type organisatie, over het soort dashboard of over het datamodel. Ik heb niet eens gezegd dat het een financieel dashboard is waar Claude naar keek. Zoals bekend is context erg belangrijk voor LLM-modellen, dus met meer context en uitgebreidere prompts was de uitkomst nog accurater geweest.

Conclusie: AI kan je zeker helpen bij het analyseren van financiële cijfers, het interpreteren ervan en het geven van aanbevelingen. Is het altijd goed en volledig? Vast niet (dat is een financieel adviseur ook niet). Kan het een financieel adviseur vervangen? Misschien deels, maar niet volledig (dat is ook niet wenselijk). Wel kan AI jou of je financieel adviseur helpen en ondersteunen bij het analyseren van financiële cijfers. Je financieel adviseur hoeft minder uitvoerend werk te doen, maar kan meer de rol van een financieel regisseur gaan vervullen.

Noot: bekijk goed of het AI model jouw data kan gebruiken om het model te trainen en hoe je privacy is gewaarborgd. In dit voorbeeld met demodata heb ik daar niet naar gekeken. Maar in de praktijk wil je uiteraard niet dat jouw data in publiek beschikbare modellen terecht komt.

Het bericht Testcase: AI voor analyse van een financieel dashboard? verscheen eerst op Davista.

Stel je voor: je hebt drie dashboards. Eén voor sales, één voor voorraad, en één voor marge per productgroep. Alle drie gebruiken ze dezelfde data. Maar elk dashboard heeft z’n eigen query, z’n eigen transformaties, z’n eigen refresh. En als er iets verandert in de bron? Dan mag je alles drie keer aanpassen.

Dat is waar Microsoft Fabric het verschil maakt. Fabric zorgt ervoor dat je data centraal staat. Eén keer ophalen, één keer transformeren, en daarna hergebruiken in al je dashboards. Geen dubbel werk meer. Geen risico op verschillen tussen rapporten. En als je collega in Excel of in andere applicaties met dezelfde data wil werken? Geen probleem, die data staat netjes klaar in OneLake.

De voordelen van Microsoft Fabric

Alles bij elkaar in één platform

Fabric bundelt je data, transformaties en rapportages in één omgeving. Geen losse tools meer. Je werkt vanuit één plek, wat fouten voorkomt en je werk versnelt. Je hoeft niet meer te zoeken waar je data vandaan komt, het staat gewoon centraal.

En het mooiste: je hoeft je data niet meer op verschillende plekken te dupliceren. In plaats van drie kopieën van dezelfde verkoopdata – één voor elk dashboard – werk je met één bron. Die bron is altijd up-to-date en herbruikbaar. Dat scheelt tijd, voorkomt fouten en maakt je rapporten consistenter.

OneLake: je centrale databron

Met OneLake kun je data uit verschillende systemen samenbrengen zonder te kopiëren. Power BI leest direct uit deze lake. Dat maakt je dashboards sneller én betrouwbaarder. Je hoeft niet meer te puzzelen met mappen, versies of refreshproblemen.

En het mooie: OneLake werkt met delta-updates. Dus als er iets verandert in je brondata, hoef je niet alles opnieuw te laden. Dat maakt je rapporten niet alleen sneller, maar ook stabieler.

Je data is breder inzetbaar

Data in Fabric is niet alleen voor Power BI. Je kunt het ook gebruiken in Excel, AI-toepassingen, Power Apps en zelfs externe tools. Dat maakt je data écht waardevol. Niet alleen voor rapportages, maar ook voor analyses, voorspellingen en operationele processen.

Denk aan een planner die dezelfde data wil gebruiken in Excel, of een medewerker die via Power Apps een formulier invult dat direct gekoppeld is aan je dataset. Fabric maakt dat mogelijk: zonder extra koppelingen, exports of het dupliceren van de data.

Meer schaalbaarheid zonder extra IT

Fabric draait volledig in de cloud. Je hoeft geen servers te beheren of ingewikkelde installaties te doen. Ideaal voor MKB’ers die slim willen werken zonder een eigen IT-afdeling. Je kunt klein beginnen en opschalen zodra het nodig is.

Maar… het is niet allemaal rozengeur en maneschijn.

Twee nadelen die je ook moet kennen

• Kosten kunnen oplopen: Fabric werkt met capaciteit-gebaseerde licenties. Als je veel data verwerkt of veel gebruikers hebt, kan het duurder uitvallen dan je gewend bent met Power BI Pro. Met de optie om een Fabric capacity te pauzeren, kun je de kosten echter goed bewaken.
• Leercurve: Fabric introduceert nieuwe concepten zoals Lakehouses en Notebooks. Voor beginners kan dat overweldigend zijn. Je moet investeren in kennis om er echt van te profiteren.

Conclusie?

Microsoft Fabric is een krachtige uitbreiding voor Power BI, vooral als je toe bent aan meer structuur, snelheid en schaalbaarheid. Begin klein, experimenteer met Fabric en kijk wat het voor jouw organisatie kan betekenen.

Het bericht Wat betekent Microsoft Fabric voor jouw Power BI dashboards? verscheen eerst op Davista.

Wat zijn User Data Functions?

Een User Data Function is een Python-script dat je vanuit Power BI of een andere omgeving kunt aanroepen om een actie uit te voeren, zoals het toevoegen, aanpassen of verwijderen van records in een database. Je kunt parameters meegeven vanuit je rapport, waarmee je gegevens doorstuurt naar de functie.

UDF’s draaien op een Fabric-capacity. Binnen je werkruimte maak je een UDF aan waarin je de Python-code definieert. Deze code kan communiceren met een Fabric SQL Database, een Fabric Lakehouse of een Fabric Warehouse (de laatste lijkt op dit moment nog niet volledig ondersteund voor writes).

UDF’s aanroepen vanuit Power BI

Nieuw in Power BI is dat je aan een button in je rapport nu een UDF als actie kunt koppelen. Je kunt dynamisch parameters meegeven op basis van de huidige context in het rapport, bijvoorbeeld de geselecteerde rij in een tabel of invoer via een text slicer. Zo kun je een invoerscherm bouwen, waarmee gebruikers gegevens kunnen invoeren en opslaan.

Praktijkvoorbeeld: toelichtingen toevoegen in de P&L

In ons voorbeeld gebruiken we een UDF om toelichtingen toe te voegen bij posten in de winst- en verliesrekening. Gebruikers selecteren een bedrag in het rapport (dat hoort bij een bepaalde grootboekrekeningen en periode), voeren een toelichting in, en met één klik wordt deze opgeslagen in een Fabric SQL Database. Omdat het rapport met DirectQuery is gekoppeld, zijn wijzigingen direct zichtbaar in Power BI.

Van Power BI rapport naar actie met UDF’s bekijken op YouTube

Een vergelijkbare functionaliteit was voorheen al mogelijk met Power Apps, maar dat vereist extra kennis en aparte licenties van Power Apps. Met UDF’s werk je volledig binnen je bestaande Fabric-omgeving. Je hebt wel wat kennis van Python nodig, maar dankzij de documentatie en voorbeelden van Microsoft is die leercurve goed te overzien.

Belangrijke aandachtspunten

• User Data Functions vereisen een Fabric capacity.
• Voor het wegschrijven van data heb je een Fabric SQL Database nodig. Hoewel Fabric Warehouses in de documentatie ook worden genoemd, kregen we een melding dat schrijven naar een Warehouse niet ondersteund wordt.
• UDF’s zijn op dit moment nog in preview (status juni 2025).

Het bericht Van Power BI rapport naar actie met UDF’s verscheen eerst op Davista.

Met deze template breng je abonnementsdata uit Exact Online eenvoudig en overzichtelijk in beeld. Volledig geautomatiseerd, zonder gedoe met exporteren of handmatig bijhouden.

De nieuwe template is direct beschikbaar voor Exact Online.

Op de tweede pagina zijn diverse KPI’s (ook wel: SaaS metrcis) aanwezig, alle berekeningen zijn standaard opgenomen in de template.

Wat zie je in deze template?

Deze template is speciaal ontwikkeld voor bedrijven die werken met abonnementsmodellen en hun inzichten uit Exact Online naar een hoger niveau willen tillen. Met deze Power BI-template krijg je in één oogopslag grip op:

• Actieve, nieuwe en beëindigde abonnementen
• Inzicht in upgrades en downgrades (expansion en contraction)
• Acquisition en churn-rate
• ARPA (gemiddelde omzet per klant)
• CLV (Customer Lifetime Value)
• Ontwikkeling per maand en klantsegment

Voor wie is deze template geschikt?

Voor alle bedrijven die abonnementen beheren in Exact Online — van SaaS-bedrijven tot dienstverleners. De template sluit aan op de structuur van Exact en kan eenvoudig worden aangepast aan je eigen wensen.

Deze template maakt gebruik van onze Power BI Connector voor Exact Online. Heb je die nog niet? Vraag dan eerst de gratis proefversie van de connector aan.

Meer weten?

Meer informatie en prijzen kun je vinden op de pagina Template Abonnementen – Exact Online.

Het bericht Power BI Template Abonnementen voor Exact Online verscheen eerst op Davista.

Exporteren naar Excel

De snelste manier om gegevens naar Excel te exporteren is om dit vanuit een tabel of matrix in het Power BI dashboard te doen. Je krijgt dan een Excel bestand met daarin de data zoals die in de Power BI tabel staat.

In de blogs Gebruik Power BI data in Excel en Export naar Excel met behoud van indeling hebben we hier eerder over geschreven.

Het nadeel van deze export-optie is dat het een statische export is. Je exporteert een momentopname van de data zoals die op dat moment is. Wil je later actuele data in Excel, dan moet je opnieuw een export doen.

Analyseren in Excel

Met de optie ‘Analyseren in Excel’ krijg je een Excelbestand met daarin een koppeling naar de Power BI dataset. Dat betekent dat je de gegevens op een later moment kunt vernieuwen, zonder opnieuw een export te hoeven doen.

In het blog Gebruik Power BI data in Excel hebben we hier over geschreven.

Het nadeel van deze optie is dat je de data alleen als een draaitabel beschikbaar hebt in Excel. Daarnaast zijn het wat meer stappen om de gegevens in Excel te krijgen en te visualiseren.

Exporteren naar Excel mét live connection

Er is nog een export mogelijkheid, die de voordelen van beide bovenstaande opties combineert. Namelijk exporteren naar Excel (vanuit het rapport), maar nu mét een live connection!

Je klikt hiervoor op de knop […] rechts bovenin de tabel en kiest de optie ‘Export data’.

Daarna kies je voor ‘Summarized data’ met onderin de optie ‘.xlsx (Excel) with live connection’.

‘

Je download nu een Excelbestand met daarin de data uit de Power BI tabel, live gekoppeld aan de Power BI dataset. Dat betekent ook dat je later in Excel met de knop ‘Vernieuwen’ de data kunt verversen.

DAX query aanpassen

Als we in Excel onder de motorkap kijken, dan zien we dat in de eigenschappen van de verbinding een DAX-query wordt gebruikt om de betreffende gegevens op te halen uit Power BI. Dat geeft ook de mogelijkheid om zelf de DAX query aan te passen om andere data of de data in een ander format op te halen.

Dit geeft je nog meer controle over de data die je vanuit Power BI in Excel kunt gebruiken, rechtstreeks gekoppeld met de Power BI dataset!

Het bericht Export naar Excel met live connection verscheen eerst op Davista.

In dit item werken we een voorbeeld uit hoe je met dynamic format strings de weergave van bedragen in eenheden, duizendtallen of miljoenen kunt regelen.

Voorbereidingen

Ons voorbeeld is de Template Financieel waarin we de forecast afhankelijk van de omvang van de bedragen in eenheden of duizendtallen willen tonen.

Voor dit voorbeeld hebben we al een tabel Weergave gemaakt met daarin de rijen Eenheden, Duizendtallen en Miljoenen. Deze tabel wordt gebruikt in de slicer Weergave.

Dynamic format measure

We kiezen de measure die we dynamisch willen opmaken, in dit geval de measure Forecast. Bij ‘Format’ kiezen we voor de optie Dynamic.

Voor de measure kunnen we nu kiezen tussen de opties Measure en Format. Bij Measure staat de inhoud van de measure zelf, bij Format kunnen we de DAX-measure voor de opmaak invullen.

Standaard wordt hierin de measure “#,0” getoond, die gaan we dynamisch maken. We zetten hier een DAX measure in die met de SWITCH-functie, op basis van de gekozen optie in de Weergave slicer, de opmaak in eenheden, duizendtallen of miljoenen laat zien.

Merk hierbij op dat we de eenheden en duizendtallen zonder decimalen laten zien en de miljoenen met 1 decimaal. Iets wat voorheen, zonder dynamic format strings, niet mogelijk was.

Werking

De uitkomst is dat we de weergave van de forecast nu kunnen bepalen door de gewenste weergave in de slicer te kiezen.

Hetzelfde principe is ook te gebruiken voor bijvoorbeeld de weergave met een dynamisch valutateken, het conditioneel opmaken van bedragen of percentages, etc. Het is zelfs mogelijk om de opmaak automatisch te laten bepalen op basis van de grootte van de bedragen, zonder het gebruik van een slicer.

Een mooie feature in Power BI om dashboards nog dynamischer te maken!

Het bericht Dynamische opmaak voor measures verscheen eerst op Davista.