Modelldaten mit Power BI
Erfahren Sie, was ein semantisches Power BI-Modell ist, welchen Ansatz zum Laden von Daten Sie verwenden sollten und wie Sie Ihr semantisches Modell ausbauen, um die Erkenntnisse zu gewinnen, die Sie benötigen.
Dieser Lernpfad kann Ihnen helfen, sich auf Microsoft-zertifiziert: Zertifizierung für Datenanalysten vorzubereiten.
Voraussetzungen
Für diesen Lernpfad gibt es keine Voraussetzungen.
Erfolgscode
Möchten Sie einen Erfolgscode beantragen?
Module in diesem Lernpfad
In diesem Modul erfahren Sie mehr über die Power BI Desktop-Modellstruktur, die Grundlagen des Sternschemaentwurfs, Analyseabfragen und die visuelle Berichtskonfiguration. Dieses Modul bildet eine wichtige Grundlage für das Optimieren von Modellentwürfen und das Hinzufügen von Modellberechnungen.
Beschreiben Sie Modell-Frameworks, ihre Vorteile und Einschränkungen sowie Funktionen zur Optimierung von Ihren Power BI-Datenmodellen.
Der Prozess der Erstellung eines komplizierten semantischen Modells in Power BI ist unkompliziert. Wenn Ihre Daten aus mehr als einem Transaktionssystem stammen, können im Handumdrehen Dutzende von Tabellen vorhanden sein, mit denen Sie arbeiten müssen. Beim Erstellen eines guten semantischen Modells geht es darum, die Unübersichtlichkeit zu vereinfachen. Ein Sternschema ist eine Möglichkeit, ein semantisches Modell zu vereinfachen. In diesem Modul erfahren Sie mehr über deren Terminologie und Implementierung. Außerdem erfahren Sie, warum die Auswahl der richtigen Datengranularität für die Leistung und Benutzerfreundlichkeit Ihrer Power BI-Berichte wichtig ist. Schließlich erfahren Sie, wie Sie die Leistung Ihrer semantischen Power BI-Modelle verbessern.
In diesem Modul erfahren Sie, wie Sie DAX-Formeln schreiben, um berechnete Tabellen, berechnete Spalten und Measures zu erstellen, bei denen es sich um unterschiedliche Arten von Modellberechnungen handelt. Darüber hinaus erfahren Sie, wie Sie DAX-Formeln schreiben und formatieren. Diese bestehen aus Ausdrücken, in denen Funktionen, Operatoren, Verweise auf Modellobjekte, Konstanten und Variablen verwendet werden.
In diesem Modul lernen Sie, wie Sie mit impliziten und expliziten Kennzahlen arbeiten. Zunächst erstellen Sie einfache Measures, die eine einzelne Spalte oder Tabelle zusammenfassen. Erstellen Sie dann komplexere Maßnahmen basierend auf anderen Maßnahmen im Modell. Darüber hinaus erfahren Sie mehr über die Ähnlichkeiten einer berechneten Spalte mit einem Measure und die Unterschiede zwischen diesen.
Am Ende dieses Moduls können Sie berechnete Tabellen und berechnete Spalten Ihrem semantischen Modell hinzufügen. Außerdem können Sie den Zeilenkontext beschreiben, der zum Auswerten der Formeln für berechnete Spalten verwendet wird. Da es möglich ist, einer Tabelle mit Power Query Spalten hinzuzufügen, erfahren Sie auch, wann es besser ist, berechnete Spalten anstelle von benutzerdefinierten Power Query-Spalten zu erstellen.
In diesem Modul erfahren Sie etwas über die Bedeutung von Zeitintelligenz und darüber, wie Sie Ihrem Modell DAX-Berechnungen für Zeitintelligenz hinzufügen.
Die Leistungsoptimierung, auch als Leistungsabstimmung bekannt, umfasst Änderungen am aktuellen Zustand des semantischen Modells, damit es effizienter ausgeführt wird. Grundsätzlich ist die Leistung Ihres semantischen Modells besser, wenn es optimiert wurde.
Erzwingen Sie Modellsicherheit in Power BI mithilfe von Sicherheit auf Zeilen‑ und Objektebene.