Modelowanie danych przy użyciu Microsoft Power BI Kraków

Samoobsługa i hurtownia danych przedsiębiorstwa z użyciem Power BI Modelowanie danych to najczęściej pomijana funkcja w Power BI Desktop, ale to właśnie ona wyróżnia Power BI spośród innych narzędzi dostępnych na rynku. Ta praktyczna książka posłuży Ci jako przycisk szybkiego przewijania do przodu dla modelowania danych przy użyciu Power BI, modelu tabelarycznego usług Analysis Services i baz danych SQL. Służy ona jako punkt wyjścia do modelowania danych, a także pomaga odświeżyć wiedzę. Autor Markus Ehrenmueller-Jensen, założyciel Savory Data, przedstawia podstawowe koncepcje modelu semantycznego Power BI wraz z praktycznymi przykładami w językach DAX, Power Query i T-SQL. Nauczysz się: Normalizować i denormalizować dane Stosować najlepsze praktyki dla obliczeń, flag i wskaźników, daty i godziny, wymiarów wielokrotnego stosowania i wymiarów wolnozmiennych Pokonywać trudności związane z binningiem, budżetem, modelami zlokalizowanymi, modelami złożonymi czy tabelami zawierającymi pary kluczy i wartości Odkrywać i rozwiązywać problemy z wydajnością za pośrednictwem modelu danych Pracować z tabelami, relacjami, operacjami na zbiorach, postaciami normalnymi, modelowaniem wymiarowym i procesem ETL Markus Ehrenmueller-Jensen, założyciel Savory Data, od 1994 r. pracuje jako lider projektów, trener i konsultant w obszarze inżynierii danych, analityki biznesowej i danologii. Jest inżynierem oprogramowania i profesorem w HTL Leonding (wyższa szkoła techniczna), gdzie uczy baz danych i inżynierii projektów. Posiada kilka certyfikatów Microsoft, a także tytuł Microsoft Data Platform MVP. "Ta książka to wyczerpujący samouczek omawiający temat w języku, który jest łatwy do zrozumienia, a przy tym jest dogłębny, zwięzły i dokładny. Doświadczenie Markusa w zakresie modelowania danych będzie stanowić wartość dla każdego profesjonalisty pracującego z danymi przy użyciu Power BI". -Paul Turley Microsoft Data Platform MVP Spis treści: Spis treści Przedmowa Wstęp Podstawy modelowania danych Czym jest model danych? Model danych Podstawowe komponenty Encja Tabele Relacje Klucze główne Klucze zastępcze Klucze obce Kardynalność Łączenie tabel Operatory zbiorowe Złączenia Problemy ze ścieżkami złączeń Diagramy związków encji Opcje modelowania danych Rodzaje tabel Jedna tabela do przechowywania wszystkiego Postaci normalne Modelowanie wymiarowe Poziom szczegółowości Wyodrębnianie, przekształcanie i ładowanie Ralph Kimball i Bill Inmon Data Vault i inne antywzorce Kluczowe wnioski Budowanie modelu danych Normalizowanie Denormalizowanie Obliczenia Flagi i wskaźniki Data i godzina Wymiary wielokrotnego stosowania Wymiary wolnozmienne Typ 0: Zachowaj oryginał Typ 1: Nadpisz Typ 2: Dodaj nowy wiersz Typ 3: Dodaj nowe atrybuty Typ 4: Dodaj miniwymiary Typy 5, 6 i 7 Hierarchie Kluczowe wnioski Rzeczywiste przykłady Binning Dodawanie kolumny do tabeli faktów Tworzenie tabeli wyszukiwania Opisywanie zakresów przedziałów Budżet Identyfikowanie poziomu szczegółowości Obsługiwanie tabel faktów o różnej liczności Model wielojęzyczny Tabele par klucz-wartość Połączenie samoobsługi i analizy biznesowej przedsiębiorstwa Kluczowe wnioski Optymalizowanie wydajności Kluczowe wnioski Modelowanie danych w Power BI Poznawanie modelu danych Power BI Model danych Podstawowe pojęcia Tabele i kolumny Relacje Klucze główne Klucze zastępcze Klucze obce Kardynalność Łączenie tabel Operatory zbiorowe Złączenia Problemy ze ścieżkami złączeń Diagramy relacji encji Opcje modelowania danych Typy tabel Jedna tabela do przechowywania wszystkiego Postaci normalne Modelowanie wymiarowe Poziom szczegółowości Wyodrębnianie, przekształcanie, ładowanie Kluczowe wnioski Budowanie modelu danych w Power BI Normalizowanie i denormalizowanie Obliczenia Data i godzina Wyłączanie automatycznej daty/godziny Oznaczanie tabeli dat Wymiary wielokrotnego stosowania Wymiary wolnozmienne Hierarchie Kluczowe wnioski Rzeczywiste przykłady z użyciem Power BI Binning Tabela wyszukiwania Tabela zakresów Budżet Model wielojęzyczny Tabela wymiarów dla dostępnych języków Elementy wizualne Zawartość tekstowa Zawartość numeryczna Metadane modelu danych Interfejs użytkownika w programie Power BI Desktop (wersja tradycyjna) Interfejs użytkownika w programie Power BI Desktop (wersja Windows Store) Interfejs użytkownika w usłudze Power BI Interfejs użytkownika w usłudze Power BI Report Server Tabele par klucz-wartość Łączenie samoobsługi i analizy biznesowej przedsiębiorstwa Kluczowe wnioski Optymalizacja wydajności w modelu danych Power BI Tryb przechowywania Partycjonowanie Wstępne agregowanie Modele złożone Tryb Dual Tabele hybrydowe Kluczowe wnioski Modelowanie danych dla Power BI z pomocą języka DAX Poznawanie modelu danych z punktu widzenia języka DAX Model danych Podstawowe komponenty Tabele Relacje Klucze główne Łączenie zapytań Operatory zbiorowe Złączenia Wyodrębnianie, przekształcanie, ładowanie Kluczowe wnioski Budowanie modelu danych za pomocą języka DAX Normalizowanie Denormalizowanie Obliczenia Proste agregacje dla obliczeń addytywnych Obliczenia pół-addytywne Ponowne tworzenie obliczeń w formie miary DAX Obliczenia analizy czasowej Flagi i wskaźniki Funkcja IF Funkcja SWITCH Funkcja SWITCH TRUE Tabela wyszukiwania Traktowanie wartości pustych Data i godzina Wymiary wielokrotnego stosowania Wymiary wolnozmienne Hierarchie Kluczowe wnioski Rzeczywiste przykłady z użyciem języka DAX Binning Tabela wyszukiwania Tabela zakresów Budżet Model wielojęzyczny Tabele par klucz-wartość Łączenie samoobsługi i analizy biznesowej przedsiębiorstwa Kluczowe wnioski Optymalizowanie wydajności za pomocą języka DAX Tryb przechowywania Wstępne agregowanie Miary świadome agregacji Kluczowe wnioski Modelowanie danych dla Power BI za pomocą Power Query Poznawanie modelu danych z punktu widzenia Power Query Model danych Podstawowe komponenty Tabele i zapytania Relacje Klucze główne Klucze zastępcze Łączenie zapytań Operatory zbiorowe Złączenia Zależności zapytań Rodzaje zapytań Wyodrębnianie, przekształcanie, ładowanie Kluczowe wnioski Budowanie modelu danych za pomocą Power Query i M Normalizowanie Jakość kolumn Rozkład kolumn Profil kolumny Identyfikowanie kolumn do znormalizowania Tworzenie zapytania dla każdego wymiaru Tworzenie jednego wspólnego zapytania wymiarów Denormalizowanie Obliczenia Flagi i wskaźniki Data i godzina Wymiary wielokrotnego stosowania Wymiary wolnozmienne Hierarchie Kluczowe wnioski Rzeczywiste przykłady z użyciem Power Query i M Binning Ręczne tworzenie tabeli przedziałów Tworzenie tabeli przedziałów na podstawie faktów Tworzenie tabeli przedziałów w języku M Tworzenie tabeli zakresów przedziałów w języku M Budżet Model wielojęzyczny Tabele par klucz-wartość Korzystanie z GUI Korzystanie z kodu M Pisanie funkcji w języku M Łączenie samoobsługi i analizy biznesowej przedsiębiorstwa Kluczowe wnioski Optymalizacja wydajności modelu danych za pomocą Power Query Tryb przechowywania Partycjonowanie Wstępne agregowanie Kluczowe wnioski Modelowanie danych dla Power BI za pomocą SQL Poznawanie relacyjnego modelu danych Model danych Podstawowe komponenty Tabele Relacje Klucze główne Klucze zastępcze Klucze obce Łączenie zapytań Operatory zbiorowe Złączenia Problemy ze ścieżkami złączeń Diagramy relacji encji Wyodrębnianie, przekształcanie, ładowanie Kluczowe wnioski Budowanie modelu danych przy użyciu języka SQL Normalizowanie Utrwalanie w postaci tabeli Tworzenie widoku Tworzenie funkcji Tworzenie procedury Tworzenie wymiaru filtru Denormalizowanie Obliczenia Flagi i wskaźniki Data i godzina Wymiary wielokrotnego stosowania Wymiary wolnozmienne Typ 0: Zachowaj oryginał Typ 1: Nadpisz Typ 2: Dodawanie nowego wiersza Hierarchie Kluczowe wnioski Rzeczywiste przykłady z użyciem SQL Binning Tworzenie tabeli wyszukiwania na podstawie faktów Generowanie tabeli wyszukiwania Tabela zakresów Budżet Model wielojęzyczny Tabela par klucz-wartość Łączenie samoobsługi i analizy biznesowej przedsiębiorstwa Kluczowe wnioski Optymalizacja wydajności modelu danych za pomocą SQL Tryby przechowywania Tabela Indeks Kompresja Widok Funkcja Procedura składowana Partycjonowanie Wstępne agregowanie Kluczowe wnioski Epilog Indeks O autorze Polecamy także