效能最佳化簡介
效能最佳化也稱為效能調整，其中涉及對資料模型的目前狀態進行變更，使其能夠更有效率地執行。 基本上，當資料模型經過最佳化後，資料模型的執行效能也會更佳。
您可能會發現報表在測試和開發環境中運作良好，但在部署到生產環境以進行更廣泛的耗用時，卻開始出現效能問題。 從報表使用者的角度而言，效能不佳的表現是頁面必須花上更長時間載入，且視覺效果也需要更長的時間進行更新。 此效能不佳會導致負面的使用者體驗。
身為資料分析師，您花費大約 90% 的時間處理資料，而其中有 90% 的效能不佳是不良資料模型、不良 Data Analysis Expressions (DAX)，或兩者混合所直接導致的結果。 效能資料模型的設計程序可能相當乏味，且經常會受到低估。 但是，若您在開發期間處理效能問題，則將會擁有強固的 Power BI 資料模型，其可具備更佳的報表效能，並為使用者帶來更正面的使用者體驗。 最後，您也將能夠維持經過最佳化的效能。 隨著組織成長，資料的大小也會成長，其資料模型也會變得更複雜。 透過盡早對資料模型進行最佳化，您可降低這項成長可能會對資料模型效能所帶來的負面影響。
大小較小的資料模型會使用較少資源 (記憶體)，且可更快速地進行資料重新整理、計算，以及轉譯報表中的視覺效果。 因此，效能最佳化程序涉及將資料模型的大小降至最低，以及透過最有效率方式來使用模型中資料，其中包括：
確保使用正確的資料類型。
刪除不必要的資料行和資料列。
避免重複值。
使用量值取代數值資料行。
減少基數。
分析資料模型的中繼資料。
盡可能總結資料。
在本課程模組中，我們將會介紹針對企業層級效能最佳化資料模型的必要步驟、程序和概念。 但是，請記住，雖然 Power BI 中的基本效能和最佳做法指導可提供幫助，但如果要針對查詢效能資料模型，則可能需要和資料工程師合作，才能在來源資料來源中推動資料模型最佳化。
例如，假設您是 Tailwind Traders 的 Microsoft Power BI 開發人員。 您的其中一項工作是負責檢閱在數年前由另外一名已經離開組織的開發人員所建置資料模型。
資料模型會產生接收使用者負面意見反應的報表。 使用者對於在報表中所見到的內容相當滿意，但是對報表的效能則不滿意。 載入報表中頁面花費的時間太長，且表格在進行特定選取時重新整理的速度不夠快。 除了這項意見反應之外，IT 小組也注意到此特定資料模型的檔案大小過大，正在造成組織資源的負擔。
您需要檢閱資料模型來識別造成效能問題的根本原因，並進行變更以最佳化效能。
在本課程模組結束時，您將能夠：
檢閱量值、關聯和視覺效果。
使用變數改善效能和進行疑難排解。
透過減少基數層級來改善效能。
使用表格層級儲存體來最佳化 DirectQuery 模型。
建立及管理彙總。