[Power BI] Data Modeling #2


* 前言

前篇介紹一般使用者透過Power Query也可以使用的Data Cleansing小技巧,本篇會著重於進階使用者(IT)使用的方式。目的在於「怎麼產生有用的資料集」,這其中包含了異質資料的整合、Star schema or Snowflake schema的建模考量...等。

* Star schema or Snowflake schema

如果要分析的資料只有一種,其實不用Star schema,單純使用一個Fact Table來分析資料也是可行。但若需要分析兩種以上的資料(異質資料整合),那就需要star schema的建模考量。在建構star schema的過程中,可以想像成把Table做正規化。

主要優點

  1. 不需要花太多心力在檢查資料是否有重複計算
  2. Dimension Table的欄位可以重複利用來分析多份異質資料

缺點

  1. 要花時間構思怎麼拆Table

範例

  1. 目的:分析每位員工每天的工時、餐費
  2. 表:
    • 員工表:Dim_Employee
    • 工時表:Fact_WorkingHours
    • 餐費表:Fact_MealExpense
    • 日期表:Dim_Date
  3. Key:empId & date
  4. 建模:
    Power BI建模
  5. Table Visual
    Table Visual

* Relation

這部份需要注意兩點:

* 欄位做關聯時,不分字串大小寫

例如以下Table:
Dim_Fruit

Fruit UnitPrice
Apple 10
APPle 10
Banana 5

Fact_Sales

Fruit Date Quantity
Apple 2023/01/01 5
APPle 2023/01/01 10
Banana 2023/01/01 3

如果要做關聯時,就會跳出以下訊息,因為他認為Dim_Fruit中的Apple和APPle是一樣的東西,所以不能見關聯。
Unique key error

* 只支援「單一」欄位做關聯,不支援複合欄位做關聯

如果DB中有兩個Table需要多個欄位關聯,就不能直接將兩個Table直接匯入到PBI使用,要多做一點手腳。

範例

Fruit Table

  1. 目的:分析各水果供應商的水果銷售金額
  2. 關聯:Vendor + Fruit
  3. 解法:
    (1) 建立Key欄位:Vendor + Fruit (不推薦,會造成記憶體消耗太多,但很簡單)
    Answer1
    (2) 建立Id (推薦)
    Answer2

小結

本篇簡單介紹了建模的核心概念 - Star Schema的優點和作法,也分享了2個在建關聯時可能會遇到的問題。下一篇還會再提到一些建模的小技巧,有了這些事前考量,會讓後續分析資料更容易,也不用花太多時間檢查資料正確性。

#Power BI #Data Modeling #relation







你可能感興趣的文章

TEST

TEST

【Day00】七天學會架一個自己的網站

【Day00】七天學會架一個自己的網站

一般業界數位IC設計開發流程

一般業界數位IC設計開發流程






留言討論