Power BI에서 스키마 및 데이터 모델링: 초보자 친화적인 단계별 가이드

Source: Dev.to

위에 제공된 내용 외에 번역할 텍스트가 없습니다. 번역이 필요한 본문을 제공해 주시면 한국어로 번역해 드리겠습니다.

Source:

Introduction

Power BI 작업 시 가장 중요한 기술 중 하나가 데이터 모델링입니다. 데이터 자체가 정확하더라도, 부실한 데이터 모델링은 보고서 속도 저하, 잘못된 수치, 혼란스러운 시각화로 이어질 수 있습니다.

이 문서는 처음부터 Power BI에서 스키마와 데이터 모델링이 어떻게 작동하는지 설명합니다. 초보자가 단계별로, 클릭마다 따라가며 올바른 모델을 구축할 수 있도록 작성되었습니다.

배우게 될 내용:

• Power BI에서 데이터 모델링이 의미하는 바
• 사실 테이블과 차원 테이블의 차이
• 스타 스키마와 스노우플레이크 스키마
• 관계(일대다, 카디널리티, 필터 방향)
• 좋은 모델링이 성능과 정확성을 향상시키는 이유
• Power BI에서 깔끔한 데이터 모델을 만드는 방법(단계별)

Power BI에서 데이터 모델링이란?

데이터 모델링은 다음과 같은 과정을 말합니다:

• 테이블 정리
• 테이블 간 관계 정의
• Power BI가 데이터를 효율적으로 분석할 수 있도록 구조화

데이터 모델링을 집의 기초 설계에 비유해 보세요 – 기초가 약하면 위에 세운 모든 것이 무너지게 됩니다.

왜 좋은 데이터 모델링이 중요한가?

• 성능 – 잘 설계된 모델은 로드 속도가 빠르고 쿼리 응답이 신속합니다
• 정확성 – 올바른 관계 설정으로 계산 및 집계가 정확해집니다
• 확장성 – 좋은 모델은 데이터 양이 증가해도 성능 저하 없이 처리할 수 있습니다
• 유지보수성 – 깔끔한 모델은 업데이트와 문제 해결이 용이합니다
• 사용자 경험 – 빠르고 정확한 보고서는 더 나은 비즈니스 의사결정을 이끌어냅니다

Power BI에서 데이터 모델링은 주로 다음 영역에서 수행됩니다:

• 모델 보기 – 관계 다이어그램
• 데이터 보기 – 테이블 구조

사실 테이블과 차원 테이블

사실 테이블

사실 테이블은 비즈니스 프로세스에 대한 정량적 데이터(측정값)를 포함하는 데이터 모델의 중심 테이블입니다. “무슨 일이 있었는가”를 기록하는 테이블이라고 생각하면 됩니다.

사실의 예시

• 매출 금액
• 판매 수량
• 이익
• 수율

사실 테이블의 특징

• 수치형 측정값(매출 금액, 수량, 비용, 이익)을 포함
• 행이 많음(수백만 레코드까지 가능)
• 차원 테이블과 연결되는 외래 키를 포함
• 비즈니스 이벤트 또는 거래를 나타냄
• 열은 적고(컬럼 수가 적음) 행은 매우 많음

예시: Sales_Fact 테이블

차원 테이블

차원 테이블은 설명적 정보(컨텍스트)를 저장합니다.

차원의 예시

• 날짜
• 제품
• 고객
• 위치

차원 테이블의 특징

• 텍스트 또는 카테고리 데이터를 포함
• 사실 테이블보다 작음
• 필터링 및 그룹화에 사용

예시: Product_Dimension 테이블

스키마란 무엇인가?

스키마는 사실 테이블과 차원 테이블이 어떻게 연결되는지를 정의하는 구조입니다.

Power BI에서 가장 일반적인 두 가지 스키마는 다음과 같습니다:

• 스타 스키마 ⭐ (권장)
• 스노우플레이크 스키마 ❄️

스타 스키마 (강력히 권장)

스타 스키마란?

스타 스키마는 다음을 가집니다:

• 하나의 중앙 사실 테이블
• 여러 차원 테이블이 직접 연결됨

별 모양처럼 보입니다.

왜 스타 스키마가 Power BI에서 최적인가

• ✔ 더 빠른 성능
• ✔ 더 간단한 DAX 수식
• ✔ 정확한 집계
• ✔ 이해하기 쉬움

Power BI 엔진(VertiPaq)은 스타 스키마에 최적화되어 있습니다.

단계별: Power BI에서 스타 스키마 만들기

단계 1 – 데이터 로드

1. Power BI Desktop을 엽니다.
2. Home 탭 → Get Data를 클릭합니다.
3. 데이터 소스(Excel, CSV, SQL 등)를 선택합니다.
4. Load를 클릭합니다.

단계 2 – 데이터 보기에서 테이블 확인

1. 왼쪽 패널의 Data 아이콘(테이블)을 클릭합니다.
2. 각 테이블을 열어 다음을 식별합니다:
   • 사실 테이블(숫자형 컬럼 포함)
   • 차원 테이블(설명형 컬럼 포함)

단계 3 – 모델 보기로 이동

• 왼쪽의 Model 아이콘(다이어그램)을 클릭합니다.
• 각 테이블이 박스로 표시됩니다.

단계 4 – 관계 만들기

1. Product_Dim에서 ProductID를 끌어옵니다.
2. Sales_Fact의 ProductID에 놓습니다.
3. Create Relationship 창에서 다음을 설정합니다:
   • Cardinality: One to Many (1:)*
   • Cross filter direction: Single
   • 차원 테이블이 1쪽에 있는지 확인합니다.
4. OK를 클릭합니다.

다른 차원(날짜, 고객, 위치)에도 동일한 과정을 반복합니다.

스노우플레이크 스키마

스노우플레이크 스키마란?

스노우플레이크 스키마는 차원 테이블이 정규화되고 다른 차원 테이블과 연결되어 “스노우플레이크” 형태의 패턴을 이루는 변형입니다.

왜 … (원본에서 섹션이 잘려 있음)

Note: 원본 내용이 “Why S”에서 갑자기 끝납니다. 이 섹션의 나머지 부분을 추가하여 스노우플레이크 스키마에 대한 논의를 완성해야 합니다.

Snowflake은 Power BI에서 덜 이상적입니다

• ❌ 느린 성능
• ❌ 더 복잡한 관계
• ❌ 더 어려운 DAX 수식

Power BI는 차원이 비정규화(플랫)될 때 더 잘 작동합니다.

모범 사례: 가능한 경우 스노우플레이크 스키마를 스타 스키마로 변환하십시오.

Power BI에서 관계 이해하기

카디널리티

• One‑to‑Many (1:*) – 가장 일반적이며 권장됨
• Many‑to‑Many – 절대 필요하지 않은 경우 피하십시오

필터 방향

• Single Direction – 권장됨
• Both Directions – 잘못된 합계가 발생할 수 있음

Rule: 필터는 Dimension → Fact 방향으로 흐르게 해야 합니다.

좋은 데이터 모델링이 중요한 이유

성능

정확성

Poor modelling can cause:

• Double counting
• Incorrect totals
• Misleading reports

Correct modelling ensures:

• Accurate aggregations
• Reliable business decisions

초보자 흔히 하는 실수 (피해야 할 것들)

• ❌ 여러 개의 사실 테이블을 직접 연결
• ❌ 모든 곳에 다대다 관계
• ❌ 필요 없는 스노우플레이크 스키마
• ❌ 사실 테이블을 필터로 사용

✔ 항상 스타 스키마 사고방식으로 설계하세요.

결론

Power BI에서 데이터 모델링은 선택 사항이 아니라 필수입니다.

요약:

• 숫자는 팩트 테이블을 사용
• 설명은 디멘션 테이블을 사용
• 스타 스키마 구축
• 일대다 관계 사용
• 필터 방향은 단일로 유지

데이터 모델이 깔끔하면 다른 모든 것이 더 쉬워집니다—DAX, 시각화, 성능 등.