15、Power BI 数据模型的构建与优化

Power BI 数据模型的构建与优化

1. 扩展数据模型的工作

在使用 Power BI Desktop 时，无论采用何种导入方法，都会面临一定的限制。并非所有数据模型都需要进行计算，但在分析定性数据时，数学计算往往是必要的，如百分比计算和数据比较等。

DAX（Data Analysis eXpression）是 Power BI Desktop 中用于计算的语言，它基于公式，包含 300 多个公式，这些公式可以单独使用或组合使用，以创建面向数学的指标。许多 DAX 公式与 Excel 中的公式相同。

在创建可视化时，无论是导入数据还是通过 DirectQuery 连接到数据源，Power BI 都能让数据转换变得轻松。但如果需要对可视化的数据进行量化，就需要从表中开发计算以扩展数据集。Power BI Desktop 允许计算和导入所有类型的指标。

以下组件不仅对可视化很重要，对 DAX 计算也很关键：
- 用于过滤可视化的组件
- 用于数据分类的组件
- 数据集的顺序和排名
- 数据集的权重和值
- 向数据集添加新列

使用这些技术扩展数据集的原因是，导入数据或连接到实时数据集无法为用户提供现成的定量和丰富公式的选项。而且，这并不是所有需要进行定量计算的原因，因为从一开始很难知道数据集的期望模式、趋势和需求。

2. 处理列内容和连接

企业组织通常会从多个数据源导入数据到一个数据源中，此时需要合并这些数据源的列，并将它们连接到表和列中。

例如，要创建一个包含所有股票代码和公司位置数据的列，而这些数据分别存储在两个不同的数据源中