Il miglior test di Power BI per assumere data analyst

Perché la maggior parte dei test Power BI manca il lavoro vero

Molti test Power BI sono gare di costruzione di dashboard. Costruisci un dashboard. Aggiungi tre visualizzazioni. Fatto in 45 minuti. Ma non è così che lavorano le analiste.

Il lavoro vero con Power BI è:

• Capire dati sorgente disordinati e decidere cosa pulire
• Scegliere tra colonne calcolate, measure e logica DAX
• Progettare dashboard per audience specifiche (executive vogliono KPI, operations vuole drill-down, finance vuole audit trail)
• Fare tuning di performance quando un report tocca le 100k righe
• Sapere quando Power BI è eccessivo e Excel o SQL sono più veloci

Un buon test valuta queste dimensioni, non solo «sai cliccare i bottoni delle visualizzazioni».

Il test di screening: sa modellare i dati?

Inizia con uno scenario da 30 minuti. Mandale un export CSV disordinato:

1. Carica i dati in Power BI
2. Identifica problemi evidenti di qualità
3. Pulisci due colonne (con problemi veri)
4. Crea tre measure (fatturato totale, valore medio deal, crescita mese su mese)
5. Spiega perché hai usato una measure invece di una colonna calcolata su una di esse

Verifica:

• Comprensione concettuale di tabelle di fatto, dimensioni, star schema
• Consapevolezza della qualità dei dati
• DAX di base (SUM, DIVIDE, divisione sicura)
• Giudizio su colonna vs. measure (differenziatore chiave junior/mid)

Punteggio:

• Dati caricati e puliti: pass/fail
• Le measure funzionano: sì/no
• Spiegazione colonna vs. measure: superficiale vs. sfumata

Filtra chi non ha mai costruito un data model.

Il test take-home: vero design di dashboard

Chi supera lo screening passa a un take-home da 2–3 ore:

«Hai un CSV con 6 mesi di transazioni: data, customer ID, categoria prodotto, importo, regione, segmento (nuovo/ricorrente).

Costruisci un dashboard Power BI che risponda a:

1. Fatturato totale e numero di clienti per regione
2. Come si confrontano i clienti nuovi con i ricorrenti sulla spesa media
3. Quali categorie prodotto stanno crescendo mese su mese
4. Per un dato customer ID (campo di input), la storia completa delle transazioni e l'LTV.

Progetta per un VP Sales. Lo guarda ogni giorno. Una sola pagina. Rendilo actionable.»

Verifica:

• Modellazione dati: strutturano i dati per query efficienti?
• Selezione delle visualizzazioni: scelgono il tipo di grafico giusto? (fatturato per regione = barra/mappa, non linea)
• Consapevolezza dell'audience: dashboard affollato o focalizzato?
• Interattività: usano slicer e drill-through con criterio o aggiungono rumore?
• Consapevolezza performance: capiscono cosa rallenta un modello Power BI?

Consegna:

• File Power BI (.pbix)
• Documento di design da 1 pagina: «perché ho scelto queste visualizzazioni, come un VP la userebbe, cosa manca con i dati attuali».

Separa i costruttori di report dagli analisti che pensano in termini di impatto.

Il colloquio di valutazione: 30 minuti

Porta il dashboard in una videocall. Chiedi:

1. «Spiegami il tuo modello dati. Perché lo hai strutturato così?» Aspettati che parli di fact/dimension o «ho messo le transazioni qui e ho cercato le regioni». Qualunque risposta ti dice il suo modello mentale.
2. «Come performa con 2 anni invece di 6 mesi? Cosa si rompe?» Separa chi ha già messo report in produzione da chi ha solo costruito prototipi.
3. «Un VP chiede una nuova colonna: redditività per cliente (fatturato meno costo). Spiegami come la aggiungeresti.» Verifica se la metterebbe nei dati sorgente (sbagliato), come measure (meglio) o se pensa ai casi limite (meglio ancora).
4. «Cosa non può dirti questo dashboard?» Riconoscono i limiti dei dati transazionali?
5. «Hai usato Power BI in produzione?» L'autovalutazione onesta conta.

Cosa testare vs. cosa saltare

Testa (differenziano):

• Basi di modellazione
• Giudizio DAX (measure vs. colonne calcolate, divisione per zero)
• Design visivo per audience (non bello, ma funzionale)
• Intuito di performance
• Pensiero di qualità dei dati

Salta (non differenziano):

• Funzioni DAX oscure. Le analiste usano SUM, DIVIDE, DISTINCTCOUNT, RELATED — il 95 % del lavoro.
• Formattazione e colori. Soggettivo, basso segnale.
• Feature di admin. RLS, pipeline di deployment, gateway — infrastruttura, non skill di analista.
• SQL o data warehouse. Solo se il ruolo include la costruzione di ETL.

Errori comuni di valutazione

1: nessun problema di qualità nel set di test. I dati reali sono sporchi. Aggiungi formati di data inconsistenti, valori mancanti, duplicati, spazi.

2: misurare il tempo di completamento. «Ha costruito il dashboard in 1 ora, è veloce.» No, magari ha copiato un tutorial. La qualità del ragionamento conta.

3: troppa libertà senza vincoli. «Costruisci qualunque dashboard.» Dai un'audience specifica e domande chiare.

4: testare la sintassi Tableau/Looker invece del pensiero analitico. Se ti interessa Power BI specificamente, testa Power BI. Ma la maggior parte della skill è pensiero analitico, non sintassi specifica.

Per ruolo

Per business analyst

Enfasi sul design del dashboard per stakeholder non tecnici. Sanno spiegare i trend in modo semplice?

Per data analyst / analytics engineer

Testa la modellazione dei dati in profondità. Rigore DAX. Capire la differenza tra scope di aggregazione e contesto di filtro separa junior da senior.

Per analytics manager

Testa la strategia del dashboard. Data una domanda di business, come strutturerebbero l'analytics? Quando direbbero «questa domanda non sta in Power BI»?

Integrazione con il tuo processo di selezione

La valutazione Power BI rientra in una strategia più ampia di skill software:

1. Screening (30 min): modellazione + measure. Pass/fail filtra i non utenti.
2. Take-home (2–3 ore): vero design di dashboard.
3. Conversazione (30 min): ragionamento sul lavoro, consapevolezza performance, autovalutazione onesta.
4. Round comportamentale (30–45 min): progetti reali consegnati. Come hanno gestito requisiti ambigui? Cosa è andato storto?

Insieme valutano capacità e giudizio.

La meta-valutazione: scelta dello strumento

Una analista forte potrebbe dire: «Ho usato Tableau e Looker, ma imparo nuovi tool velocemente. La mia skill è il pensiero coi dati, non la sintassi.»

È corretto. Testa il pensiero. Lo strumento è implementazione.

Ma se il lavoro richiede Power BI specificamente (perché il team lo usa o i clienti lo chiedono), testalo. Allinea la valutazione al lavoro reale.

Un test di dashboard che misura il pensiero analitico vero — consapevolezza della qualità dei dati, design per audience, intuito di performance — batte ogni volta una gara di formattazione.