Kurs Power BI: Łączenie z danymi: Excel, CSV, SQL, folder

W skrócieŁączenie z danymi to pierwszy krok każdego raportu Power BI: wybierasz źródło, tabele i tryb pracy. W tej lekcji wczytujemy dane Nordvelli z Excela, CSV, SQL Server, PostgreSQL i folderu, pracujemy w Nawigatorze, porównujemy tryb Import z DirectQuery i zarządzamy źródłami oraz poświadczeniami.

Raport bez danych to pusty ekran, dlatego zanim narysujesz pierwszy wykres, musisz wpuścić dane do Power BI. W tym rozdziale podłączymy plik z danymi Nordvella S.A., fikcyjnej polskiej sieci sklepów z elektroniką, którą prowadzimy przez cały kurs. To dziewięć tabel, a w centralnej z nich, FaktSprzedaz, leży 108 675 transakcji sprzedaży z lat 2022 do 2026. Nauczysz się nie tylko klikać, ale świadomie decydować: co wczytać, jak, i w jakim trybie.

To jest widok, do którego dojdziesz w kilku pierwszych sekcjach: Power BI przeanalizował plik, rozpoznał w nim arkusze i pokazuje je jak listę tabel do wyboru. Zamiast przewijać surowy Excel, decydujesz jednym kliknięciem, które fragmenty danych trafią do modelu. Przejdziemy do tego widoku krok po kroku, a potem pokażemy, jak podłączyć się do bazy SQL Server i PostgreSQL, kiedy wybrać tryb Import, a kiedy DirectQuery, jak wciągnąć naraz cały folder eksportów CSV i jak później bezpiecznie zarządzać poświadczeniami.

Okno Pobierz dane, czyli brama do wszystkich źródeł

Co chcemy osiągnąć. Dane Nordvelli przychodzą w różnej postaci: w skoroszycie Excela, jako eksport CSV z systemu sprzedaży, a te same tabele są też w bazie danych. Chcemy znać jedno okno, od którego zaczyna się każde z tych połączeń.

Każde połączenie zaczyna się od jednego okna: Pobierz dane. To centralny punkt, w którym Power BI trzyma listę wszystkiego, do czego potrafi się podłączyć, od zwykłego pliku Excel po hurtownie w chmurze. Otworzysz je na trzy sposoby, a każdy prowadzi w to samo miejsce:

• na wstążce: Narzędzia główne, a potem przycisk Pobierz dane (sam przycisk otwiera pełne okno źródeł, a mała strzałka pod nim rozwija krótką listę typowych źródeł z pozycją Więcej na dole),
• na ekranie startowym: kafelek Skoroszyt programu Excel lub kafelek Pobieranie danych z innych źródeł,
• na pustym obszarze raportu: kafelek Zaimportuj dane z pliku programu Excel albo odnośnik Pobierz dane z innego źródła na środku płótna.

Gdy okno się otworzy, po lewej stronie zobaczysz kategorie, które porządkują źródła: Wszystkie, Plik, Baza danych, Microsoft Fabric, Power Platform, Azure, Usługi online oraz Inne. Nie musisz ich przewijać: u góry masz pole wyszukiwania. Wpisz w nie kilka liter nazwy źródła, na przykład "excel", "postgre" albo "folder", a lista sama się zawęzi. To najszybsza droga, bo źródeł są dosłownie setki.

W scenariuszu Nordvella startujemy od najprostszego przypadku: dane siedzą w jednym pliku Excel, więc wybieramy kategorię Plik, a w niej Skoroszyt programu Excel. Dokładnie ten sam plik możesz pobrać poniżej i wykonać każdy krok razem z nami na własnym komputerze.

Import pliku Excel i podgląd w Nawigatorze

Co chcemy osiągnąć. Chcemy wczytać do Power BI arkusz Nordvella_dane.xlsx ze wszystkimi dziewięcioma tabelami i przy okazji poznać Nawigator, przez który przechodzi import z każdego źródła.

Teraz właściwe podłączenie. Prześledź je krok po kroku, bo dokładnie tak samo wygląda import z CSV, z bazy i z każdego innego źródła: różni się tylko okno łączenia, reszta jest wspólna.

Krok 1: wskaż plik

Po wybraniu Skoroszyt programu Excel Power BI otwiera systemowe okno wyboru pliku. Przechodzisz do miejsca, gdzie zapisujesz Nordvella_dane.xlsx, zaznaczasz go i klikasz Otwórz. Przez chwilę na dole okna zobaczysz pasek postępu z komunikatem o łączeniu. Power BI nie wczytuje jeszcze danych, tylko czyta strukturę pliku, żeby wiedzieć, jakie arkusze i tabele w nim są.

Krok 2: przeczytaj Nawigator

Otwiera się Nawigator, dokładnie ten z obrazka na początku rozdziału. Po lewej masz drzewo elementów pliku, po prawej podgląd zaznaczonego. Dla Nordvella zobaczysz dziewięć pozycji, które dzielą się na dwie rodziny (ikona jest przy wszystkich taka sama, więc rodzinę poznasz po przedrostku nazwy: Dim albo Fakt):

• pięć tabel wymiarów, czyli słowniki opisujące świat sprzedaży: DimKalendarz (1826 dni), DimProdukty (30 produktów), DimKategorie (4 kategorie), DimSklepy (15 sklepów) i DimPracownicy (200 pracowników),
• cztery tabele faktów, czyli zdarzenia z liczbami: FaktSprzedaz (108 675 transakcji), FaktBudzet, FaktSatysfakcja i FaktZwroty.

Tak wygląda komplet dziewięciu tabel, które zaraz zaznaczysz w Nawigatorze, z liczbą wierszy w każdej z nich:

Kliknij dowolny arkusz, na przykład DimProdukty, a po prawej pojawi się podgląd pierwszych wierszy: nazwa produktu, kategoria (Komputery, Telefony, AGD/RTV, Akcesoria), marka, cena netto. To moment, w którym warto się zatrzymać, bo podgląd służy do weryfikacji. Sprawdzasz, czy pierwszy wiersz to nagłówki kolumn, a nie dane, czy nie ma pustych wierszy na górze i czy liczby nie wyglądają jak tekst. Jeśli coś jest nie tak, poprawisz to w następnym kroku, w Power Query.

Krok 3: zaznacz wszystkie dziewięć tabel

Na górze drzewa masz pole wyszukiwania, a pole wyboru jest przy każdej pozycji od razu - nie trzeba niczego włączać. Starsze wersje Power BI miały tu przełącznik Wybierz wiele elementów. W wersji, na której pracujemy, już go nie ma. Zaznacz wszystkie dziewięć tabel Nordvelli. Licznika zaznaczonych pozycji Power BI tu nie pokazuje, więc policz je wzrokiem: ptaszek ma być przy każdej z dziewięciu tabel. Zaznaczenie kompletu jest tu celowe: w rozdziale o modelu danych i relacjach zbudujemy z tych tabel model gwiazdy, w którym FaktSprzedaz łączy się z czterema wymiarami, więc potrzebujemy ich wszystkich od razu.

Zobacz też: Szkolenie Power BI - Desktop, DAX i Online + Copilot

Krok 4: wybierz Załaduj albo Przekształć dane

Na dole Nawigatora masz dwa przyciski i to jest najważniejsza decyzja w tym oknie:

• Załaduj: dane trafiają do modelu w takiej postaci, w jakiej są w pliku. Wybierz, gdy masz pewność, że są czyste,
• Przekształć dane: otwiera się edytor Power Query, gdzie oczyścisz i przekształcisz dane przed załadowaniem do modelu.

W praktyce niemal zawsze klikamy Przekształć dane, nawet dla pliku, który wygląda porządnie. Powód jest prosty: to jedyny moment, żeby raz na zawsze ustawić poprawne typy kolumn (data jako data, cena jako liczba dziesiętna), usunąć techniczne kolumny i nazwać tabele po ludzku. Robisz to raz, a przy każdym późniejszym odświeżeniu Power BI powtarza te kroki automatycznie. Power Query poznasz dogłębnie w kolejnych rozdziałach, tutaj wystarczy, że wiesz, dokąd prowadzi ten przycisk. Jeśli klikniesz Załaduj, po chwili dziewięć tabel Nordvelli pojawi się w panelu Dane po prawej i masz wszystko, czego potrzebujesz do budowania modelu.

Import plików CSV i innych plików tekstowych

Co chcemy osiągnąć. Chcemy wczytać miesięczny eksport transakcji z systemu sprzedaży Nordvelli w pliku CSV tak, żeby kwoty, daty i polskie znaki przeszły bez przekłamań.

Systemy sprzedażowe rzadko dają eleganckie skoroszyty. Zwykle dostajesz surowy eksport: plik CSV (wartości rozdzielone przecinkami lub średnikami), rzadziej JSON albo XML. Wyobraź sobie, że dział IT Nordvella zamiast pliku Excel wysyła Ci miesięczny eksport transakcji o nazwie sprzedaz_2025_08.csv. Podłączenie wygląda tak: Pobierz dane, kategoria Plik, a w niej Plik tekstowy lub CSV.

Po wskazaniu pliku pojawia się okno podglądu z trzema listami rozwijanymi u góry, które warto sprawdzić, zanim klikniesz dalej:

• Pochodzenie pliku: kodowanie znaków. Dla polskich danych z ogonkami (ł, ą, ś) wybierz 65001: Unicode (UTF-8), inaczej "Łódź" zamieni się w krzaki,
• Ogranicznik: znak rozdzielający kolumny. Power BI zgaduje go automatycznie, ale w polskich eksportach częściej jest to średnik niż przecinek, więc sprawdź, czy kolumny w podglądzie są dobrze rozbite,
• Wykrywanie typu danych: zostaw na podstawie pierwszych 200 wierszy, chyba że dane zmieniają charakter dalej w pliku.

Jeśli w podglądzie zamiast kolumn widzisz jedną kolumnę z całym wierszem w środku, to znaczy, że ogranicznik jest źle dobrany. Zmień go z listy i podgląd od razu się przeorganizuje. Poniżej definicja tego samego kroku, taka jak w pliku efektu zapisana w języku M, który Power BI generuje pod spodem, żeby pokazać, co dzieje się za kliknięciami:

let
    Źródło = Csv.Document(
        File.Contents("C:\Nordvella\eksporty_sprzedazy\sprzedaz_2025_08.csv"),
        [Delimiter=";", Columns=10, Encoding=65001, QuoteStyle=QuoteStyle.None]
    ),
    #"Nagłówki o podwyższonym poziomie" = Table.PromoteHeaders(Źródło, [PromoteAllScalars=true]),
    #"Zmieniono typ" = Table.TransformColumnTypes(
        #"Nagłówki o podwyższonym poziomie",
        {
            {"SprzedazID", Int64.Type},
            {"Data", type date},
            {"Sklep", type text},
            {"Produkt", type text},
            {"Kategoria", type text},
            {"Ilosc", Int64.Type},
            {"CenaNetto", type number},
            {"WartoscNetto", type number},
            {"KanalSprzedazy", type text},
            {"FormaPlatnosci", type text}
        },
        "en-US"
    )
in
    #"Zmieniono typ"

Czytaj to od góry: Csv.Document wczytuje surowy plik ze średnikiem jako ogranicznikiem i kodowaniem UTF-8, Table.PromoteHeaders awansuje pierwszy wiersz na nazwy kolumn, a Table.TransformColumnTypes ustawia poprawne typy, dzięki czemu WartoscNetto będzie liczbą, którą da się zsumować, a nie tekstem. Każde z tych trzech słów odpowiada jednemu wierszowi na liście Zastosowane kroki w Power Query. Ostatni argument, "en-US", mówi, że liczby w pliku mają kropkę dziesiętną: bez niego przy polskich ustawieniach regionalnych kwota 3326.40 z pierwszego wiersza pliku zostałaby odczytana błędnie. W pliku efektu to zapytanie ma wyłączone ładowanie (prawy przycisk na zapytaniu, odznaczone Włącz ładowanie), żeby nie dokładało do modelu tabeli, z której dalej nie korzystamy.

Połączenie z SQL Server i PostgreSQL

Co chcemy osiągnąć. Chcemy pobrać te same dziewięć tabel Nordvelli prosto z bazy danych, którą zarządza dział IT, zamiast z pliku przesyłanego mailem. Baza jest aktualizowana na bieżąco, więc raport po odświeżeniu pokaże najnowsze transakcje.

Prędzej czy później dane przestaną mieszkać w plikach, a zaczną w bazie, którą zarządza dział IT. To dobra wiadomość, bo baza jest jednym źródłem prawdy, aktualizowanym na bieżąco, i nikt nie przesyła Ci pliku mailem. Dla Nordvella te same dziewięć tabel trzymamy też w bazie relacyjnej, żeby pokazać oba warianty.

SQL Server

Wybierasz Pobierz dane, kategoria Baza danych, pozycja Baza danych programu SQL Server. Otwiera się małe okno z dwoma polami:

• Serwer: adres serwera bazy, na przykład nazwa instancji podana przez administratora. W środowisku firmowym dostaniesz go od zespołu IT,
• Baza danych: nazwa bazy, na przykład Nordvella. To pole jest opcjonalne, ale jak je wypełnisz, Nawigator od razu zawęzi widok do jednej bazy.

Pod polami rozwiniesz sekcję Opcje zaawansowane, gdzie możesz wkleić własne zapytanie SQL zamiast wybierać całe tabele. To przydatne, gdy chcesz od razu ograniczyć dane do jednego roku albo policzyć agregat po stronie serwera. Przykład, który wciąga tylko sprzedaż z 2025 roku z tabel Nordvelli:

SELECT
    s.SprzedazID,
    k.Rok,
    k.MiesiacNazwa,
    p.Kategoria,
    sk.Miasto,
    s.WartoscNetto,
    s.MarzaNetto
FROM FaktSprzedaz AS s
JOIN DimKalendarz AS k ON s.DataID = k.DataID
JOIN DimProdukty AS p ON s.ProduktID = p.ProduktID
JOIN DimSklepy   AS sk ON s.SklepID = sk.SklepID
WHERE k.Rok = 2025
  AND s.CzyZwrot = 0;

Filtr celowo jest ustawiony na rok 2025, a nie na najświeższym 2026. Dane Nordvelli kończą się 31 maja 2026, więc rok 2026 jest niepełny: zapytanie zwróciłoby z niego 11 394 wiersze zamiast 28 785 za cały 2025 (obie liczby są niższe niż liczba wszystkich transakcji z tych lat, 11 669 i 29 545, bo warunek s.CzyZwrot = 0 pomija sprzedaż zakończoną zwrotem), a każde porównanie rok do roku wyszłoby zaniżone. Przy własnych danych trzymaj się tej samej zasady - do przykładów bierz ostatni zamknięty okres.

Po zatwierdzeniu Power BI zapyta o sposób uwierzytelnienia. Do wyboru masz zwykle logowanie kontem Windows (dla środowisk domenowych) albo login i hasło do bazy (uwierzytelnianie bazy danych). Wpisz poświadczenia, które otrzymujesz od administratora, i kliknij Połącz. Poniżej zobaczysz, jak takie zapytanie realnie wykonuje się na serwerze i jaki zwraca wynik.

PostgreSQL

PostgreSQL działa tak samo, tylko wybierasz go z kategorii Baza danych jako Baza danych programu PostgreSQL. Jest jedna różnica techniczna: PostgreSQL wymaga zainstalowanego dostawcy danych Npgsql. Jeśli go nie masz, Power BI pokaże komunikat z odnośnikiem do pobrania. Instalujesz go raz, potem konektor działa jak każdy inny. Po podaniu serwera i nazwy bazy Power BI zapyta o login i hasło, a poniżej rozwiniesz Opcje zaawansowane z tym samym polem na zapytanie SQL.

Import kontra DirectQuery, czyli okno wyboru trybu

Co chcemy osiągnąć. Przy łączeniu z bazą Nordvelli trzeba zdecydować, czy raport ma pracować na kopii danych, czy pytać bazę przy każdym kliknięciu. Chcemy wybrać tryb świadomie, bo od niego zależą szybkość raportu i aktualność liczb, a zmiana po fakcie wymaga przebudowy raportu.

O tryb łączności danych Power BI pyta w tym samym oknie, w którym wpisujesz serwer i bazę, jeszcze przed oknem poświadczeń. To decyzja, którą trudno zmienić później bez przebudowy raportu, więc warto ją rozumieć, a nie klikać w ciemno. Do wyboru są dwie ścieżki.

Import pobiera kopię danych i wciska ją do pamięci silnika VertiPaq (silnik kolumnowy, który mocno kompresuje dane w pliku raportu). Raport działa wtedy bardzo szybko, bo wszystkie obliczenia dzieją się lokalnie, a nie w bazie. Cena: dane są aktualne na moment ostatniego odświeżenia, nie na żywo, a rozmiar modelu ogranicza pamięć Twojej maszyny i limity usługi.

DirectQuery niczego nie kopiuje. Każde kliknięcie w raporcie, każdy filtr i każdy wykres wysyła w tle zapytanie SQL do bazy i czeka na odpowiedź. Dane są zawsze aktualne, a rozmiar źródła nie obciąża pliku, bo dane w nim nie leżą. Cena: raport reaguje wolniej, obciążasz bazę produkcyjną, a część funkcji DAX jest niedostępna albo działa inaczej.

Poniżej krótka ściąga decyzyjna dopasowana do naszego scenariusza:

Dla Nordvella wybieramy Import. Sprzedaż z lat 2022 do 2026 to dane historyczne, które zmieniają się raz dziennie, a nie co sekundę, więc świeżość na żywo nic nam nie daje, a szybkość działania i pełnia funkcji DAX są bezcenne. DirectQuery zostaw na sytuacje, w których naprawdę potrzebujesz stanu z ostatniej minuty, na przykład podglądu magazynu w czasie rzeczywistym, albo gdy dane są tak wielkie, że nie zmieszczą się w pamięci.

Import z folderu, czyli wiele plików jedną operacją

Co chcemy osiągnąć. Chcemy połączyć miesięczne eksporty sprzedaży Nordvelli z jednego folderu w jedną tabelę jedną operacją, bez importowania każdego pliku osobno.

Wróćmy do miesięcznych eksportów. Załóżmy, że dział sprzedaży Nordvelli zamiast jednego pliku wrzuca do folderu po jednym CSV miesięcznie: sprzedaz_2025_01.csv, sprzedaz_2025_02.csv i tak dalej. Nie chcesz importować dwunastu plików ręcznie, a potem powtarzać tego co miesiąc. Rozwiązaniem jest źródło Folder.

Wybierasz Pobierz dane, kategoria Plik, pozycja Folder. Wskazujesz katalog z eksportami. Power BI pokazuje listę wszystkich plików w folderze jak tabelę, z kolumnami Content (zawartość binarna pliku), Name, Extension, Date accessed, Date modified, Date created, Attributes i Folder Path. Teraz klikasz Połącz i z listy pod tym przyciskiem wybierasz Połącz i przekształć dane. Power BI otwiera okno przykładowego pliku, na jego podstawie tworzy funkcję, którą stosuje do każdego pliku w folderze, i skleja wszystkie w jedną tabelę. Ta operacja nazywa się Połącz (Combine).

Najpiękniejsze jest to, co dzieje się później: gdy w przyszłym miesiącu ktoś wrzuci do folderu sprzedaz_2026_01.csv, nie ruszasz raportu. Klikasz tylko Odśwież, a Power BI sam wykryje nowy plik i doklei jego wiersze. Warunek jest jeden: wszystkie pliki muszą mieć tę samą strukturę kolumn. Oto szkielet zapytania M, które generuje folder:

let
    Zrodlo = Folder.Files("C:\Nordvella\eksporty_sprzedazy"),
    TylkoCsv = Table.SelectRows(
        Zrodlo,
        each [Extension] = ".csv"
    ),
    Polaczone = Table.Combine(
        Table.TransformColumns(
            TylkoCsv,
            {"Content", each Table.PromoteHeaders(
            Csv.Document(_, [Delimiter=";", Encoding=65001]),
            [PromoteAllScalars=true])}
        )[Content]
    ),
    #"Zmieniono typ" = Table.TransformColumnTypes(
        Polaczone,
        {
            {"SprzedazID", Int64.Type},
            {"Data", type date},
            {"Sklep", type text},
            {"Produkt", type text},
            {"Kategoria", type text},
            {"Ilosc", Int64.Type},
            {"CenaNetto", type number},
            {"WartoscNetto", type number},
            {"KanalSprzedazy", type text},
            {"FormaPlatnosci", type text}
        },
        "en-US"
    )
in
    #"Zmieniono typ"

Czytaj to tak: Folder.Files zwraca listę plików z katalogu, Table.SelectRows zostawia tylko pliki z rozszerzeniem CSV (żeby przypadkowy plik Excel czy tekstowy nie popsuł łączenia), a Table.Combine skleja zawartość wszystkich plików w jedną tabelę. Nagłówki podnosimy w każdym pliku osobno, zanim go doklejamy: gdyby zrobić to dopiero po sklejeniu, wiersz nagłówków z jedenastu pozostałych plików trafiłby do danych jako zwykłe wiersze. Ostatni krok, Zmieniono typ, ustawia typy kolumn tak samo jak przy pojedynczym pliku CSV. W pliku efektu to zapytanie także ma wyłączone ładowanie. Efekt na danych Nordvelli wygląda tak jak w poniższej macierzy, gdzie widać, że dwanaście osobnych plików zeszło się w jeden zbiór z liczbą wierszy miesiąc po miesiącu:

Inne źródła, które warto znać

Co chcemy osiągnąć. Dane w firmie takiej jak Nordvella nie zawsze leżą w Excelu, w CSV albo w bazie SQL Server: bywają w SharePoint, w bazie Oracle, na stronie internetowej albo w chmurze Google. Chcemy wiedzieć, gdzie szukać tych złączy w oknie Pobierz dane i o czym pamiętać przy każdym z nich.

Excel, CSV, baza i folder pokryją większość Twoich potrzeb, ale okno Pobierz dane kryje jeszcze kilka konektorów, na które prędzej czy później natrafisz. Poniżej krótka mapa: gdzie ich szukać i o czym pamiętać.

Zwróć uwagę na wspólny wzorzec: niezależnie od źródła, po połączeniu zawsze lądujesz w tym samym Nawigatorze albo w Power Query, i zawsze podejmujesz tę samą decyzję Załaduj czy Przekształć dane. Gdy zrozumiesz jedno źródło do końca, resztę opanujesz przez analogię.

Zarządzanie źródłami i poświadczeniami

Co chcemy osiągnąć. Gdy serwer bazy Nordvelli dostanie nowy adres albo hasło wygaśnie, raport przestanie się odświeżać. Chcemy wiedzieć, gdzie zmienić źródło i poświadczenia bez ruszania zapytań.

Podłączenie danych to nie koniec. Ścieżki plików się zmieniają, hasła do bazy wygasają, serwer dostaje nowy adres. Power BI ma na to jedno miejsce: menu Plik, dalej Opcje i ustawienia, dalej Ustawienia źródła danych. Otwiera się okno z listą wszystkich źródeł, których kiedykolwiek używasz, a przełącznik u góry wybiera jedną z dwóch list: Źródła danych w bieżącym pliku albo Uprawnienia globalne zapisane w Twoim profilu.

Najważniejsze operacje w tym oknie:

• Zmień źródło: podmieniasz ścieżkę pliku albo adres serwera bez przebudowy raportu. Gdy plik Nordvelli przeniesie się z pulpitu na dysk sieciowy, poprawiasz ścieżkę tutaj w jednym miejscu,
• Edytuj uprawnienia: tu podmieniasz login i hasło do bazy, gdy administrator je zmieni, oraz sprawdzasz poziom prywatności źródła,
• Wyczyść uprawnienia: usuwasz zapisane poświadczenia, na przykład gdy hasło zostało pomylone i Power BI uparcie próbuje starym.

W tym rozdziale otworzyliśmy dane Nordvelli z pliku Excel, poznaliśmy CSV i folder, podłączyliśmy bazę i świadomie wybraliśmy tryb Import. W kolejnym rozdziale wejdziemy głębiej do edytora Power Query i pokażemy, jak oczyścić dane na celowo popsutej wersji arkusza Nordvelli: przyciąć spacje w nazwach, zamienić ceny zapisane jako tekst na liczby, usunąć zdublowany rekord pracownika i rozłożyć budżet z kolumn na wiersze.

✕