Power BI -
Datové modelování


Datové modelování
-Základní proces analýzy dat
-Pomocí diagramu se vizuálně vyjádří vztah mezi jednotlivými daty, která jsou pro analýzu
shromažďována.
-Správný datový model zjednodušuje práci s daty a umožňuje dosáhnout správných výsledků
-Zlepšuje se performance reportu
-Je možné se vyvarovat složitým DAX funkcím, které by mohly report zpomalovat nebo vracet
nejednoznačné výsledky
-Model je udržitelný a snadno rozšiřitelný o další data (tabulky)
-Často jde o úplně první krok v analýze a stačí nám k němu tužka a papír
-Datový model musí být jednoznačný

Vazby
-Rozlišujeme dva typy tabulek
dimenzní (číselníky), vždy by měly mít unikátní identifikátor pro každý řádek
faktové
-Typy vazeb
1:1 (one to one) každá položka je v tabulce právě jednou (produkt, ceník produktů)
1:N / 1:* (one to many) každá položka může mít v tabulce více výskytů (produkt, ceník produktů v
jednotlivých letech)
N:N / *:* (many to many) Jedna nebo více položek může mít v tabulce více výskytů (tabulka knih v
knihovně s autory, která bude mít vazbu na tabulku autorů a jejich knih - autor má více výskytů,
protože napsal více knih a zároveň jsou knihy, které může napsat více autorů)
-Směr vazeb
Jednostranná Jedna tabulka filtruje jednotlivé záznamy v druhé tabulce (typicky dimenzní tabulka
filtruje dané záznamy z factové tabulky, druhá tabulka pak ale už nefiltruje tabulku první
Oboustranná obě tabulky se filtrují navzájem, filtrování vždy probíhá pomocí sloupců přes které je
vazba vytvořená

Denormalizace a Normalizace



Typy datových modelů - Star Schema
factOrders
OrdersID
ProductID
DateKey
Value
Quantity
dimProduct
ProductID
Name
Size
BrandName
BrandID
BrandOrigin
dimDate
DateKey
Date
MonthName
Month
StartOfMonth
Year
1
1
N
N

Typy datových modelů - Snowflake Schema
factOrders
OrdersID
ProductID
DateKey
Value
Quantity
dimProduct
ProductID
Name
Size
BrandID
dimDate
DateKey
Date
MonthName
Month
StartOfMonth
Year
1
1
N
N
dimBrand
BrandName
BrandID
BrandOrigin
1
N

Typy Datových modelů



Van Arsdel Datový model



Power BI - Vizualizace, vzorce a kontexty



DAX



Calculated Columns vs Measures
Calculated Column
Measure










ROW Kontext
●Iteruje
●Automaticky u počítaných stĺpcov
●Všetky X funkcie = SUMX, AVERAGEX
●1. Najskôr sa použije filter context (vizuál, slicer...)
●2. Potom sa aplikuje row context

Calculated Column



SUMX a FILTER



Funkcia ALL v SUMX
●Funkcia ALL ignoruje filter context = vráti vždy celú tabuľku, takže SUMX iteruje celú tabuľku
●!!!Pozor!!! Filter kontext samotný sa nemení, celá “kalkulácia“ má stále ten istý kontext, ako na
začiatku

Kontexty a väzby



Väzby
●Šípka na väzbe = akým smerom sa propaguje filter
●Keď sa použije obojstranná väzba, metrika už nie je aditívna, ale celkový súčet bude sedieť
○Jeden produkt bol kúpený zákazníkom z dvoch kategórií
●Keď povolíme obojstrannú väzbu, bude vždy aktívny akýkoľvek filter, ktorý ovplyvní tabuľku

CALCULATE
●Môže zahŕňať akúkoľvek DAX funkciu ako prvý argument
●V druhom a ďalších argumentoch môžeme pomocou filtrovacích podmienok zmeniť filter context (kde
bude funkcia vyhodnotená)
●POZOR!!! Každý argument po prvom argumente je vlastne tabuľka
●Môže existujúci filter modifikovať, pridať, nahradiť alebo odstrániť existujúce filtre vo filter
contexte

Calculate



ALL vo funkcií Calculate
●ALL v druhom argumente sa stáva z tabuľkovej funkcie filtrom
●Ak do ALL nedáme žiadny stĺpec (len tabuľku), tak zrušíme filter zo všetkých stĺpcov danej tabuľky
●Ak chceme zrušiť filter len u dvoch stĺpcov, musíme oba napísať
●Môžeme použiť ALL viacnásobne, ale nedá sa odkazovať na stĺpce z dvoch rôznych tabuliek

ALLSELECTED



FILTER A KEEPFILTERS



Time Intelligence Funkcie
-Funkcie pracujúce s dátumom
-Pre správne fungovanie potrebujú separátnu dátumovú tabuľku
-V prípade, že nemáme separtánu dátumovú tabuľku, dá sa použiť funkcia CALENDAR alebo CALENDARAUTO

CALENDAR a CALENDARAUTO



Time Intelligence Funkcie