Modellieren von Daten mit Power BI
Erfahren Sie, was ein semantisches Modell in Power BI ist, welchen Ansatz Sie zum Laden von Daten verwenden sollten und wie Sie Ihr semantisches Modell aufbauen, um die von Ihnen benötigten Erkenntnisse zu gewinnen.
Dieser Lernpfad unterstützt Sie bei der Vorbereitung auf die Zertifizierung „Microsoft Certified: Data Analyst Associate“.
Voraussetzungen
Es gibt keine Voraussetzungen für diesen Lernpfad.
Erfolgscode
Möchten Sie einen Erfolgscode beantragen?
Module in diesem Lernpfad
In diesem Modul erfahren Sie mehr über die Struktur von Power BI Desktop-Modellen, Grundlagen des Sternschemaentwurfs, Analyseabfragen und die Konfiguration von Berichtsvisuals. Dieses Modul bildet eine wichtige Grundlage für das Optimieren von Modellentwürfen und das Hinzufügen von Modellberechnungen.
Beschreiben der Modellframeworks, ihrer Vorteile und Einschränkungen sowie der Features zum Optimieren Ihrer Power BI-Datenmodelle.
Das Erstellen eines komplexen semantischen Modells ist in Power BI ganz einfach. Wenn Ihre Daten aus mehr als einem Transaktionssystem stammen, können Dutzende Tabellen vorhanden sein, mit denen Sie arbeiten müssen. Wenn Sie ein gutes semantisches Modell erstellen möchten, müssen Sie zunächst Ordnung schaffen. Sie können ein semantisches Modell beispielsweise mithilfe des Sternschemas vereinfachen. Zudem erhalten Sie in diesem Modul eine Einführung in die Terminologie und Implementierung. Sie erfahren zudem, warum die Auswahl der geeigneten Datengranularität wichtig für die Leistung und Benutzerfreundlichkeit Ihrer Power BI-Berichte ist. Abschließend erfahren Sie, wie semantische Power BI-Modelle zur Leistungssteigerung beitragen können.
In diesem Modul erfahren Sie, wie Sie DAX-Formeln schreiben, um berechnete Tabellen, berechnete Spalten und Measures zu erstellen, bei denen es sich um unterschiedliche Arten von Modellberechnungen handelt. Darüber hinaus erfahren Sie, wie Sie DAX-Formeln schreiben und formatieren. Diese bestehen aus Ausdrücken, in denen Funktionen, Operatoren, Verweise auf Modellobjekte, Konstanten und Variablen verwendet werden.
In diesem Modul erfahren Sie, wie Sie mit impliziten und expliziten Measures arbeiten. Zunächst erstellen Sie einfache Measures, die eine einzelne Spalte oder Tabelle zusammenfassen. Anschließend erstellen Sie ausführlichere Measures basierend auf anderen Measures im Modell. Darüber hinaus erfahren Sie mehr über die Ähnlichkeiten einer berechneten Spalte mit einem Measure und die Unterschiede zwischen diesen.
Am Ende dieses Moduls sind Sie in der Lage, Ihrem semantischen Modell berechnete Tabellen und berechnete Spalten hinzuzufügen. Außerdem können Sie den Zeilenkontext beschreiben, der zum Auswerten der Formeln für berechnete Spalten verwendet wird. Da auch mit Power Query einer Tabelle Spalten hinzugefügt werden können, lernen Sie auch, wann am besten berechnete Spalten anstelle der von Power Query berechneten Spalten erstellt werden sollten.
In diesem Modul erfahren Sie etwas über die Bedeutung von Zeitintelligenz und darüber, wie Sie Ihrem Modell DAX-Berechnungen für Zeitintelligenz hinzufügen.
Bei der Leistungsoptimierung werden Änderungen am aktuellen Zustand des semantischen Modells vorgenommen, sodass es effizienter ausgeführt werden kann. Grundsätzlich sorgt ein optimiertes semantisches Modell für eine bessere Leistung.
Erzwingen der Modellsicherheit in Power BI mithilfe von Sicherheit auf Zeilen- und Objektebene.