Accueil›Blog›DAX avancé Power BI

Guide recrutement data

DAX avancé Power BI : les formules qu'on teste en entretien

CALCULATE, REMOVEFILTERS, VAR, time intelligence — ces formules DAX séparent un vrai Data Analyst d'un utilisateur Power BI basique. Voici ce qu'on évalue vraiment.

Data Builder·Juin 2025·10 min de lecture·Data Analyst

Sommaire

CALCULATE et contexte de filtre
Contrôle du contexte
VAR/RETURN
Time intelligence
Fonctions d'itération
Performance DAX
Grille par niveau

Le DAX est le vrai filtre en entretien Data Analyst Power BI. Pas les visuels, pas Power Query — le DAX. Un candidat qui maîtrise CALCULATE et le contexte de filtre a travaillé sur des projets réels. Un candidat qui ne connaît que SUM et COUNT n'a fait que du drag-and-drop.

1CALCULATE : le cœur du DAX

Question discriminante

Quelle est la différence entre un contexte de ligne et un contexte de filtre ? Dans quel cas CALCULATE transforme-t-il l'un en l'autre ?

CALCULATE est la fonction la plus importante de DAX. Elle permet de modifier le contexte de filtre d'une mesure — c'est-à-dire de calculer un résultat dans un contexte différent de celui du visuel.

-- Ventes uniquement pour la catégorie Technologie
Tech_Ventes = CALCULATE(
    SUM(Ventes[Montant]),
    Ventes[Categorie] = "Technologie"
)

Contexte de filtre — ce que Power BI applique automatiquement via les slicers, les lignes de tableau, les visuels
Contexte de ligne — ce qui existe dans les colonnes calculées, lors de l'itération ligne par ligne
Transition de contexte — CALCULATE transforme le contexte de ligne en contexte de filtre dans les mesures

Signal d'alerte : un candidat qui ne sait pas expliquer la transition de contexte n'a pas encore travaillé sur des modèles complexes.

2Contrôle du contexte : ALL, REMOVEFILTERS, KEEPFILTERS

Question discriminante

Quelle est la différence entre ALL() et REMOVEFILTERS() ? Donnez un cas où l'un est préférable à l'autre.

C'est la question qui sépare les profils confirmés des juniors. Les deux fonctions suppriment des filtres, mais leur comportement diffère dans certains contextes.

-- ALL supprime tous les filtres sur la table ou la colonne
Part_de_marche = DIVIDE(
    [Total Ventes],
    CALCULATE([Total Ventes], ALL(Produits))
)

-- REMOVEFILTERS est plus explicite et préférable pour la lisibilité
Part_de_marche_v2 = DIVIDE(
    [Total Ventes],
    CALCULATE([Total Ventes], REMOVEFILTERS(Produits))
)

-- KEEPFILTERS : respecte les filtres du visuel tout en ajoutant des conditions
Ventes_Chaussures = CALCULATE(
    [Total Ventes],
    KEEPFILTERS(Produits[Categorie] = "Chaussures")
)

ALL() — supprime tous les filtres, peut casser les filtres visuels dans certains cas
REMOVEFILTERS() — plus précis, plus lisible, comportement identique à ALL() dans la plupart des cas
KEEPFILTERS() — ajoute un filtre sans supprimer ceux déjà en place
ALLEXCEPT() — supprime tous les filtres sauf ceux spécifiés

3VAR/RETURN : lisibilité et performance

Question discriminante

Pourquoi VAR améliore-t-il les performances DAX et pas seulement la lisibilité ?

VAR/RETURN est devenu incontournable en 2024-2025. Un profil qui ne l'utilise pas systématiquement écrit du DAX sous-optimal.

-- Sans VAR : SUM(Ventes[Montant]) est calculé deux fois
Croissance_YoY = 
    (SUM(Ventes[Montant]) - CALCULATE(SUM(Ventes[Montant]), DATEADD(Dates[Date], -1, YEAR))) 
    / CALCULATE(SUM(Ventes[Montant]), DATEADD(Dates[Date], -1, YEAR))

-- Avec VAR : calculé une seule fois, plus lisible et plus rapide
Croissance_YoY = 
VAR VentesActuelles = SUM(Ventes[Montant])
VAR VentesPrecedentes = CALCULATE(SUM(Ventes[Montant]), DATEADD(Dates[Date], -1, YEAR))
RETURN
    DIVIDE(VentesActuelles - VentesPrecedentes, VentesPrecedentes)

VAR évalue l'expression une seule fois et stocke le résultat en mémoire
Évite les recalculs multiples dans les formules complexes
Permet le débogage en retournant VAR intermédiaire directement
Rend le DAX lisible comme du pseudocode

Bonne pratique : tout calcul qui réutilise une expression plus d'une fois devrait utiliser VAR. C'est le signal d'un profil qui pense à la maintenabilité.

4Time intelligence : l'incontournable en entretien

Question discriminante

Quelle est la différence entre DATEADD et SAMEPERIODLASTYEAR ? Dans quel cas l'un est-il plus adapté ?

La time intelligence est testée dans presque tous les entretiens Data Analyst. Les recruteurs veulent s'assurer que le candidat peut répondre à des questions business courantes : évolution annuelle, cumul progressif, comparaison de périodes.

-- Ventes de l'année précédente (même période)
Ventes_N1 = CALCULATE([Total Ventes], SAMEPERIODLASTYEAR(Dates[Date]))

-- Flexible : déplacer de n périodes (mois, trimestres, années)
Ventes_3_mois_avant = CALCULATE([Total Ventes], DATEADD(Dates[Date], -3, MONTH))

-- Cumul progressif depuis le début de l'année (YTD)
Ventes_YTD = TOTALYTD([Total Ventes], Dates[Date])

-- Cumul depuis le début du mois
Ventes_MTD = TOTALMTD([Total Ventes], Dates[Date])

SAMEPERIODLASTYEAR — retourne exactement la même période un an avant, utile pour YoY
DATEADD — plus flexible, décale de n unités (jours, mois, trimestres, années)
TOTALYTD / TOTALMTD / TOTALQTD — cumuls progressifs, nécessitent une table de dates marquée
DATESINPERIOD — fenêtre glissante sur N jours/mois

Prérequis indispensable : toutes les fonctions de time intelligence nécessitent une table de dates correctement marquée dans Power BI. Un candidat qui l'ignore n'a pas déployé de rapport en production.

5Fonctions d'itération : SUMX, AVERAGEX, RANKX

Question discriminante

Quand utilisez-vous SUMX plutôt que SUM ? Donnez un exemple concret.

-- SUM : additionne une colonne existante
Total_Ventes = SUM(Ventes[Montant])

-- SUMX : itère ligne par ligne avant d'agréger
Marge_Totale = SUMX(
    Produits,
    Produits[Prix_Vente] * Produits[Quantite] - Produits[Cout]
)

-- RANKX : classement dynamique
Rang_Commercial = RANKX(
    ALL(Commerciaux[Nom]),
    [Total Ventes],
    ,
    DESC,
    DENSE
)

-- SWITCH(TRUE()) : remplace les IF imbriqués
Segment_Client = SWITCH(
    TRUE(),
    [Total Ventes] > 50000, "Gold",
    [Total Ventes] > 10000, "Silver",
    "Bronze"
)

SUMX / AVERAGEX — itèrent sur une table, appliquent une expression, puis agrègent
RANKX — classement dynamique, très utilisé pour les tops N
SWITCH(TRUE()) — alternative lisible aux IF imbriqués
SELECTEDVALUE() — capture la valeur d'un slicer, évite les erreurs multi-valeurs

6Performance DAX : ce qu'on teste au niveau Senior

Question discriminante

Comment diagnostiquez-vous une mesure DAX lente ? Quels outils utilisez-vous ?

Au niveau Senior et Lead, la capacité à optimiser le DAX est un différenciateur clé. Un bon profil cite DAX Studio sans hésiter.

DAX Studio — analyser le query plan, identifier les cold/hot cache hits, mesurer les temps d'exécution
Performance Analyzer Power BI — identifier les visuels lents, voir le DAX généré
Éviter les colonnes calculées — préférer les mesures quand possible (calcul à la volée vs stockage)
Limiter les relations bidirectionnelles — elles multiplient les chemins de filtrage et ralentissent
VertiPaq Analyzer — analyser la taille du modèle, identifier les colonnes à fort cardinal

Signal GO Senior : le candidat mentionne spontanément DAX Studio, parle de cardinalité et de compression VertiPaq. Un profil qui n'a jamais ouvert DAX Studio n'a pas optimisé de modèle réel.

7Grille par niveau

Niveau	Maîtrise DAX attendue	Signal GO	NO-GO
Junior	SUM, COUNT, CALCULATE simple, mesures de base	Comprend la différence mesure vs colonne calculée, utilise DIVIDE	Ne connaît pas CALCULATE, confond mesure et colonne calculée
Confirmé	CALCULATE avancé, VAR/RETURN, time intelligence, SUMX/RANKX	Explique la transition de contexte, utilise VAR systématiquement, maîtrise SAMEPERIODLASTYEAR	Ne sait pas pourquoi VAR améliore les performances
Senior	Optimisation, DAX Studio, patterns avancés (semi-additive, security)	Cite DAX Studio, parle de cardinalité, a implémenté du RLS dynamique	N'a jamais utilisé DAX Studio, ne connaît pas les mesures semi-additives
Lead	Architecture du modèle sémantique, standards d'équipe, revues DAX	A défini des conventions de nommage DAX pour une équipe, a migré vers Fabric/SSAS	Ne peut pas expliquer ses choix d'architecture sémantique

Home›Blog›Advanced DAX Power BI

Data hiring guide

Advanced DAX Power BI: the formulas we test in interviews

CALCULATE, REMOVEFILTERS, VAR, time intelligence — these DAX formulas separate a real Data Analyst from a basic Power BI user. Here's what we actually assess.

Data Builder·June 2025·10 min read·Data Analyst

Contents

CALCULATE and filter context
Context control
VAR/RETURN
Time intelligence
Iteration functions
DAX performance
Level grid

DAX is the real filter in Data Analyst Power BI interviews. Not visuals, not Power Query — DAX. A candidate who masters CALCULATE and filter context has worked on real projects. A candidate who only knows SUM and COUNT has only done drag-and-drop.

1CALCULATE: the heart of DAX

Discriminating question

What is the difference between a row context and a filter context? In which case does CALCULATE transform one into the other?

CALCULATE is the most important function in DAX. It allows you to modify the filter context of a measure — that is, to calculate a result in a different context from that of the visual.

-- Sales only for the Technology category
Tech_Sales = CALCULATE(
    SUM(Sales[Amount]),
    Sales[Category] = "Technology"
)

Filter context — what Power BI automatically applies via slicers, table rows, visuals
Row context — what exists in calculated columns, when iterating row by row
Context transition — CALCULATE transforms the row context into a filter context in measures

Warning signal: a candidate who cannot explain context transition has not yet worked on complex models.

2Context control: ALL, REMOVEFILTERS, KEEPFILTERS

Discriminating question

What is the difference between ALL() and REMOVEFILTERS()? Give a case where one is preferable to the other.

This is the question that separates experienced profiles from juniors. Both functions remove filters, but their behavior differs in certain contexts.

-- ALL removes all filters on the table or column
Market_Share = DIVIDE(
    [Total Sales],
    CALCULATE([Total Sales], ALL(Products))
)

-- REMOVEFILTERS is more explicit and preferable for readability
Market_Share_v2 = DIVIDE(
    [Total Sales],
    CALCULATE([Total Sales], REMOVEFILTERS(Products))
)

-- KEEPFILTERS: respects visual filters while adding conditions
Shoes_Sales = CALCULATE(
    [Total Sales],
    KEEPFILTERS(Products[Category] = "Shoes")
)

ALL() — removes all filters, can break visual filters in certain cases
REMOVEFILTERS() — more precise, more readable, identical behavior to ALL() in most cases
KEEPFILTERS() — adds a filter without removing those already in place
ALLEXCEPT() — removes all filters except those specified

3VAR/RETURN: readability and performance

Discriminating question

Why does VAR improve DAX performance and not just readability?

VAR/RETURN has become essential in 2024-2025. A profile who does not use it systematically writes suboptimal DAX.

-- Without VAR: SUM(Sales[Amount]) is calculated twice
YoY_Growth = 
    (SUM(Sales[Amount]) - CALCULATE(SUM(Sales[Amount]), DATEADD(Dates[Date], -1, YEAR))) 
    / CALCULATE(SUM(Sales[Amount]), DATEADD(Dates[Date], -1, YEAR))

-- With VAR: calculated only once, more readable and faster
YoY_Growth = 
VAR CurrentSales = SUM(Sales[Amount])
VAR PreviousSales = CALCULATE(SUM(Sales[Amount]), DATEADD(Dates[Date], -1, YEAR))
RETURN
    DIVIDE(CurrentSales - PreviousSales, PreviousSales)

VAR evaluates the expression only once and stores the result in memory
Avoids multiple recalculations in complex formulas
Enables debugging by returning intermediate VAR directly
Makes DAX readable like pseudocode

Best practice: any calculation that reuses an expression more than once should use VAR. This is the signal of a profile who thinks about maintainability.

4Time intelligence: a must in interviews

Discriminating question

What is the difference between DATEADD and SAMEPERIODLASTYEAR? In which case is one more suitable?

Time intelligence is tested in almost every Data Analyst interview. Recruiters want to make sure the candidate can answer common business questions: annual growth, running totals, period comparisons.

-- Sales from the previous year (same period)
Sales_LY = CALCULATE([Total Sales], SAMEPERIODLASTYEAR(Dates[Date]))

-- Flexible: shift by n periods (months, quarters, years)
Sales_3_months_ago = CALCULATE([Total Sales], DATEADD(Dates[Date], -3, MONTH))

-- Running total since the beginning of the year (YTD)
Sales_YTD = TOTALYTD([Total Sales], Dates[Date])

-- Running total since the beginning of the month
Sales_MTD = TOTALMTD([Total Sales], Dates[Date])

SAMEPERIODLASTYEAR — returns exactly the same period one year ago, useful for YoY
DATEADD — more flexible, shifts by n units (days, months, quarters, years)
TOTALYTD / TOTALMTD / TOTALQTD — running totals, require a marked date table
DATESINPERIOD — rolling window over N days/months

Essential prerequisite: all time intelligence functions require a properly marked date table in Power BI. A candidate who ignores this has not deployed a report in production.

5Iteration functions: SUMX, AVERAGEX, RANKX

Discriminating question

DAX avancé Power BI : les formules qu'on teste en entretien

1CALCULATE : le cœur du DAX

2Contrôle du contexte : ALL, REMOVEFILTERS, KEEPFILTERS

3VAR/RETURN : lisibilité et performance

4Time intelligence : l'incontournable en entretien

5Fonctions d'itération : SUMX, AVERAGEX, RANKX

6Performance DAX : ce qu'on teste au niveau Senior

7Grille par niveau

Advanced DAX Power BI: the formulas we test in interviews

1CALCULATE: the heart of DAX

2Context control: ALL, REMOVEFILTERS, KEEPFILTERS

3VAR/RETURN: readability and performance

4Time intelligence: a must in interviews

5Iteration functions: SUMX, AVERAGEX, RANKX

Vous recrutez un Data Analyst Power BI ?