Dati del modello con Power BI
Informazioni su cosa è un modello semantico Power BI, quale approccio al caricamento dei dati adottare e come sviluppare il modello semantico per ottenere le informazioni dettagliate necessarie.
Questo percorso di apprendimento può aiutare a prepararsi al conseguimento della certificazione Microsoft Certified: Data Analyst Associate.
Prerequisiti
Questo percorso di apprendimento non presenta requisiti.
Codice obiettivo
Si vuole richiedere un codice obiettivo?
Moduli in questo percorso di apprendimento
In questo modulo verrà esaminata la struttura del modello Power BI Desktop e verranno fornite nozioni di base su progettazione dello schema a stella, query di analisi e configurazione visiva dei report. Questo modulo fornisce una solida base per imparare a ottimizzare la progettazione dei modelli e ad aggiungere calcoli ai modelli.
Descrizione dei framework dei modelli, i loro vantaggi e limiti e funzionalità che contribuiscono a ottimizzare i modelli di dati Power BI.
Il processo di creazione di un complicato modello semantico in Power BI è semplice. Se i dati provengono da più di un sistema transazionale, è possibile che in poco tempo ci si trovi a dover lavorare con dozzine di tabelle. La definizione di un modello semantico di ottima qualità presuppone la semplificazione del disordine. Uno schema a stella è un modo per semplificare un modello semantico e in questo modulo se ne impareranno la terminologia e le modalità di implementazione. Si apprenderanno anche i motivi per cui la scelta della corretta granularità dei dati è importante per le prestazioni e l'usabilità dei report Power BI. Infine, si apprenderà come migliorare le prestazioni con i modelli semantici Power BI.
Questo modulo spiega come scrivere formule DAX per creare tabelle calcolate, colonne calcolate e misure, che sono diversi tipi di calcoli di modello. Inoltre, descrive come scrivere e formattare le formule DAX, che consistono in espressioni che usano funzioni, operatori, riferimenti a oggetti modello, costanti e variabili.
Questo modulo illustra come usare le misure implicite ed esplicite. Inizialmente si procederà a creare misure semplici, che riepilogano una singola colonna o tabella. Quindi si passerà a creare misure più complesse basate su altre misure presenti nel modello. Inoltre, verranno illustrate le analogie e le differenze tra una colonna calcolata e una misura.
Al termine di questo modulo si sarà appreso come aggiungere tabelle e colonne calcolate al modello semantico. Si sarà inoltre in grado di descrivere il contesto di riga, usato per valutare le formule delle colonne calcolate. Poiché è possibile aggiungere colonne a una tabella usando Power Query, si apprenderà anche quando è meglio creare colonne calcolate anziché colonne personalizzate Power Query.
Questo modulo prende in esame le funzionalità di Business Intelligence per le gerarchie temporali e spiega come aggiungere calcoli DAX di informazioni temporali al modello.
L'ottimizzazione delle prestazioni, nota anche come performance tuning, prevede che si apportino delle modifiche allo stato attuale del modello semantico in modo che funzioni in modo più efficiente. In sostanza, quando il modello semantico è ottimizzato, le sue prestazioni migliorano.
Applicazione della sicurezza dei modelli in Power BI usando la sicurezza a livello di riga e di oggetto.