Ziarnistość, miary i hierarchie

Modelowanie danych średnio zaawansowane w Power BI

Maarten Van den Broeck

Content Developer at DataCamp

Zrozumienie ziarnistości

  • Ziarnistość: na jakim poziomie dane są przechowywane względem wymiarów?
  • Minimalny poziom szczegółowości dostępny w zapytaniach
  • Ziarnistość definiuje się za pomocą wyrażeń „według":
    • Np. według klienta, produktu, dnia
    • Np. według id, kodu NAICS$^1$, wieku przedsiębiorstwa, roku

1 NAICS: North American Industry Classification System
Modelowanie danych średnio zaawansowane w Power BI

Obsługa ziarnistości w Power BI

  • Przejście do drobniejszej ziarnistości: niezalecane!
  • Przejście do grubszej ziarnistości: agregacje i grupowanie
    • Lepsza wydajność zapytań przy mniejszej liczbie wierszy
    • Mniejszy rozmiar pamięci podręcznej i szybsze odświeżanie

agregowanie w PBI

grupowanie w PBI

Modelowanie danych średnio zaawansowane w Power BI

Miary

  • Pola lub kombinacje pól, które można agregować lub obliczać
    • Pochodzą bezpośrednio z danych faktów
    • Można również tworzyć nowe miary

miary w tabeli faktów

Modelowanie danych średnio zaawansowane w Power BI

Tworzenie miar

  • Wartości numeryczne są automatycznie konwertowane na miary i agregowane przez sumę

  • Tworzenie własnych miar w Power BI za pomocą DAX
  • Tworzenie określonych typów obliczeń za pomocą okna dialogowego: Szybkie miary

  • Przydatne do nauki tworzenia bardziej złożonych miar
Modelowanie danych średnio zaawansowane w Power BI

Hierarchie

Umożliwiają zagłębianie się w wymiary danych

Hierarchie naturalne
  • Poziomy hierarchii istnieją „w rzeczywistości"
  • Rok -> Miesiąc -> Dzień
Hierarchie sztuczne
  • Poziomy są tworzone na potrzeby zapytań
  • Rok przyjęcia -> Ulubiony kolor -> Ulubiony sport
Modelowanie danych średnio zaawansowane w Power BI

Czas na ćwiczenia!

Modelowanie danych średnio zaawansowane w Power BI

Preparing Video For Download...