Power BI에서 데이터 모델링 및 스키마

Source: Dev.to

Understanding Data Modelling in Power BI

Types of Data Models

• Conceptual data modelling – 비즈니스가 필요로 하는 데이터와 개념 간의 관계를 정의합니다(예: 고객, 제품).
• Logical data modelling – 컬럼, 속성, 사실, 차원을 추가하고 엔터티와 그 관계를 식별합니다.
• Physical data modelling – 데이터가 물리적으로 저장, 조직 및 액세스되는 방식을 설명합니다(예: 제품 키). 이 모델은 DBMS와 함께 작동하며 성능 관련 속성에 초점을 맞춥니다.

Key Terms

• Dimensional model – 보고서에서 데이터를 쉽게 검색할 수 있도록 조직합니다.
• Fact table – 이벤트를 나타내며 측정값을 포함할 수 있습니다.
• Dimension table – 설명적 컨텍스트를 제공하는 정보 카테고리(명사)입니다.
• Attribute – 차원 테이블의 컬럼으로 객체를 설명합니다.

Attributes of a Good Data Model

• 이해하기 쉽고 활용하기 편리함.
• 예측 가능한 성능 제공.
• 대규모 데이터셋에 대한 확장성.
• 유연하고 적응 가능함.

Fact and Dimension Tables

Fact Table

• Examples: 비용, 할인, 판매 수량.
• Characteristics:
  • 행이 많음(높은 세분화 수준).
  • 집계에 사용되는 숫자값을 저장함(SUM, AVERAGE, COUNT).

Dimension Table

• 이벤트의 “누구, 무엇, 어디서, 언제, 어떻게, 왜”에 답합니다.
• Fact table보다 행 수는 적지만 텍스트 컬럼이 많아 넓을 수 있습니다.
• 각 차원은 단일 기본 키로 정의됩니다.
• 비즈니스 프로세스 명사의 설명적 특성을 포함합니다.
• 차원 속성은 쿼리 제한, 그룹화 및 보고서 레이블의 주요 소스 역할을 합니다.
• Examples: 날짜, 지역, 고객 상세 정보.

Schema Types

Star Schema

• 중앙에 Fact table이 있고 주변에 Dimension table이 배치된 별 모양 구조에서 이름이 유래되었습니다.

Snowflake Schema

• 차원 테이블을 추가적인 관련 테이블로 더 세분화한 정규화된 Star schema 버전입니다.

Relationships in Power BI

• Cardinality – 일대다, 일대일, 다대다.
• Cross‑filter direction – 단일 또는 양방향.
• Active vs. inactive relationships – 계산 시 기본적으로 사용되는 관계를 결정합니다.

Importance of Good Data Modelling

• 보고서 정확성.
• 데이터 품질 및 무결성 향상.
• 성능 개선.
• 확장성 및 유연성.

Conclusion

잘 설계된 데이터 모델은 Power BI의 성능, 정확성 및 확장성에 필수적입니다. 적절한 모델링은 빠른 쿼리, 올바른 계산 및 직관적인 보고를 보장하지만, 부실한 모델링은 대시보드 속도 저하, 잘못된 인사이트 및 메모리 낭비를 초래합니다.