Power BI 之数据建模

数据模型

在其他数据库构造前都需要了解一些E-R实体属性关系模型，以及一些常用的维度建模，在Power BI中也利用数据表之间的关系，实现多表连接，实现特定的业务场景所需的数据分析结果。

E-R模型

E-R实体关系模型在数据库概念模型中极为重要，通过实体之间的关系构成的数据模型将现实的实体抽象转换，存放进数据库中，需要注意的是在构建数据库是需要满足三范式。

• 1NF：满足列的原子性，需要保证表的每一列都是一个不可分割的原子项；
• 2NF：满足1NF的同时，需要满足非关键字段必须有唯一的主键；
• 3NF：满足2NF的同时，表中的每一列都存在直接相关，不能存在传递依赖。

常见的维度建模

雪花模型和星型模型是维度建模的常用的模型，维度建模是以业务实际的需求出发构建模型，构建的数据模型需要服务于业务实际，因此我们需要注重于快速响应需求，注重在面向业务方面的实现。

1. 维度建模的基本要素

维度建模的基本要素是维度表和事实表。
事实表：由两部分组成，维度和度量。主要用于保存事实记录，存储了大部分数据，是业务核心的体现。
维度表：存储定性的数据，比如时间、人物。

2. 星型模型

事实表位于中心，维度表直接与事实表直接建立关系（星型模型是更加适合Power BI建模使用的结构）

3. 雪花模型

通过规范化存储的维度表，多张维度表连接在一起。

Power BI数据建模

数据关联

在具有多个表的数据模型中，表与表之间的数据具有关联性，通过关系把相关联的两个表连接起来，并设置关系的类型和方向。关系用于连接两个表，是数据模型的重要组成部分。
关系的类型：

• 一对一：表示关系两端的列都是唯一列，不存在重复值；
• 一对多：表示关系两端的列，一方是唯一列，不存在重复值；而多方的列允许存在重复值；
• 多对多： 表示关系两端的列，都是存在重复值的列。

Power BI对关系的建立，在建模模块，在基数部分由很多选择，一对一、一对多、多对一、多对多四种可以被选择，其中交叉筛选器方向可以选择单一多双向的。在关系中，每一个关系都有一个或两个方向的过滤，单向的情况过滤是从关系的一方到多方，双向的情况过滤是从多方到一方。

数据建模需要考虑到何为事实表何为维度表，之间的基数、筛选方向也较为重要，对于后续的DAX公式计算有很大的影响。