ความละเอียด มาตรวัด และลำดับชั้น

Data Modeling ระดับกลางใน Power BI

Maarten Van den Broeck

Content Developer at DataCamp

ทำความเข้าใจความละเอียดของข้อมูล

  • ความละเอียด (Granularity): ข้อมูลถูกจัดเก็บในระดับใดเทียบกับมิติ?
  • ระดับรายละเอียดขั้นต่ำที่สามารถคิวรีได้
  • กำหนดความละเอียดด้วยคำว่า "by":
    • เช่น by customer, by product, by day
    • เช่น by id, by NAICS$^1$ code, by establishment age, by year

1 NAICS: ระบบจำแนกประเภทอุตสาหกรรมอเมริกาเหนือ (North American Industry Classification System)
Data Modeling ระดับกลางใน Power BI

การจัดการความละเอียดของข้อมูลใน Power BI

  • การเพิ่มความละเอียดของข้อมูล: ไม่แนะนำ!
  • การลดความละเอียดของข้อมูล: ใช้การรวมและการจัดกลุ่ม
    • ประสิทธิภาพคิวรีดีขึ้นเมื่อมีแถวน้อยลง
    • ขนาดแคชเล็กลงและรีเฟรชเร็วขึ้น

การรวมข้อมูลใน PBI

การจัดกลุ่มใน PBI

Data Modeling ระดับกลางใน Power BI

มาตรวัด (Measures)

  • ฟิลด์หรือกลุ่มฟิลด์ที่สามารถรวมหรือคำนวณได้
    • ดึงมาจากข้อมูล fact โดยตรง
    • สามารถสร้างมาตรวัดใหม่เพิ่มเติมได้

มาตรวัดในตาราง fact

Data Modeling ระดับกลางใน Power BI

การสร้างมาตรวัด

  • ค่าตัวเลขจะถูกแปลงเป็นมาตรวัดโดยอัตโนมัติและรวมด้วย sum

  • สร้างมาตรวัดเองใน Power BI โดยใช้ DAX
  • สร้างการคำนวณเฉพาะประเภทผ่านกล่องโต้ตอบ: Quick measures

  • เหมาะสำหรับการเรียนรู้วิธีสร้างมาตรวัดที่ซับซ้อนระดับกลาง
Data Modeling ระดับกลางใน Power BI

ลำดับชั้น (Hierarchies)

ช่วยให้ผู้ใช้เจาะลึกเข้าไปในมิติของข้อมูลได้

ลำดับชั้นตามธรรมชาติ
  • ระดับของลำดับชั้นมีอยู่จริงในโลกความเป็นจริง
  • Year -> Month -> Day
ลำดับชั้นสังเคราะห์
  • ระดับถูกสร้างขึ้นเพื่อวัตถุประสงค์ในการคิวรี
  • Intake year -> Favorite color -> Favorite sport
Data Modeling ระดับกลางใน Power BI

มาฝึกกันเถอะ!

Data Modeling ระดับกลางใน Power BI

Preparing Video For Download...