Alle tools en producten die verbinding kunnen maken met Power BI of SQL Server Analysis Services (SSAS/AAS) kunnen worden gebruikt voor rapportage en ad-hocanalyse. In deze blog worden een aantal van deze zaken besproken.
Spreadsheets en bestanden die zijn geëxtraheerd uit rapporten en handmatig zijn gemanipuleerd met behulp van Excel of andere zakelijke toepassingen, hebben een beperkt nut als betrouwbare gegevensbronnen.
Het handmatig voorbereiden van spreadsheets en brongegevensbestanden is alleen mogelijk voor kleine gegevenssets en eenmalige of handmatige gegevensbelastingen. Een analist-gebruiker kan eenvoudig een kolom of formule verwijderen, hernoemen of toevoegen aan een blad dat het importproces verbreekt of negeert.
Toekomstbestendig
Gegevens van bronsystemen kunnen in een beheerde database of data lake worden geladen voordat Power Query wordt gebruikt om het gegevensmodel te laden. Gegevens uit bestanden (mits zorgvuldig beschermd en onderhouden) kunnen worden getransformeerd, opgeschoond en gevalideerd voordat ze klaar zijn om te worden geladen.
Transformatiestappen met brute kracht gebruiken om waarden te vervangen en records stap voor stap op te schonen, wat traag en moeilijk te beheren kan zijn naarmate de complexiteit en het volume toenemen. Verminder het aantal en de complexiteit van querystappen en pas de volgende aanbevelingen toe voor het optimaliseren van Power Query-ontwerp.
Planning voor datavolume
In kleinere, informele projecten werden doorgaans ontwerpen gebruikt voor een beperkte set gegevens en een vast tijdsbestek. Indien beheersbaar, kunnen alle productiegegevens worden geladen in power bi exact online.
Bij het werken met grote gegevensvolumes moet een subset van gegevens in de desktopgegevensset worden geladen voor ontwikkeling. Queryparameters worden gebruikt om het aantal records uit te breiden (meestal met behulp van een datumbereik) dat wordt geladen nadat de gegevensset is geïmplementeerd voor productiegebruik.
Groepen en reeksen gegevensrecords, vaak opgedeeld in maanden of jaren, worden afzonderlijk gedefinieerd en opgeslagen, zodat een groot aantal records niet samen met nieuwe records opnieuw hoeft te worden geladen.
Praktijken voor power bi exact
Met behulp van de robuuste gebruikersinterface voor power bi exact, kun je geavanceerde en complexe transformaties bouwen die goed werken met matige gegevensvolumes. Met een klein aantal querystappen zijn standaardnamen zoals “Kolommen hernoemen” en Gegevenstype wijzigen” prima, maar het kan moeilijk zijn om de stappen te traceren en te onthouden waar en waarom je elke stap hebt uitgevoerd.
Tabellen en velden moeten zorgvuldig worden hernoemd om standaard gebruiksvriendelijke namen te gebruiken, gecategoriseerd en geoptimaliseerd met de juiste gegevenstypen. Ongebruikte kolommen worden verwijderd om ruimte te besparen en de prestaties te verbeteren. Besteed extra tijd om de veldnamen goed te krijgen voordat u afhankelijke stappen maakt.
Geen overbodige stappen
Consolideer overbodige querystappen, zoals de stappen die worden gebruikt om kolommen te hernoemen, kolommen te verwijderen en gegevenstypen te wijzigen, in één enkele stap in de query.
Attribuutvelden die nodig zijn voor groeperen en filteren, moeten naar afzonderlijke dimensietabellen worden verplaatst. Unieke dimensiesleutels worden gedefinieerd met bijbehorende feitentabelsleutels.
Alle numerieke kolommen die worden gebruikt voor aggregatie (die hetzelfde korrelniveau delen) moeten worden geëxtraheerd naar feitentabellen, met bijbehorende dimensiesleutels.
Beheer van laden en vernieuwen van gegevens
Ontwerp grote feitentabellen zodat ze “hoog” zijn in plaats van “breed” door onnodige kolommen te verwijderen of ze naar dimensietabellen te verplaatsen. Hoge tabellen mogen alleen kolommen bevatten die efficiënt worden gecomprimeerd, zoals numerieke waarden en korte, niet-onderscheiden tekstwaarden. Sla geen enkele unieke sleutelkolom op in een feitentabel.
Dit zijn enkele van de mogelijkheden van power bi rapportage.