Microsoft Power BI를 사용하여 동적 보고서 개발

Microsoft Excel, 관계형 데이터베이스 및 NoSQL 데이터 저장소를 비롯한 다양한 데이터 원본에서 데이터를 검색하는 방법에 대해 알아봅니다. 또한 데이터를 검색하는 동안 성능을 향상시키는 방법도 알아봅니다.

파워 쿼리에는 분석을 위해 데이터를 정리하고 준비하는 데 도움이 되는 엄청난 수의 기능이 있습니다. 복잡한 모델을 간소화하고 데이터 형식을 변경하고 개체 이름을 바꾸고 데이터를 피벗하는 방법을 알아봅니다. 또한 보다 심층적인 분석을 위해 중요한 데이터가 포함된 열을 알 수 있도록 열을 프로파일하는 방법도 알아봅니다.

Power BI에서 복잡한 의미 체계 모델을 만드는 프로세스는 간단합니다. 두 개 이상의 트랜잭션 시스템에서 데이터를 가져오는 경우 작업에 사용해야 할 테이블이 수십 개에 달할 수 있습니다. 훌륭한 의미 체계 모델을 빌드하는 것은 혼란을 간소화하는 것입니다. 의미 체계 모델을 단순화하는 한 가지 방법인 별모양 스키마와 관련된 용어와 구현 방법을 이 모듈에서 알아봅니다. 또한 Power BI 보고서의 성능과 유용성을 위해 올바른 데이터 세분성을 선택하는 것이 중요한 이유를 알아봅니다. 마지막으로 Power BI 의미 체계 모델을 사용하여 성능을 개선시키는 방법을 알아봅니다.

이 모듈에서는 암시적 및 명시적 측정값을 사용하는 방법을 알아봅니다. 먼저 단일 열 또는 테이블을 요약하는 간단한 측정값을 만듭니다. 그런 다음 모델의 다른 측정값을 기반으로 보다 복잡한 측정값을 만듭니다. 또한 계산 열과 측정값 간의 유사성 및 차이점에 대해 알아봅니다.

이 모듈을 마치면 의미 체계 모델에 계산된 테이블과 계산 열을 추가할 수 있게 됩니다. 또한 계산 열 수식을 평가하는 데 사용되는 행 컨텍스트를 설명할 수 있습니다. 파워 쿼리를 사용하여 테이블에 열을 추가할 수 있으므로 파워 쿼리 Custom Column 대신 계산 열을 만드는 것이 가장 좋은 경우에 대해서도 알아봅니다.

Power BI에는 30개 이상의 핵심 시각적 개체가 포함되어 있으므로 초보자가 올바른 시각적 개체를 선택하는 것이 어려울 수 있습니다. 이 모듈에서는 디자인 및 보고서 레이아웃 요구 사항을 충족하는 가장 적합한 시각적 개체 유형을 선택하는 과정을 안내합니다.

보고서 필터링은 Microsoft Power BI 보고서를 필터링하는 데 많은 기술을 사용할 수 있기 때문에 복잡한 토픽입니다. 그러나 복잡성에 제어 기능이 수반되므로 요구 사항 및 기대치를 충족하는 보고서를 디자인할 수 있습니다. 일부 필터링 기술은 디자인 타임에 적용되지만, 다른 필터링 기술은 보고서 사용 시간(읽기용 보기)과 관련이 있습니다. 중요한 점은 보고서 디자인을 사용하여 보고서 소비자가 관심 있는 데이터 요소로 간단하게 범위를 좁힐 수 있다는 것입니다.

Power BI 서비스를 탐색하고, 작업 영역 및 관련 항목을 만들고 관리하고, 사용자에게 보고서를 배포하는 방법을 알아봅니다.

Microsoft Power BI를 사용하면 단일 의미 체계 모델을 사용하여 많은 보고서를 빌드할 수 있습니다. 예약된 의미 체계 모델 새로 고침과 연결 오류 해결을 통해 관리 오버헤드를 더욱 줄입니다.