Tối ưu Power BI: 6 cách tăng tốc Dashboard cho Data Analyst

⚡ TĂNG TỐC DASHBOARD

Mở báo cáo mất cả phút, bấm một slicer phải chờ vài giây, file .pbix nặng hàng trăm MB. Phản xạ thường gặp là xóa bớt visual hoặc nâng cấu hình máy, nhưng nhiều khi vấn đề nằm ở một cột dữ liệu hay một công thức DAX mà bạn không ngờ tới. Muốn tối ưu Power BI hiệu quả, bạn cần hiểu Power BI xử lý một cú click ra sao, đo đúng chỗ nghẽn, rồi mới sửa. Bài viết này đi qua đủ ba phần đó.

📑 NỘI DUNG BÀI VIẾT

1. Power BI xử lý một cú click như thế nào?
2. Quy trình chẩn đoán 3 bước trước khi sửa
3. 6 cách tăng tốc Power BI chi tiết
4. Bảng tra nhanh: triệu chứng, dấu hiệu và cách xử lý
5. Nên bắt đầu từ cách nào?
6. Checklist tối ưu Power BI trước khi chia sẻ Dashboard
7. Câu hỏi thường gặp (FAQ)
8. Kết luận

💡 Ghi lại số đo trước khi sửa: thời gian của 3 visual chậm nhất, dung lượng file và thời gian refresh. Sau mỗi kỹ thuật, đo lại để biết thay đổi nào thực sự có hiệu quả.

CÁCH 1 DỮ LIỆU

Cách 1: Chỉ nạp dữ liệu thực sự cần dùng

Vì sao hiệu quả: mỗi cột, mỗi dòng thừa đều chiếm bộ nhớ, kéo dài thời gian refresh và bắt Storage Engine quét nhiều hơn. Đây là cách dễ làm nhất và thường cho hiệu quả rõ nhất.

Cách làm:

1. Chỉ giữ cột cần dùng. Trong Power Query, chọn Choose Columns thay vì xóa từng cột, để khi nguồn thêm cột mới, mô hình không tự phình ra:

= Table.SelectColumns ( Source,
    { "NgayBan", "MaSanPham", "MaKhachHang", "MaCuaHang", "SoLuong", "ThanhTien" } )

2. Lọc dòng theo phạm vi báo cáo thực sự cần, bỏ dòng test, đơn hủy:

= Table.SelectRows ( #"Chon cot", each [NgayBan] >= #date ( 2024, 1, 1 ) )

3. Giữ query folding. Với nguồn là database, đặt các bước chọn cột, lọc dòng ngay sau bước Source. Chuột phải vào bước cuối › View Native Query: nếu mở được câu SQL, nghĩa là các bước đang được đẩy về database xử lý thay vì tải hết về máy rồi mới lọc. Một số bước như thêm cột Index hay hàm tùy biến có thể làm gãy folding, nên đặt chúng ở cuối.
4. Gom nhóm trước bằng Group By nếu báo cáo chỉ cần số liệu theo ngày và cửa hàng, không cần từng giao dịch.
5. Với bảng giao dịch rất lớn, cân nhắc Incremental refresh: tạo hai tham số RangeStart, RangeEnd kiểu Date/Time, lọc bảng theo hai tham số đó rồi thiết lập chính sách refresh. Power BI sẽ chỉ làm mới phần dữ liệu gần đây thay vì nạp lại toàn bộ.

🔍 Kiểm tra lại: so sánh dung lượng file .pbix và thời gian refresh trước, sau; mở VertiPaq Analyzer để chắc chắn không còn cột “lạ” chiếm dung lượng lớn.

CÁCH 2 DỮ LIỆU

Cách 2: Giảm số giá trị khác nhau và chọn đúng kiểu dữ liệu

Vì sao hiệu quả: như đã nói ở phần VertiPaq, cột càng nhiều giá trị khác nhau thì từ điển càng lớn và nén càng kém. Giảm cardinality là cách thu nhỏ mô hình mà không mất thông tin cần cho báo cáo.

Cách làm:

1. Tách cột ngày giờ. Một năm chỉ có tối đa 366 ngày, nhưng có hơn 31 triệu giây. Tách thành cột Ngày và cột Giờ (nếu thực sự cần phân tích theo giờ), rồi xóa cột gốc:

= Table.AddColumn ( Source, "Ngay", each DateTime.Date ( [ThoiGian] ), type date )

= Table.AddColumn ( #"Them Ngay", "Gio", each Time.Hour ( [ThoiGian] ), Int64.Type )

2. Làm tròn số về độ chính xác cần thiết. Với tiền VNĐ, phần thập phân thường vô nghĩa: dùng Number.Round([DonGia], 0) và kiểu Fixed decimal number cho cột tiền tệ.
3. Dùng khóa số nguyên để nối bảng thay cho chuỗi dài như “KH-HN-000123”. Nếu nguồn có cột ID dạng số, hãy nối bằng cột đó.
4. Bỏ các cột ID giao dịch không dùng trong báo cáo. Cột mã đơn hàng có số giá trị khác nhau gần bằng số dòng, nên gần như không nén được.
5. Tắt Auto date/time: File › Options and settings › Options, bỏ chọn Auto date/time ở cả mục Global › Data Load và Current File › Data Load. Tính năng này tạo ngầm một bảng ngày (LocalDateTable) cho mỗi cột ngày trong mô hình. Thay vào đó, dùng một bảng Dim_Ngay duy nhất và đánh dấu Mark as date table.

🔍 Kiểm tra lại: trong VertiPaq Analyzer, cột Cardinality và dung lượng của các cột vừa xử lý phải giảm rõ; các bảng LocalDateTable biến mất.

CÁCH 3 MÔ HÌNH

Cách 3: Xây mô hình Star Schema và kiểm soát quan hệ

Vì sao hiệu quả: Storage Engine xử lý rất tốt việc lọc từ bảng Dimension nhỏ sang bảng Fact lớn qua quan hệ 1 – nhiều. Ngược lại, bảng phẳng lặp lại chuỗi văn bản trên mọi dòng, còn quan hệ hai chiều và nhiều – nhiều tạo thêm đường lan truyền bộ lọc, khiến truy vấn nặng và kết quả khó đoán.

Cách làm:

1. Tách bảng phẳng thành Fact và các Dimension trong Power Query (Reference bảng gốc, giữ cột mô tả, Remove Duplicates trên cột khóa).
2. Gộp các Dimension nhiều tầng (Snowflake): dùng Merge Queries gộp Dim_NhomHang vào Dim_SanPham rồi Expand cột tên nhóm, để mỗi Dimension nối trực tiếp với Fact.
3. Để mọi quan hệ ở chế độ Single. Nếu một phép tính cần lọc ngược chiều, bật hai chiều ngay trong measure đó bằng CROSSFILTER, thay vì bật Both cho cả mô hình:

Số sản phẩm đã bán =
CALCULATE (
    COUNTROWS ( Dim_SanPham ),
    CROSSFILTER ( Fact_BanHang[MaSanPham], Dim_SanPham[MaSanPham], BOTH )
)

4. Nhiều cột ngày trên cùng bảng Fact (ngày bán, ngày giao): giữ một quan hệ active, quan hệ còn lại để inactive và kích hoạt khi cần:

Doanh thu theo ngày giao =
CALCULATE ( [Doanh thu], USERELATIONSHIP ( Fact_BanHang[NgayGiao], Dim_Ngay[Date] ) )

Xem thêm bài Star Schema là gì? Cách xây mô hình dữ liệu chuẩn trong Power BI.

🔍 Kiểm tra lại: trong Model view không còn mũi tên hai chiều hay quan hệ nhiều – nhiều ngoài ý muốn; trong Server Timings, số SE query của các visual chậm giảm xuống.

CÁCH 4 MÔ HÌNH

Cách 4: Đẩy tính toán về Power Query, dùng measure cho giá trị tổng hợp

Vì sao hiệu quả: calculated column được tính khi refresh và lưu cho từng dòng, thường nén kém hơn cột nạp từ nguồn. Vài cột tính toán trên bảng Fact hàng triệu dòng có thể làm mô hình phình to đáng kể.

Cách làm:

1. Cột dùng để lọc hoặc phân nhóm: tạo trong Power Query hoặc SQL. Ví dụ phân khúc đơn hàng, thay vì viết calculated column bằng DAX:

PhanKhuc =
IF ( Fact_BanHang[ThanhTien] >= 5000000, "Lớn",
    IF ( Fact_BanHang[ThanhTien] >= 1000000, "Vừa", "Nhỏ" ) )

hãy tạo cột điều kiện trong Power Query:

= Table.AddColumn ( #"Buoc truoc", "PhanKhuc",
    each if [ThanhTien] >= 5000000 then "Lớn"
         else if [ThanhTien] >= 1000000 then "Vừa"
         else "Nhỏ", type text )

2. Giá trị dùng để tổng hợp: viết bằng measure. Thay vì tạo cột Lợi nhuận = ThanhTien – GiaVon cho từng dòng rồi cộng lại, hãy viết measure từ hai phép tổng đơn giản mà Storage Engine xử lý rất nhanh:

Lợi nhuận = SUM ( Fact_BanHang[ThanhTien] ) - SUM ( Fact_BanHang[GiaVon] )

🔍 Kiểm tra lại: dung lượng bảng Fact trong VertiPaq Analyzer giảm; danh sách cột của bảng Fact chỉ còn khóa và số đo gốc.

CÁCH 5 DAX

Cách 5: Viết DAX để Formula Engine làm ít nhất

Vì sao hiệu quả: Formula Engine chạy đơn luồng. Công thức buộc nó duyệt từng dòng hoặc tính lặp lại sẽ chậm dần theo kích thước dữ liệu. Bốn mẫu viết dưới đây giúp đẩy việc về Storage Engine.

Mẫu 1: Lọc theo cột thay vì lọc cả bảng.

-- Chậm: duyệt từng dòng của bảng Fact
Doanh thu HN =
CALCULATE (
    [Doanh thu],
    FILTER ( Fact_BanHang, RELATED ( Dim_CuaHang[ThanhPho] ) = "Hà Nội" )
)

-- Nhanh hơn: lọc trên cột của bảng Dimension
Doanh thu HN =
CALCULATE ( [Doanh thu], Dim_CuaHang[ThanhPho] = "Hà Nội" )

Mẫu 2: Dùng CALCULATE thay cho COUNTROWS(FILTER(…)).

-- Chậm
Đơn lớn = COUNTROWS ( FILTER ( Fact_BanHang, Fact_BanHang[ThanhTien] >= 5000000 ) )

-- Nhanh hơn
Đơn lớn = CALCULATE ( COUNTROWS ( Fact_BanHang ), Fact_BanHang[ThanhTien] >= 5000000 )

Lưu ý: cách viết thứ hai thay thế bộ lọc sẵn có trên cột ThanhTien; nếu muốn giữ bộ lọc đó, bọc điều kiện bằng KEEPFILTERS.

Mẫu 3: Dùng VAR để không tính lặp.

Tăng trưởng YoY % =
VAR HienTai = [Doanh thu]
VAR CungKy = [Doanh thu cùng kỳ]
RETURN
    DIVIDE ( HienTai - CungKy, CungKy )

Mẫu 4: Giữ biểu thức trong hàm lặp thật đơn giản để tránh CallbackDataID:

-- Dễ phát sinh CallbackDataID
Doanh thu sau giảm =
SUMX ( Fact_BanHang,
    IF ( Fact_BanHang[GiamGia] > 0,
        Fact_BanHang[ThanhTien] * ( 1 - Fact_BanHang[GiamGia] ),
        Fact_BanHang[ThanhTien] ) )

-- Gọn hơn: cùng kết quả, không cần IF
Doanh thu sau giảm =
SUMX ( Fact_BanHang, Fact_BanHang[ThanhTien] * ( 1 - Fact_BanHang[GiamGia] ) )

Nếu measure này được dùng rất nhiều, tốt nhất là tính sẵn cột ThanhTienSauGiam trong Power Query rồi chỉ cần SUM.

🔍 Kiểm tra lại: chạy lại cùng truy vấn trong DAX Studio với Clear Cache then Run; thời gian FE phải giảm và CallbackDataID không còn xuất hiện.

CÁCH 6 VISUAL

Cách 6: Tối ưu trang báo cáo và cách visual tương tác

Vì sao hiệu quả: mỗi visual gửi ít nhất một truy vấn, và mỗi lần bấm slicer, mọi visual có tương tác với nó đều truy vấn lại. Mô hình tốt đến đâu, một trang quá tải vẫn sẽ chậm.

Cách làm:

1. Giữ mỗi trang khoảng 6–8 visual quan trọng nhất; phần chi tiết chuyển sang trang Drill-through hoặc tooltip.
2. Gộp các thẻ KPI rời thành một visual New card (hoặc Multi-row card) hiển thị nhiều chỉ số.
3. Tắt tương tác không cần thiết: chọn visual › Format › Edit interactions, bỏ lọc chéo với những visual không liên quan.
4. Thêm nút Apply cho slicer và bộ lọc: tab Optimize › Optimization presets › Query reduction. Power BI chỉ chạy truy vấn khi người dùng chọn xong và bấm Apply.
5. Tránh bảng, ma trận hiển thị hàng chục nghìn dòng: thêm bộ lọc Top N hoặc chỉ hiển thị khi người dùng đã chọn một đối tượng cụ thể.
6. Slicer trên cột có rất nhiều giá trị (tên khách hàng, mã sản phẩm): chuyển sang dạng Dropdown có ô tìm kiếm, hoặc lọc theo cột nhóm (nhóm hàng, khu vực).
7. Hạn chế custom visual nặng và hình ảnh dung lượng lớn; ưu tiên visual mặc định của Power BI.
8. Khi đang thiết kế, dùng Optimize › Pause visuals để Power BI tạm dừng truy vấn, chỉnh sửa xong mới chạy lại.

🔍 Kiểm tra lại: chạy Performance Analyzer cho cùng thao tác; tổng thời gian của trang và chỉ số Other giảm rõ.

📅 Muốn được giảng viên hướng dẫn tối ưu Dashboard trên dữ liệu thực tế? Xem Lịch khai giảng tháng 10/2026 các khóa Power BI, SQL, Python, AI tại MCNA.

Tăng tốc Power BI không phải là mẹo vặt, mà là một quy trình: hiểu cách Formula Engine và Storage Engine làm việc, đo bằng Performance Analyzer, DAX Studio, VertiPaq Analyzer, rồi áp dụng đúng cách cho đúng triệu chứng. Dữ liệu gọn và dễ nén, mô hình Star Schema, DAX để Storage Engine làm phần nặng và trang báo cáo ít visual là bốn trụ cột giúp mọi Dashboard chạy mượt. Một Dashboard nhanh cũng là một Dashboard được người dùng tin tưởng và mở ra mỗi ngày. Hãy chọn báo cáo chậm nhất của bạn, ghi lại số đo và thử áp dụng hai cách đầu tiên ngay hôm nay.

Nếu bạn muốn học Power BI bài bản từ data modeling, DAX đến tối ưu và triển khai Dashboard thực tế, khóa học Power BI tại MCNA Technology School sẽ đồng hành cùng bạn.

👉 Xem lịch khai giảng tháng 10/2026: Power BI, SQL, Python, AI – MCNA