第04篇：数据建模与关系管理

1. 什么是数据模型

数据模型是 Power BI 报表性能和分析能力的基础。当你的报表涉及多张表时，需要通过关系（Relationship）将它们连接起来，让 Power BI 知道如何在不同表之间进行跨表计算。

这一篇主要是相关概念的讲解。

1.1 为什么要建模

没有建模时，每张表是独立存在的，无法进行跨表分析。例如：

• 销售明细表中有"产品ID"但没有"产品名称"
• 产品信息表中有"产品ID"和"产品名称"
• 没有关系，报表无法显示每个产品的销售总额

建立关系后，Power BI 就能自动进行跨表关联查询，类似数据库的 JOIN 操作。

1.2 进入模型视图

在 Power BI Desktop 左侧点击第三个图标（模型视图），可以可视化地看到所有表及其关系。

---

2. 核心概念：事实表与维度表

2.1 事实表（Fact Table）

记录发生的业务事件，如销售订单、库存变动、用户访问日志。

特点：

• 数据量大（通常数万到数亿行）
• 包含外键，引用维度表
• 记录可加总的数量型字段（销售额、数量等）

示例：

订单ID	产品ID	客户ID	销售日期	销售额	数量
1001	P01	C01	2024-01-01	5000	10
1002	P02	C02	2024-01-02	3000	6

2.2 维度表（Dimension Table）

描述业务实体的属性信息，用于分析和筛选。

特点：

• 数据量相对较小
• 包含主键（唯一标识）
• 包含描述性文本字段

示例：

产品维度表：

产品ID	产品名称	产品类别	品牌
P01	手机A	电子产品	品牌甲
P02	服装B	服装	品牌乙

客户维度表：

客户ID	客户名称	地区	客户等级
C01	公司A	北京	VIP
C02	公司B	上海	普通

---

3. 建立表关系

3.1 关系的构成

一个关系由三个要素组成：

要素	说明
基数（Cardinality）	一端是一还是多
交叉筛选方向（Cross-filter direction）	关系如何影响筛选上下文
活动属性（Active）	关系是否默认激活

3.2 基数类型

类型	说明	场景
一对多（1:*）	维度表1行 → 事实表多行	最常用！如1个产品对应多笔销售
多对一（*:1）	与一对多相反，从事实表看向维度表	同上
一对一（1:1）	两表行数一一对应	少见，如主表与扩展表
*多对多（*: )	两表都是多端	需谨慎使用，可能导致性能问题

3.3 创建关系

方法一：自动检测（推荐新手）

Power BI 通常会自动检测关系。

1. 加载数据后，进入"模型视图"
2. 点击"主页" → "管理关系" → "自动检测"
3. Power BI 会根据列名和数据特征自动推断关系

根据我的经验，如果数据库的建模足够好，命名足够规范，并且关系也在数据仓库里都定义好了，那么拿到Power BI里都会被自动识别出来，基本上不需要额外的建模工作。

方法二：手动创建

1. 在模型视图中，将一个表的主键列拖拽到另一个表的外键列上
2. 弹出"创建关系"对话框
3. 确认基数和交叉筛选方向，点击"确定"

通常在没有数据仓库做支撑的场景，需要手动建模或者做调整。

3.4 交叉筛选方向

方向	说明	场景
单向（Single）	维度表 → 事实表	大多数情况使用单向即可
双向（Both）	两表相互影响	需要双向联动筛选时使用

⚠️ 双向筛选会显著增加计算复杂度，可能影响报表性能，建议仅在必要时使用。

---

4. 星型模型与雪花模型

4.1 星型模型（Star Schema）

最推荐的建模方式，结构如下：

┌───▼───┐  ┌───▼───┐  ┌───▼───┐
│ 产品  │  │ 客户  │  │ 销售渠道│
│ 维度表│  │ 维度表│  │  维度表 │
└───┬───┘  └───┬───┘  └───┬───┘
    │          │          │
    └──────────┼──────────┘
               │
        ┌──────▼──────┐
        │   销售事实表 │
        └─────────────┘

特点：

• 中心是事实表，周围是维度表
• 所有维度表直接连接事实表，不存在中间层
• 查询效率高，是数据仓库的经典设计

4.2 雪花模型（Snowflake Schema）

在星型模型的基础上，维度表进一步规范化，形成多层结构：

     ┌──────────────┐
     │   品牌维度表   │
     └───────┬──────┘
             │
      ┌─────▼─────┐
      │ 产品维度表 │
      └─────┬─────┘
            │
     ┌──────▼──────┐
     │  销售事实表 │
     └─────────────┘

特点：

• 减少了数据冗余，存储更节省
• 查询时需要多层关联，性能略低于星型模型
• 适用于维度表非常大且有明确层级的情况

💡 建议：在 Power BI 中，优先使用星型模型。如果维度表数据量很大，考虑用雪花模型来节省存储。

---

5. 隐藏字段与显示文件夹

5.1 隐藏字段

在模型视图中，右键点击字段 → "在报表视图中隐藏"，可以将不需要在报表中直接使用的字段（如外键ID）隐藏起来，保持字段列表简洁。

隐藏后，字段仍然可以在 DAX 公式中使用，只是不显示在右侧字段面板中。

5.2 显示文件夹

对于字段较多的表，可以通过显示文件夹进行分组：

1. 在数据窗格中选中字段
2. 在"属性"窗格中找到"显示文件夹"
3. 输入文件夹名称，多个字段可以用分号分隔（如"维度;日期"）

---

6. 角色与行级安全（RLS）

Power BI 支持基于角色的行级安全，控制不同用户看到不同的数据。

示例：区域经理只能看到自己负责区域的数据

1. 在"建模"选项卡中点击"管理角色"
2. 创建角色（如"区域经理"）
3. 为该角色添加 DAX 筛选表达式：

   [地区] = USERPRINCIPALNAME()
   

4. 在 Power BI Service 发布后，为不同用户分配不同角色

---

7. 常见建模问题与解决

问题	原因	解决方案
关系线是虚线	关系不唯一或有问题	检查基数设置，确保一端唯一
图表显示空白	关系未建立或方向错误	在模型视图中检查关系
计算结果不对	存在多对多关系导致歧义	使用 SUMX 替代 SUM，或设置正确的关系方向
报表加载很慢	模型太复杂，双向筛选过多	简化模型，减少双向筛选使用

---

8. 小结

本篇介绍了：

• ✅ 事实表与维度表的核心概念
• ✅ 创建和管理表关系（基数、交叉筛选方向）
• ✅ 星型模型与雪花模型的设计与选择
• ✅ 隐藏字段、显示文件夹、角色与行级安全

下一篇：我们将学习 Power BI 的核心计算语言 DAX，从计算列和度量值开始，掌握数据分析公式的基础用法。