数据分析师-编程语言与工具-Power BI_数据模型与关系理解.docx

PAGE1

PAGE1

数据模型基础

1数据模型的概念

数据模型在PowerBI中扮演着核心角色，它是一种结构化数据的方式，帮助我们理解数据之间的关系。数据模型不仅定义了数据的组织方式，还描述了数据如何被存储和访问。在PowerBI中，数据模型是基于列存储的，这意味着数据是以列的形式存储在内存中，而不是传统的行存储。这种存储方式在处理大量数据时，可以提供更快的查询速度和更高效的内存使用。

2PowerBI中的数据模型结构

PowerBI的数据模型主要由表和关系构成。表是数据的基本单位，可以看作是Excel中的工作表。每个表包含多个列，列中存储的是相同类型的数据。表与表之间的关系是通过键值来建立的，这使得PowerBI能够连接不同的数据源，形成一个统一的数据视图。

2.1示例：创建表和关系

假设我们有两个数据源，一个是销售数据，另一个是产品信息数据。销售数据表包含产品ID、销售日期和销售额等信息，产品信息表包含产品ID、产品名称和产品类别等信息。我们可以通过产品ID在两个表之间建立关系。

销售数据表：

产品ID|销售日期|销售额

||

1|2023-01-01|100

2|2023-01-02|200

3|2023-01-03|300

产品信息表：

产品ID|产品名称|产品类别

||

1|产品A|类别1

2|产品B|类别2

3|产品C|类别3

在PowerBI中，我们可以通过以下步骤建立表间关系：

选择“销售数据”表。

在“字段”面板中，找到“产品ID”列。

右键点击“产品ID”，选择“关系”。

在弹出的对话框中，选择“产品信息”表的“产品ID”列作为关系的另一端。

3数据模型与报告性能的关系

数据模型的结构直接影响PowerBI报告的性能。一个设计良好的数据模型可以提高查询速度，减少内存使用，从而提升报告的响应速度和加载时间。例如，使用星型模型或雪花模型可以优化数据模型，提高报告性能。

3.1星型模型示例

星型模型是一种常见的数据仓库模型，其中有一个中心事实表，周围是多个维度表。这种模型简化了数据查询，提高了查询性能。

假设我们有以下数据模型：

事实表：销售数据

维度表：产品信息、客户信息、时间信息

销售数据表包含产品ID、客户ID、销售日期和销售额等信息，产品信息表包含产品ID、产品名称和产品类别等信息，客户信息表包含客户ID、客户名称和客户地区等信息，时间信息表包含销售日期、月份、季度和年份等信息。

在PowerBI中，我们可以通过以下步骤建立星型模型：

在“销售数据”表中，建立与“产品信息”、“客户信息”和“时间信息”表的关系。

使用“数据模型视图”检查模型结构，确保所有关系正确建立。

3.2雪花模型示例

雪花模型是星型模型的扩展，其中维度表可以与其他维度表建立关系。这种模型可以提供更详细的数据，但可能会影响查询性能。

假设我们有以下数据模型：

事实表：销售数据

维度表：产品信息、客户信息、时间信息

子维度表：产品类别、客户地区

产品信息表与产品类别表建立关系，客户信息表与客户地区表建立关系。

在PowerBI中，我们可以通过以下步骤建立雪花模型：

在“产品信息”表中，建立与“产品类别”表的关系。

在“客户信息”表中，建立与“客户地区”表的关系。

使用“数据模型视图”检查模型结构，确保所有关系正确建立。

3.3性能优化技巧

使用DAX公式：DAX（DataAnalysisExpressions）是PowerBI中的一种公式语言，可以用来创建计算列和度量值。合理使用DAX公式可以减少数据模型的复杂性，提高查询性能。

减少数据冗余：在数据模型中，避免重复数据可以减少内存使用，提高查询速度。

使用关系类型：在PowerBI中，关系可以是“一对多”或“多对多”。使用“一对多”关系可以提高查询性能，而“多对多”关系可能需要使用桥接表，这会增加数据模型的复杂性。

使用数据类型：在PowerBI中，数据类型的选择也会影响查询性能。例如，使用整数类型而不是文本类型可以提高查询速度。

通过以上内容，我们可以看到，PowerBI中的数据模型结构和性能优化技巧是相辅相成的。一个设计良好的数据模型不仅可以提供准确的数据分析，还可以提高报告的性能。#数据表与列的理解

4创建和管理数据表

在PowerBI中，数据模型的核心是数据表。数据表是存储数据的基本单元，可以来自多种数据源，如Excel文件、SQLServer数据库、CSV文件等。创建数据表时，PowerBI会自动识别数据源的结构，将其转换为适合分析的表格形式。

4.1创建数据表