Power BI 数据模型及核心概念介绍

可视化图表的背后——数据模型

在Power BI中, 每一个可视化图表背后，都是一个由许多数据表格组成的数据模型。这些框中包含数据表，且框内的每个行项都是一列。 连接框的线表示表之间的关系。只有正确地将表格关联起来，才能实现各种可视化的效果，比如筛选、切换指标等功能。

出色的数据模型具有以下优点：

• 数据浏览速度更快。
• 聚合更易于生成。
• 报表更加准确。
• 编写报表所需的时间更少。
• 报表以后更易于维护。

搭建数据模型的难点：

• 想要制定一个固定的规则很难。
  • 因为所有数据都不相同，并且数据的用法也各有不同。
  • 比如，为了实现不同的可视化功能，需要生成额外的表格用于标签筛选。
  • 不同的业务，数据架构和存储的方式也不一样，甚至数据关系也不同，因此在搭建数据模型时，不仅需要了解具体的业务背景，还需要了解企业中现在的数据架构如何。
• 数据量大，数据指标多。
  • 计数据模型时应该以简洁性为目标。 一般而言，较小的数据模型会更好，因为其性能更快并且更易于使用。通常情况下，较小的数据模型包含更少的表，且每个表中用户可以看到的列也更少。
  • 如果从销售数据库中导入所有的数据，可能包含数十个列数众多的表格，其中大部分是用户不常用到的。所以，删除不需要的列数和表格，可以提高数据的浏览速度。
  • 但是如果后期需要增加新的指标，哪怕是一个简单的数据指标，也可能牵一发而动全身，影响整体数据模型的维护和设计。
• 数据聚合和颗粒度问题。
  • 不同的数据使用方对数据的颗粒度要求不同。
  • 数据颗粒度越小，计算和聚合所需的时间则越长。
  • 如何平衡数据颗粒度和计算效率之间的问题，也是在设计数据模型时需要考虑到的问题。

核心概念

主键

主键是用来标识每个唯一的数据行的列，它可以确保表中每行都有一个唯一的标识。
具体来说，主键通常是一个表中的一个或多个列，用于唯一地标识该表中的每一行数据。例如，如果你有一个"Customers"表，则可以为每个客户指定一个唯一的标识，如"CustomerID"列。这个列的值在整个表中是唯一的，它能够确保每行数据都有一个唯一标识，避免出现数据冲突或重复。

外键

外键则用来建立不同表之间的关系，通过引用其他表的主键来进行关联，形成表之间的关系。
外键则是在一个表中引用另一个表中的主键列。外键列的值必须与另一个表的主键列中的值匹配，以确保两个表中的数据关联起来。例如，如果你有一个"Orders"表格和一个"Customers"表格，可以在"Orders"表格中添加一个"CustomerID"列作为外键，用于引用"Customers"表格中的"CustomerID"列。这个外键列将确保每个订单都与正确的客户相关联。

表关系

表关系是指在数据库或数据模型中，两个或多个表之间的逻辑连接。
当不同的表之间具有共用的主键和外键时，便会形成表之间的关系。
这些表之间的关系可以是一对一、一对多或多对多。

事实数据表

事实数据表是一个存储业务数据的表格，它包含各种交易或事件的详细信息，例如销售订单、产品数量、交易日期和时间等。

• 可以包含多个重复值：例如订单数据，对于不同日期的不同客户，一个产品可以在多个行中多次出现。
• 可进行聚合分析：通过对这些数据进行聚合和分析，我们可以获得关于业务过程的深入洞察，例如销售额、客户订单数等。

维度表

维度表包含有关事实数据的详细信息，如产品、位置、员工和订单类型等，并与事实数据表通过键列连接。

• 每个维度表中的行对应唯一的值：例如“Products”表中的每个产品对应一行。
• 用于筛选和分组事实数据：通过对数据进行分组，可以按照维度表中的数据（如产品）查看总销售订单数等视觉对象。

事实数据表通常比维度表大很多，因为许多事件在事实数据表中发生，例如单独的销售。 维度表通常较小，因为受限于可以筛选和分组的项数。 例如，一年仅包含一定数量的月份，而美国仅由一定数量的州组成。

应用例子

如上图所示：

• 在这个例子中，Customer表是维度表，Orders表是事实数据表。
• Customer表中记录了用户的信息，每一行都是唯一值。
• Orders 表则是事实数据表，记录了所有的订单信息。
• 在视觉对象中，可以把用户ID作为筛选对象，通过筛选用户ID，查找具体的订单信息。