Er du usikker på Power BI eller ønsker å utvide kunnskapen din? Det anbefales å begynne med datamodellering i Power BI, deretter utforske datautvinning, og til slutt generere handlingsrettet innsikt fra Power BI-rapporter.
Datamodellering er fundamentet i alle dataanalyseprosjekter. Det er selve kjernen som ligger under datavisualiseringene og dashbordene som brukerne ser.
Som med andre dataanalyseverktøy, krever også Power BI datamodellering i backend for data integrasjon, transformasjon, etablering av relasjoner mellom ulike tabeller i datasettet, legge til beregninger og mer.
Fortsett å lese for å lære alt du trenger å vite om datamodellering i Power BI, inkludert en enkel trinn-for-trinn-guide for hvordan du oppretter en Power BI-datamodell.
Hva er datamodellering?
I datamodellering skaper man en forenklet fremstilling av datastrukturer, relasjoner og egenskaper ved å koble sammen de grunnleggende byggeklossene i datasett, som tabeller, rader, kolonner osv.
Dette bidrar til å organisere og forstå data for effektiv lagring, henting og analyse. Datamodellen i backend hjelper til med design av databaser, programvare og systemer.
Datamodellering innebærer å identifisere enheter, definere deres kjennetegn og vise hvordan de henger sammen for å produsere mønstre og praktisk innsikt. Det er avgjørende for dataanalyse, da det sikrer datanøyaktighet og støtter beslutningsprosesser.
Hvor viktig er det for dataanalyse i Power BI?
Datamodellering spiller en sentral rolle i dataanalyseverktøy som Power BI. Dette business intelligence-verktøyet er avhengig av velstrukturerte datamodeller for å generere meningsfulle visualiseringer og innsikt.
Ved å bruke prinsippene for datamodellering kan man effektivt koble sammen, transformere og visualisere data fra forskjellige kilder i et stort datasett. Datamodellering i Power BI bidrar også til å sikre at dataene som presenteres i disse analyseverktøyene er presise og relevante.
Til syvende og sist legger dette til rette for informert beslutningstaking og utnytter det fulle potensialet av datadrevet innsikt. I hovedsak fungerer det også som grunnlaget for kraftige dataanalyseverktøy som Power BI, og som kan levere verdifull forretningsintelligens.
Typer av datamodellering
#1. Konseptuell datamodellering
Dette fokuserer på det overordnede bildet av data. Konseptuell modellering representerer data på et høyt nivå, uten å ta hensyn til spesifikke databasestrukturer eller tekniske detaljer. Dette konseptet hjelper til med å tilpasse data til organisasjonens mål og hjelper interessenter med å forstå formålet og betydningen av dataene.
#2. Fysisk datamodellering
Når du modellerer datasettet basert på det tekniske implementeringsaspektet for lagring og henting, kalles det fysisk datamodellering. Det spesifiserer datalagringsstrukturene, som tabeller, indekser og begrensninger, som du kan bruke i et databasesystem.
#3. Logisk datamodellering
Logisk datamodellering bygger bro mellom konseptuell og fysisk modellering. Slik modellering fungerer som en blåkopi for databasedesign, og letter kommunikasjonen mellom forretningsinteressenter og tekniske team, samtidig som dataintegritet og konsistens opprettholdes.
Datamodelleringsteknikker i Power BI
#1. Stjerneskjema
Stjerneskjemaet er en mye brukt datamodelleringsteknikk i Power BI. I denne tilnærmingen er det en sentral faktatabell som inneholder nøkkeltall og målinger, omgitt av dimensjonstabeller som gir kontekst til dataene. Det kalles en «stjerne» fordi faktatabellen er i midten, koblet til dimensjonstabeller som spissene på en stjerne.
#2. Kardinalitet
Kardinalitet definerer forholdet mellom tabeller i Power BI. Det spesifiserer hvor mange unike verdier i en tabell som samsvarer med verdiene i en annen. Kardinalitetsalternativer inkluderer én-til-én, én-til-mange og mange-til-én. Å velge riktig kardinalitet er avgjørende for nøyaktig datamodellering.
#3. Kryssfilterretning
Hvordan et filter som brukes på data i en tilkoblet tabell, vil påvirke dataene i den andre tabellen, kalles kryssfilterretningen. Det finnes to typer kryssfilterretninger, som er listet opp nedenfor:
Enkelt
Enkelt kryssfilterretning er et relasjonsalternativ der filtre kan strømme i bare én retning, vanligvis fra dimensjonstabellen til faktatabellen. Dette sikrer at filtrering av dimensjonstabellen påvirker faktatabellen, men ikke omvendt.
Toveis
Toveis kryssfiltrering lar filtre strømme i begge retninger mellom fakta- og dimensjonstabellene. Dette kan være nyttig i enkelte scenarier, men bør brukes med forsiktighet, da det kan føre til uventede resultater hvis det ikke administreres korrekt.
#4. Snøfnuggskjema
Bildekreditt: Learn.Microsoft.Com
Snøfnuggskjemaet er en utvidelse av stjerneskjemaet, der dimensjonstabeller er ytterligere normalisert i underdimensjoner. Dette skaper et mer strukturert, men komplekst skjema. Selv om det kan redusere dataredundans, kan det kreve mer innsats å navigere i Power BI.
#5. Oppslagstabeller
Oppslagstabeller er dimensjonstabeller som inneholder referanseinformasjon, som produktinformasjon eller geografiske data. De brukes til å berike dataene i faktatabeller, og gir ekstra kontekst for analyse.
#6. Datatabeller
Datatabeller er et begrep som noen ganger brukes om hverandre med faktatabeller. De inneholder primærdataene, inkludert målinger og fremmednøkler, og fungerer som grunnlaget for å bygge Power BI-rapporter og visualiseringer.
Fordeler med datamodellering i Power BI
- Power BI-datamodellering lar deg koble sammen flere datatabeller slik at du kan hente data fra disse tabellene når du analyserer hele datasettet, lager rapporter eller bygger dashbord.
- Velstrukturerte datamodeller muliggjør overbevisende og meningsfulle visualiseringer i Power BI.
- Det brede publikum kan lett samhandle med den visuelle siden av dataene når det finnes en underliggende datamodell.
- Optimaliserte Power BI-datamodeller hjelper deg med å søke etter data raskere fra en stor database som inneholder millioner av rader.
- Du kan utføre en grundig drill-down i et stort datasett ved å analysere alle tabellene når det finnes en strukturert datamodell i backend.
- Du kan også enkelt koble en datamodell til en annen eller referere til en datamodell i en annen rapport for å kryssjekke datasett for å utvinne innsikt på høyt nivå.
- Du kan kontrollere og beskytte sensitive deler av dataene og holde den offentlige delen av dataene åpen ved å lage Power BI-datamodeller og sikre dem med rollebasert tilgang.
- Hvis du jobber med et datasett som fortsetter å vokse i sanntid ved å samle data fra POS-systemer, apper og markedsplasser for detaljhandel, må du først lage en datamodell før du analyserer hele datasettet etter hvert som det vokser dag for dag.
Slik gjør du datamodellering i Power BI
Det er svært enkelt å lage en datamodell i Power BI. Her er de trinnene du må følge:
Importer datasettet ditt til Power BI
Først må du importere datasettene til Power BI. Du kan importere så mange datasett du vil, eller importere et datasett som har mange dataobjekter, som tabeller, kolonner, rader osv.
Power BI vil automatisk analysere det importerte datasettet eller dataobjektene og opprette en primær datamodell basert på navnene på kolonneoverskrifter eller tabelloverskrifter.
Følg disse trinnene for å importere datasett:
- Åpne Power BI-skrivebordsappen.
- Den skal vise Power BI-arbeidsområdet sammen med en velkomstskjerm.
- Klikk på Hent data.
- I dialogboksen Hent data kan du velge hvilken datakategori du ønsker å importere i navigasjonsruten på venstre side, og kilder eller typer data i navigasjonsruten på høyre side.
- Standardvalget for datakildetype er Alle.
- Siden datasettet mitt finnes i en Excel-arbeidsbok, velger jeg alternativet Excel-arbeidsbok til høyre og klikker på Koble til.
- I dialogboksen Åpne navigerer du til Excel-filen du vil importere til PC-en, og dobbeltklikker på filen for å importere den til Power BI.
- Nå skal du være i Navigator-dialogboksen.
- Der merker du av for dataobjektene du vil importere til Power BI-rapporten.
- Klikk på Last inn for å fullføre dataimportprosessen i Power BI.
Opprett en Power BI-datamodell
Når du klikker på Last inn-knappen i Navigator, begynner Power BI å analysere datasettet, lage dataobjektmodeller, datamodeller og til slutt ta deg til Rapportvisning-fanen.
Hvis du klikker på Tabellvisning-menyen i venstre sidepanel, skal du få tabellvisningene av alle dataobjektene du nettopp har importert til Power BI.
Power BI vil ikke lagre arbeidet ditt automatisk. Derfor må du klikke på Fil i båndmenyen, og deretter klikke på Lagre i venstre sidepanel for å lagre filen på et sted på PC-en din.
La oss nå se nærmere på datamodelleringsprosessen i Power BI. Følg disse instruksjonene:
- Klikk på Modellvisning-fanen i panelet til venstre i Power BI-arbeidsområdet.
- Du skal nå se standarddatamodellen som er opprettet av Power BI.
- I det aktuelle eksemplet er det et stjerneskjema, ettersom det er en faktatabell i midten og faktatabellen er omgitt av dimensjonstabellene.
- Det kan hende at Power BI ikke alltid oppretter datamodelltilkoblingene du trenger.
- I det aktuelle eksemplet kunne den ikke koble faktatabellen med dimensjonen Table24, selv om det er lignende kolonneoverskrifter Geografi og Geo.
- Det klarte den ikke fordi kolonneoverskriftene ikke samsvarte.
- For å koble Table24 til faktatabellens hoveddata, drar du ganske enkelt Geo-objektet i Table24 til Geografi-elementet i faktatabellen i midten.
Det er alt! Du har opprettet en datamodell i Power BI. Her er betydningen av de ulike objektene på relasjonslinjene:
- En stjerne i kanten av faktatabellen og tallet 1 ved kanten av dimensjonstabellen representerer en en-til-mange-forbindelse.
- En pil på koblingslinjen mellom to tabeller i Power BI indikerer retningen for filteret. Når spissen av pilen peker mot faktatabellen, vil et filter som brukes på dimensjonstabellen, påvirke faktatabellen.
- Når det er to piler, påvirker filteret tabellen på begge sider, som fakta- og dimensjonstabellene.
Visualiser dataene dine
Slik kan du visualisere datasettet ditt for å utvinne praktisk innsikt:
- Klikk på Rapportvisning-fanen.
- Velg et diagram fra delen Visualiseringer til høyre.
- Jeg valgte et stablet kolonnediagram.
- Utvid datasettene helt til høyre i Power BI-arbeidsområdet.
- Dra og slipp elementer i X-akse- og Y-akse-feltene i diagramredigeringsprogrammet.
- Power BI vil automatisk lage diagrammet for deg.
Bruksområder for datamodellering i Power BI
Lag helhetlige rapporter
For å lage en flerdimensjonal rapport eller et dashbord i Power BI, må du bruke Power BI-datamodellfunksjonen. Data i én enkelt tabell gir kanskje ikke nok mening. Men når du tar med data fra forskjellige datasett og objekter, kan du visualisere data på en bedre måte.
Integrer data
Anta at det finnes mange datasett eller datatabeller i Excel-kildearbeidsboken eller SQL-databasen. I stedet for å lage forskjellige Power BI-rapporter, kan du koble dem alle sammen i et stjerne- eller snøfnuggskjema og visualisere dem som en helhet. Du kan fortelle en bedre datahistorie ved å forene alle dataobjektene.
Datavask og transformasjon
Det blir tydelig først når du prøver å lage Power BI-datamodeller om du trenger å vaske og transformere et rådatasett.
Hvis for eksempel verktøyet ikke klarer å koble sammen relaterte datakolonner eller tabeller i datamodellen, kan det være en uoverensstemmelse i kolonneoverskriftene. Da vet du hva du må fikse.
Et annet eksempel kan være mer enn ett element i tabellene. Anta at det bare er fire geografiske områder i datasettet, nemlig USA, CA, Storbritannia og DE. Men datamodellen viser en ekstra, som er Blank. Det er fordi noen av de geografiske navnene inneholder unødvendige mellomrom, og derfor klassifiserer Power BI dem i et nytt geografisk element.
Kontroller datasynlighet
Du kan begrense hvem som kan se hva i Power BI-rapporten eller dashbordet ved å bruke fanen Modellvisning. Ved å klikke på øyeikonet på hvert datakort i Power BI-datamodellarbeidsområdet kan du skjule eller vise tabellen.
Hvis det er mer enn én kolonne i datakortet, kan du også tilpasse synligheten til disse kolonnene.
Manipuler valgte datatabeller
Hver datatabell i Power BI-datamodellgrensesnittet leveres med flere alternativer eller et ikon med tre prikker. Der kan du se følgende aktiviteter du kan utføre på den valgte datatabellen:
- Ny måling eller kolonne
- Oppdater data
- Administrer relasjoner
- Inkrementell oppdatering
- Administrer aggregeringer
- Og mange flere
Konklusjon
Dette er hvordan du oppretter en Power BI-datamodell for å visualisere store og distribuerte datasett i én logisk rapport eller dashbord.
Du har nå lært om de ulike datamodelleringsteknikkene i Power BI. Du har også lært prosedyren for å lage en Power BI-datamodell fra bunnen av. Følg trinnene og lag din egen datamodell på kort tid.
Neste trinn: De beste dataanalytikerkursene for å kickstarte din karriere innen datavitenskap eller dataanalyse.