Ma

Which one is better? #powerbi #data #analytics #visualization

@JulianaAbaunza Mucho MORO en la costa.

@JulianaAbaunza Como les gustan los MOROS a estas wokes.

Mi primer comentario mundialista es que los iraníes en serio se sacaron la lotería genética. Qué montón de bellos.

@idonotrepair @JulianaAbaunza ERAN*

@Malejozaja @JulianaAbaunza Son Persas, imbécil.

@Vendetta1313_ Que le van a pedir a una vieja que se comporte como un futbolero de verdad. No han entendido nada.

A mi me gusta el fútbol pero no para verlo TODO el día, los manes se pasan.

@AlonsoJGabriela Dizque “mi balance” y es que quien sos vos pues?

Mi balance del Mundial hasta ahora Europa: la más completa.
Cualidad: organización táctica e intensidad. Defecto: demasiado rígida y predecible. Norteamérica y Centroamérica: la más física.
Cualidad: presión alta y transiciones rápidas.
Defecto: le cuesta elaborar juego ante defensas cerradas. África: la gran revelación.
Cualidad: velocidad, físico y crecimiento táctico.
Defecto: todavía sufre desconexiones y errores de concentración. Asia: la más disciplinada.
Cualidad: orden táctico e intensidad.
Defecto: menor profundidad de plantilla y menos jerarquía individual. Suramérica: la más talentosa.
Cualidad: técnica y creatividad individual.
Defecto: menor intensidad colectiva y excesiva dependencia de las figuras.

Full Name: Hazel Moore Date of Birth: June 9, 2000 Age: 26 years old Birthplace: New York, United States Nationality: American Ethnicity: Caucasian Profession: Model Years Active: 2019–present (approximately 7 years) Height: 5'7" (170 cm) Weight: 121 lbs (55 kg) Body Type: Slim Hair Color: Brown Eye Color: Hazel Known For: Modeling career that began in 2019.

Most SQL developers can write queries. Very few understand what happens automatically after data changes. If you want to learn SQL Triggers, study these concepts: 1). BEFORE Triggers 2).AFTER Triggers 3) INSTEAD OF Triggers 4) Row-Level Triggers 5) Statement-Level Triggers 6) Audit Logging 7) Data Validation 8) Soft Deletes 9) Business Rule Enforcement 10) Trigger Performance Nested Triggers Production Best Practices Master these and you'll understand how enterprise databases automate business logic at scale. Here's the Advanced SQL Trigger Cheat Sheet 👇

@chichoariasr Con razón es cacorro el asesino de hamburguesas este.

Voy a ver un Australia - Turquía un sábado a las 11:00 P.M. Mi yo del pasado estaría dándome una cachetada.

@periodistan_ Con razón estos homosexuales de mierda no son capaces de ganarle a los simios de Marruecos.

Este es EL DATO para entender el momento de la selección de Brasil. Varios jugadores -por ejemplo Lucas Paquetá- contrataron FOTÓGRAFOS PARTICULARES para que los retraten durante los entrenamientos y poder subir las imágenes a INSTAGRAM.

🔥 Learn how to create Matrix-Chart combinations in Power BI (.pbix included) 🔗 medium.com/microsoft-powe… Get all our tutorials: powerbi-masterclass.short.gy/power-bi?utm_c… #powerbi #datafam #dataviz

@nmichellegg Andá a que te escupa un musulmán.

En pleno mundial no tenemos nada que ver un sábado por la tarde. Que absoluta aberración

📊 Building Interactive Flip-Card KPIs in Power BI: The HTML DAX Technique That Makes Static Cards Obsolete 🔗 medium.com/microsoft-powe… Get all our tutorials: powerbi-masterclass.short.gy/power-bi?utm_c…

Customize column chart and labels beyond basics 🙌 #powerbi #arrowchart #visualization #chart

WORLD CUP PREDICTIONS: MATCHDAY 1 ━━━━━━━━━ 🇲🇽 Mexico 2-0 South Africa 🇿🇦 done ✅ 🇰🇷 South Korea 2-1 Czechia 🇨🇿 done ✅ 🇨🇦 Canada 1-1 Bosnia 🇧🇦 🇺🇸 USA 1-0 Paraguay 🇵🇾 🇶🇦 Qatar 0-2 Switzerland 🇨🇭 🇧🇷 Brazil 1-1 Morocco 🇲🇦 🇭🇹 Haiti 0-3 Scotland 🏴󠁧󠁢󠁳󠁣󠁴󠁿 🇦🇺 Australia 1-2 Turkey 🇹🇷 🇩🇪 Germany 5-0 Curacao 🇨🇼 🇳🇱 Netherlands 2-2 Japan 🇯🇵 🇨🇮 Ivory Coast 0-0 Ecuador 🇪🇨 🇸🇪 Sweden 1-0 Tunisia 🇹🇳 🇪🇸 Spain 6-0 Cape Verde 🇨🇻 🇧🇪 Belgium 1-1 Egypt 🇪🇬 🇸🇦 Saudi Arabia 1-2 Uruguay 🇺🇾 🇮🇷 Iran 1-0 New Zealand 🇳🇿 🇫🇷 France 3-1 Senegal 🇸🇳 🇮🇶 Iraq 1-2 Norway 🇳🇴 🇦🇷 Argentina 2-0 Algeria 🇩🇿 🇦🇹 Austria 2-1 Jordan 🇯🇴 🇵🇹 Portugal 3-0 DR Congo 🇨🇩 🏴󠁧󠁢󠁥󠁮󠁧󠁿 England 2-1 Croatia 🇭🇷 🇬🇭 Ghana 2-0 Panama 🇵🇦 🇺🇿 Uzbekistan 0-2 Colombia

@AndresGuryRod @ABDELAESPRIELLA Por esto es que hace tiempo me da una vergüenza decir que soy de derecha. Porque a todos nos encapsulan con estos tipos en la misma pasta.

Este es el verdadero estallido social, sin capuchas,ni violencia !!!! Hoy el país es VALIENTE!!! @ABDELAESPRIELLA

@fri0 @DGO_Latam Eso es un bot. Esos maricas ni responden.

@DGO_Latam @Malejozaja Arreglalo para todos no solo oara los que escriben

Lo de DGO es una grosería. Si no tienen cómo responder ante la demanda y la calidad de imagen, no se adueñen de los derechos. @DGO_Latam @DIRECTVLA

He notado que aun existen personas con dudas sobre donde ver el Mundial, precios de las plataformas y el delay. Así que me tomé el tiempo y trate de resumir todo esto en una imagen

✅ WINDOWS FUNCTIONS 🧠 1. What are Window Functions? Window functions perform calculations without grouping rows 👉 Difference: - GROUP BY → reduces rows - Window Function → keeps all rows + adds extra column 📊 Example Table name → Amit, Ravi, Neha department → IT, IT, HR salary → 60000, 70000, 40000 ⚡ 2. Basic Syntax SELECT column, FUNCTION() OVER (PARTITION BY column ORDER BY column) FROM table; 🔥 3. ROW_NUMBER() Assigns unique rank to each row SELECT name, department, salary, ROW_NUMBER() OVER (PARTITION BY department ORDER BY salary DESC) AS rank FROM employees; ✔ Rank employees within each department 🥇 4. RANK() vs DENSE_RANK() 👉 RANK() (skips numbers) SELECT name, salary, RANK() OVER (ORDER BY salary DESC) AS rank FROM employees; 👉 DENSE_RANK() (no skipping) SELECT name, salary, DENSE_RANK() OVER (ORDER BY salary DESC) AS rank FROM employees; 📊 Visual Difference If salaries are 100, 90, 90, 80: - RANK() gives: 1, 2, 2, 4 - DENSE_RANK() gives: 1, 2, 2, 3 ⚡ 5. PARTITION BY (Very Important) 👉 Splits data into groups (like GROUP BY but without collapsing rows) SELECT department, name, salary, AVG(salary) OVER (PARTITION BY department) AS avg_salary FROM employees; ✔ Shows avg salary per department for each row 🎯 6. Practice Tasks 1. Rank employees by salary 2. Rank employees within each department 3. Find highest salary per department 4. Add average salary column per department 5. Find second highest salary using window function ✅ Practice Tasks Solution ✅ 1. Rank employees by salary SELECT name, salary, ROW_NUMBER() OVER (ORDER BY salary DESC) AS rank FROM employees; ✅ 2. Rank employees within each department SELECT name, department, salary, ROW_NUMBER() OVER (PARTITION BY department ORDER BY salary DESC) AS rank FROM employees; ✅ 3. Find highest salary per department SELECT name, department, salary FROM ( SELECT name, department, salary, ROW_NUMBER() OVER (PARTITION BY department ORDER BY salary DESC) AS rn FROM employees ) t WHERE rn = 1; ✅ 4. Add average salary column per department SELECT name, department, salary, AVG(salary) OVER (PARTITION BY department) AS avg_salary FROM employees; ✅ 5. Find second highest salary using window function SELECT name, salary FROM ( SELECT name, salary, DENSE_RANK() OVER (ORDER BY salary DESC) AS rnk FROM employees ) t WHERE rnk = 2; ⚡ Mini Challenge 🔥 👉 Get top 2 highest paid employees in each department ⚡ Mini Challenge Solution 🔥 SELECT name, department, salary FROM ( SELECT name, department, salary, ROW_NUMBER() OVER (PARTITION BY department ORDER BY salary DESC) AS rn FROM employees ) t WHERE rn <= 2; 🔥 Pro Tip - Use ROW_NUMBER() → unique ranking - Use DENSE_RANK() → handle ties Double Tap ❤️ For More BOOKMARK THIS