[Power BI] Data Modeling #2

* 前言

前篇介紹一般使用者透過Power Query也可以使用的Data Cleansing小技巧，本篇會著重於進階使用者(IT)使用的方式。目的在於「怎麼產生有用的資料集」，這其中包含了異質資料的整合、Star schema or Snowflake schema的建模考量...等。

* Star schema or Snowflake schema

如果要分析的資料只有一種，其實不用Star schema，單純使用一個Fact Table來分析資料也是可行。但若需要分析兩種以上的資料(異質資料整合)，那就需要star schema的建模考量。在建構star schema的過程中，可以想像成把Table做正規化。

主要優點

1. 不需要花太多心力在檢查資料是否有重複計算
2. Dimension Table的欄位可以重複利用來分析多份異質資料

缺點

1. 要花時間構思怎麼拆Table

範例

1. 目的：分析每位員工每天的工時、餐費
2. 表：
   • 員工表：Dim_Employee
   • 工時表：Fact_WorkingHours
   • 餐費表：Fact_MealExpense
   • 日期表：Dim_Date
3. Key：empId & date
4. 建模：
   
5. Table Visual
   

* Relation

這部份需要注意兩點：

* 欄位做關聯時，不分字串大小寫

例如以下Table：
Dim_Fruit

Fact_Sales

如果要做關聯時，就會跳出以下訊息，因為他認為Dim_Fruit中的Apple和APPle是一樣的東西，所以不能見關聯。

* 只支援「單一」欄位做關聯，不支援複合欄位做關聯

如果DB中有兩個Table需要多個欄位關聯，就不能直接將兩個Table直接匯入到PBI使用，要多做一點手腳。

範例

1. 目的：分析各水果供應商的水果銷售金額
2. 關聯：Vendor + Fruit
3. 解法：
   (1) 建立Key欄位：Vendor + Fruit (不推薦，會造成記憶體消耗太多，但很簡單)
   
   (2) 建立Id (推薦)
   

小結

本篇簡單介紹了建模的核心概念 - Star Schema的優點和作法，也分享了2個在建關聯時可能會遇到的問題。下一篇還會再提到一些建模的小技巧，有了這些事前考量，會讓後續分析資料更容易，也不用花太多時間檢查資料正確性。