了解 Power BI 中的数据建模：连接、关系和模式解析
Source: Dev.to
请提供您希望翻译的正文内容，我将按照要求保留链接并进行简体中文翻译。
目录
什么是数据建模？
数据建模是将数据组织成结构化格式的过程，这些格式定义了表之间的关系。可以把它想象成设计蓝图：
- 它定义了数据之间的连接方式
- 它确保查询高效
- 它提升了数据准确性和报告性能
在 Power BI 中，数据建模在数据加载之后进行，并涉及：
- 创建关系
- 定义表结构
- 优化表之间的数据流动
Power BI 为您提供了两种强大的数据连接方式：
- Joins（在 Power Query 中） – 实际合并表
- Relationships（在 Model view 中） – 在不复制数据的情况下逻辑链接表
Source:
Power Query 中的 SQL 连接
连接在 Power Query 编辑器中用于合并表。以下是最重要的类型，并以 Customers ↔ Orders 数据集为例进行说明。
1. 内连接 (Inner Join)
- 结果： 仅返回两个表中都存在的记录。
- 示例： 只显示有下单记录的客户。
2. 左连接 (Left Outer Join)
- 结果： 返回左表的所有记录以及右表中匹配的记录。
- 示例： 列出每位客户，即使他们尚未下单（对留存分析很有用）。
3. 右连接 (Right Outer Join)
- 结果： 返回右表的所有记录以及左表中匹配的记录。
4. 完全外连接 (Full Outer Join)
- 结果： 返回两个表的所有记录（没有匹配的地方用
NULL填充）。 - 示例： 对来自两个不同系统的客户数据进行对账。
5. 左反连接 (Left Anti Join)
- 结果： 返回左表中没有在右表中匹配的行。
- 示例： “从未下单的客户”——非常适合精准营销。
6. 右反连接 (Right Anti Join)
- 结果： 返回右表中没有在左表中匹配的行。
- 示例： 缺少客户记录的订单（用于数据质量检查）。
在 Power BI 中进行连接的步骤
- 点击 Transform data → Power Query Editor。
- 选中一个表 → Home → Merge Queries。
- 选择第二个表并指定匹配列。
- 选择连接类型（Inner、Left Outer、Left Anti 等）。
- 点击 OK 并展开所需的列。
Source: …
Power BI 关系
与 SQL 连接不同，Power BI 通常使用 关系——在模型视图中创建的逻辑链接。它们使模型保持轻量且性能良好。
关系类型
| 基数 | 描述 |
|---|---|
| 1 : M（一对多） | 最常见（例如，一个客户 → 多个订单） |
| M : M（多对多） | 多条记录与多条记录相关；需要谨慎处理 |
| 1 : 1（一对一） | 较少见，通常用于拆分表 |
关键概念
- 基数 – 告诉 Power BI 表之间的关系方式（一对多、多对多）。
- 交叉过滤方向 – 控制过滤器的传播方式：
- 单向（推荐）
- 双向（请谨慎使用）
- 活动关系 vs. 非活动关系 –
- 活动：在可视化和 DAX 中自动使用。
- 非活动：需要使用
USERELATIONSHIP()DAX 函数来激活（在角色扮演维度中非常有用）。
在哪里创建关系
- 模型视图 – 拖放字段以在表之间建立关系。
- 管理关系 – 点击 管理关系 → 新建 并定义：
- 列
- 基数
- 交叉过滤方向
事实表 vs 维度表
良好的数据模型将数据划分为事实和维度。
事实表
- 包含可度量的数据（例如，销售额、收入）。
- 通常规模大且为事务性数据。
- 持有链接到维度表的外键。
维度表
- 提供描述性上下文（例如，客户名称、产品类别、日期、地区）。
- 规模较小且相对静态。
- 持有被事实表引用的主键。
黄金法则：
- 事实告诉你发生了什么。
- 维度告诉你谁、什么、何时、何地。
模式设计：星型、雪花型 与 扁平表
（此部分的内容可以在此添加——原始段落在完成前已结束。）
常见建模问题及解决方法
(此部分内容可在此添加。)
在 Power BI 中完成所有操作的地点
(此部分的内容可以在此添加。)
摘要与关键要点
(此部分的内容可在此添加。)
Fact 与 Dimension 表的可视化解释
数据模型
1. 星型模式 (推荐)
一个中心事实表连接到非规范化的维度表。
最佳适用场景： 大多数 Power BI 项目——提供出色的性能和简洁的 DAX。
Power BI 中建模基础：事实表
2. 雪花模式
维度表已规范化（拆分为多个相关表）。
使用场景： 大型企业环境或需要严格规范化时。
雪花模式结构
3. 平面表 (DLAT)
所有数据在单个表中。
使用场景： 非常小的数据集或快速原型（对大型项目不可扩展）。
角色扮演维度与常见问题
角色扮演维度出现于同一维度用于多个目的。
示例： 单个 Dim_Date 表用于订单日期、发货日期和交付日期。
解决方案： 创建多个关系（大多数设为非活动），并在 DAX 中使用 USERELATIONSHIP() 激活相应的关系。
常见建模问题
- 循环依赖
- 模糊关系（表之间存在多条路径）
- 多对多混淆
- 事实表过宽
修复措施
- 优先使用单向关系。
- 对多对多关系使用桥接表。
- 在 模型视图 中定期审查模型。
Power BI 步骤指南
Load Data
- 将数据集导入 Power BI。
Clean Data (Power Query)
- 删除重复项。
- 如有需要，合并表（连接）。
Create Relationships
- 使用 Model View。
- 定义基数和方向。
Optimize Schema
- 在可能的情况下使用星型模式。
Validate Model
- 测试筛选器和可视化，确保其行为符合预期。
最后思考
Data modeling is the foundation of every powerful Power BI report. Understanding joins, relationships, and schemas lets you build models that are:
- Accurate → 准确
- Scalable → 可扩展
- High‑performing → 高性能
As you grow in data analytics, mastering data modeling will set you apart—not just as a dashboard builder, but as someone who truly understands data.
- Start with a Star Schema. → 从 星型模式 开始。
- Know your SQL joins for data cleaning. → 熟悉 SQL 连接 用于数据清洗。
- Use relationships wisely for analysis. → 明智地使用关系进行分析。
- Keep your model simple and performant. → 保持模型 简洁 且 高效。
You now have a complete toolkit to build professional Power BI models. → 您现在拥有完整的工具箱，可构建专业的 Power BI 模型。
Happy modeling! → 建模愉快！