Berekende kolommen en tabellen
- Berekende kolommen en tabellen worden eenmalig berekend bij het verversen van het model, en daarna opgeslagen als gewone brondata.
- Ze zijn handig om op te filteren/sorteren of een relatie op te baseren, maar tellen mee in het geheugengebruik van het model.
- Los waar mogelijk liever op in Power Query of de bron zelf: hoe eerder in de keten, hoe minder werk het semantische model hoeft te doen.
Met DAX kun je berekende kolommen (calculated columns) en berekende tabellen (calculated tables) maken. Ze lijken qua formules op measures, maar werken fundamenteel anders.
Het verschil met measures
Een measure wordt telkens opnieuw berekend op het moment dat je een rapport bekijkt, op basis van de actuele filtercontext. Een berekende kolom wordt daarentegen één keer berekend op het moment dat het model wordt ververst, en het resultaat wordt net als gewone brondata opgeslagen in het model. Elke rij krijgt zijn eigen, vaste waarde.
VolledigeNaam = 'Klant'[Voornaam] & " " & 'Klant'[Achternaam]
Deze berekende kolom voegt voornaam en achternaam samen, rij voor rij — dat is een typisch voorbeeld van rijcontext: de formule "weet" op welke rij hij op dat moment werkt.
Wanneer gebruik je een berekende kolom?
Berekende kolommen zijn vooral handig als je:
- Een kolom nodig hebt om op te filteren of te sorteren in een slicer of visual (een measure kan dat niet, omdat een measure geen eigen rijen heeft).
- Een kolom nodig hebt om een relatie op te baseren tussen twee tabellen. Zie de pagina over relaties.
- Iets wilt oplossen dat niet eerder in de bronsystemen of in Power Query is opgelost, en dat praktisch gezien makkelijker in DAX kan.
Wanneer gebruik je geen berekende kolom?
- Als je de kolom al eerder in het proces (in Power Query of in de brondata zelf) kunt toevoegen — hoe eerder in de keten, hoe minder werk het semantische model zelf hoeft te doen.
Berekende tabellen
Een berekende tabel is een volledig nieuwe tabel die met DAX wordt gegenereerd op basis van andere tabellen in het model, bijvoorbeeld:
Datum = CALENDAR(DATE(2020,1,1), DATE(2026,12,31))
Dit is een veelgebruikte manier om snel een datumtabel te genereren
(vaak in combinatie met CALENDARAUTO(), die automatisch het volledige
datumbereik van je feitentabellen bepaalt). Ook een losse "bridge"-tabel
voor een veel-op-veel-relatie kan als berekende tabel worden opgezet,
bijvoorbeeld met DISTINCT of SUMMARIZE.
Waarom niet standaard alles met DAX oplossen?
Berekende kolommen en tabellen zijn krachtig, maar hebben een belangrijke keerzijde:
- Ze worden opgeslagen in het model en tellen mee in het geheugengebruik, net als gewone brondata — maar profiteren minder goed van de compressie die Power Query/bronsystemen soms al kunnen toepassen vóór het laden.
- Ze worden pas berekend bij het verversen, dus ze zijn niet geschikt voor iets dat afhangt van "nu" op het moment dat een gebruiker kijkt (daarvoor gebruik je een measure).
- Logica die je net zo goed in de brontabel, in Power Query, of zelfs al in het brondatabase-systeem kunt oplossen, kun je vaak beter daar oplossen: hoe eerder in de keten, hoe minder werk het semantische model zelf hoeft te doen.
Een goede vuistregel: gebruik berekende kolommen en tabellen bewust en spaarzaam, en geef de voorkeur aan Power Query of de bron zodra dat kan.
Veelgemaakte beginnersfouten
- Een berekende kolom gebruiken voor iets dat eigenlijk een measure hoort te zijn (bijvoorbeeld een totaal of gemiddelde), waardoor het resultaat niet meebeweegt met filters in het rapport.
- Zware berekeningen (zoals iteraties over grote tabellen) in een berekende kolom zetten, wat het verversen van het model onnodig vertraagt.
- Vergeten dat een berekende kolom, net als brondata, meetelt in het geheugengebruik van het model.
Wat je hierover elders vindt
Het verschil tussen measures, berekende kolommen en berekende tabellen is een klassiek instapthema in vrijwel elke DAX-bron: de officiële Microsoft-documentatie legt de syntax en het rekenmoment uit, gespecialiseerde bronnen zoals SQLBI gaan dieper in op de impact op geheugengebruik en compressie. Nederlandstalige tutorials behandelen dit onderwerp doorgaans als een van de eerste DAX-lessen.
Eén ding dat in korte inleidingen vaak wordt gemist: het is niet altijd zwart-wit "measure of berekende kolom" — soms is de beste oplossing om iets al in Power Query op te lossen, vóórdat het model DAX nodig heeft. Dat samenspel tussen Power Query en het semantische model verdient een eigen artikel.
Hoe nu verder?
Volgende in Semantisch model Hiërarchieën →Niet gevonden wat je zocht?