RINGKASAN
Dalam modul ini, Anda menjelajahi perubahan apa ketika model semantik perlu menangani himpunan data yang lebih besar, pengguna yang lebih bersamaan, dan pola konsumsi yang lebih luas dalam Microsoft Fabric. Tantangannya jelas: model yang dibangun untuk tim kecil di Power BI Desktop tidak secara otomatis menghandle tantangan yang muncul saat meningkatkan skala.
Anda belajar membuat empat keputusan desain penting. Pertama, Anda memilih Direct Lake sebagai mode penyimpanan default dan memahami saat Import, DirectQuery, atau model komposit adalah pilihan yang lebih baik. Kemudian Anda merancang hubungan skema bintang untuk kejelasan dan performa, termasuk integritas referensial, hubungan tidak aktif, dan koneksi lintas sumber. Selanjutnya, Anda merancang perhitungan yang dapat diskalakan menggunakan grup perhitungan untuk mengurangi proliferasi pengukuran, variabel, dan konvensi penamaan untuk mendukung pemeliharaan tim, dan agregasi untuk menangani volume data besar. Terakhir, Anda mengonfigurasi pengaturan yang mengontrol cara model menangani himpunan data besar, kueri bersamaan, dan akses alat eksternal.
Bersama-sama, keputusan ini menyiapkan model semantik untuk skala. Mereka juga menyiapkannya untuk konsumsi AI, karena AI menuntut hal yang sama dari model seperti halnya skalabilitas: data terkini, hubungan yang jelas, struktur deskriptif, dan kapasitas.