まとめ
このモジュールのシナリオでは、組織の Power BI Desktop セマンティック モデルの 1 つが非効率的で、問題の原因となっていました。 ユーザーはレポートのパフォーマンスに不満があり、モデルのファイル サイズが大きすぎるため、組織のリソースに負担がかかっていました。
セマンティック モデルを確認してパフォーマンスの問題の原因を特定し、パフォーマンスを最適化してモデルのサイズを縮小するための変更を行うように求められました。
Power BI Desktop には、セマンティック モデルのパフォーマンスを分析して最適化するためのさまざまなツールと機能が用意されています。 パフォーマンス アナライザーやその他のツールを使用して最適化プロセスを開始し、メジャー、リレーションシップ、およびビジュアルのパフォーマンスを確認した後、分析結果に基づいて改善を行いました。 次に、変数を使用して、複雑さを抑え、より効率的な計算を記述しました。 さらに、列の分布を詳しく見て、リレーションシップのカーディナリティを減らしました。 その段階で、セマンティック モデルはより最適化されました。 組織で DirectQuery モデルを使用するとどのように状況が異なるかを検討してから、Power BI Desktop とソース データベースからパフォーマンスを最適化する方法を特定しました。 最後に、集計を使用して、セマンティック モデルのサイズを大幅に縮小しました。
Power BI Desktop で非効率的なセマンティック モデルを最適化する機会が得られないなら、データを改善するために、複数のデータ ソースで多くの時間を費やす必要があるでしょう。 特に、パフォーマンス アナライザーを使用しなかったら、レポートのパフォーマンスの問題の原因と、クエリ内で取り除く必要があるボトルネックを特定できなかったでしょう。 結果として、ユーザーは不満を抱いてモチベーションを失い、レポートの使用を避けるかもしれません。
レポートを最適化したので、ユーザーは必要なデータにより早くアクセスでき、生産性が向上し、仕事の満足度が高くなります。 モデルのファイル サイズを縮小することで、リソースの負担が軽減されるため、組織はさまざまなメリットが得られます。 与えられた課題を正常に達成しました。
パフォーマンス アナライザーを使用してレポート要素のパフォーマンスを確認する
Power BI Desktop で自動の日付/時刻を適用する