Samenvatting
In het scenario van deze module was een van de Power BI Desktop semantische modellen van uw organisatie inefficiënt en leidde dit tot problemen. Gebruikers zijn ontevreden over de rapportprestaties en de bestandsgrootte van het model was te omvangrijk, waardoor het erg belastend was voor de resources van de organisatie.
U bent gevraagd het semantische model te controleren om de oorzaak van de prestatieproblemen vast te stellen en wijzigingen aan te brengen om de prestaties te optimaliseren en de grootte van het model te verkleinen.
Power BI Desktop biedt een scala aan hulpprogramma's en functies waarmee u de prestaties van de semantische modellen kunt analyseren en optimaliseren. U bent het optimalisatieproces begonnen met Performance Analyzer en andere hulpprogramma's om de prestaties van metingen, relaties en visuals te controleren en vervolgens verbeteringen aan te brengen op basis van de resultaten van de analyse. Vervolgens hebt u variabelen gebruikt om minder complexe en efficiëntere berekeningen op te stellen. Daarna hebt u de kolomdistributie nader bekeken en hebt u de kardinaliteit van de relaties verminderd. In die fase was het semantische model meer geoptimaliseerd. U ging na hoe de situatie zou veranderen als uw organisatie gebruik zou maken van een DirectQuery-model en u hebt vervolgens vastgesteld hoe u de prestaties van Power BI Desktop en de brondatabase optimaliseert. Ten slotte hebt u aggregaties gebruikt om de grootte van het semantische model aanzienlijk te verkleinen.
Als Power BI Desktop u niet de mogelijkheid gaf om inefficiënte semantische modellen te optimaliseren, zou u veel tijd in uw meerdere gegevensbronnen moeten besteden om de gegevens daar te verbeteren. U zou met name zonder Performance Analyzer niet de redenen hebben kunnen vaststellen voor de prestatieproblemen in uw rapporten en de knelpunten in de query's die moeten worden opgelost. Als gevolg hiervan zouden gebruikers gefrustreerd en gedemotiveerd kunnen raken en de rapporten niet meer gebruiken.
Nu u het rapport hebt geoptimaliseerd, hebben gebruikers sneller toegang tot de gegevens die ze nodig hebben, zodat ze productiever zijn en meer plezier in hun werk hebben. Het reduceren van de bestandsgrootte voor het model zorgt voor een lagere belasting van de resources en leidt tot diverse voordelen voor uw organisatie. U hebt de aan u opgedragen taak voltooid.
Performance Analyzer gebruiken om de prestaties van rapportelementen te onderzoeken
Automatische datum/tijd toepassen in Power BI Desktop
Gegevensreductiemethoden voor importmodellen
Richtlijnen voor DirectQuery-modellen in Power BI Desktop
Aggregaties in Power BI Desktop gebruiken