描述資料模型化的核心概念
分析模型——在Microsoft Fabric和Power BI中也稱為語意模型——結構化資料以支持分析。 模型是由相關的資料表建立的。 它定義了你想分析或報告的數值，稱為 度量，以及你用來彙總這些數值的實體，稱為 維度。
例如，模型可能包含銷售的數值指標（如營收或數量）以及產品、顧客和時間的維度。 這讓你能在一個或多個維度上彙整衡量，例如以識別按客戶劃分的總營收，或按產品每月銷售的總商品數。
資料表與結構描述
維度 表代表你想要分組或篩選的實體，例如產品或客戶。 每一列都有唯一的鍵值，剩餘欄位則儲存屬性，例如產品名稱、類別或客戶城市。 大多數分析模型都包含 時間 維度，因此可以彙整跨時間段的指標。
事實 表儲存你想分析的數值指標。 每一列代表一個已記錄的事件——例如銷售交易，並包含銷售數量與收入的價值。
當事實表與一個或多個維度表相關時，該設計稱為 星型結構。 如果維度資料表進一步與其他明細資料表建立關聯——例如，連結到 產品 資料表的 類別 資料表——則這種設計稱為 雪花綱要。
當你將資料載入語意模型時，Power BI 會利用 VertiPaq 引擎將資料儲存在高效的記憶體內欄位儲存中。 聚合在查詢時計算，提供快速的分析與報告。
屬性階層
階層可讓您在維度的不同層級中向上或向下鑽取彙總值。 例如：
- 在 產品 表中，階層結構可能會將產品依類別分組。
- 在 客戶 表中，階層結構可能依城市將客戶分組。
- 在 時間表 中，階層可能會將天分成月份，月分成年。
當你查看按年銷售總額，然後向下延伸查看每月分解時，VertiPaq 引擎會在查詢時計算每個層級的彙總值。
Microsoft Power BI 中的分析模型化
在 Power BI 中，你可以從一個或多個資料來源匯入的資料表中定義語意模型。 在桌面Power BI使用模型檢視來建立事實表與維度表之間的關係、定義階層結構、設定資料型別與顯示格式，以及配置其他塑造模型分析的屬性。
如果你的資料儲存在OneLake——Microsoft Fabric的共享資料湖——請使用 Direct Lake儲存模式，直接將語意模型連接到湖的檔案。 這讓你無需另外進行資料匯入，即可享有記憶體內查詢效能。