کتاب Data Modeling with Microsoft Power BI: Self-Service and Enterprise Data Warehouse with Power BI (مدل‌سازی داده‌ها با Microsoft Power BI: انبار داده‌های سلف سرویس و سازمانی با Power BI) مفاهیم اولیه مدل معنایی Power BI را با مثال‌های عملی در DAX، Power Query و T-SQL به شما نشان می‌دهد.
در ادامه مقدمه‌ای از کتاب Data Modeling with Microsoft Power BI را از زبان نویسنده شرح خواهیم داد.
مقدمه‌ای بر کتاب Data Modeling with Microsoft Power BI:
این کتاب برای چه کسانی است؟
آیا به داده‌ها در Power BI Desktop دسترسی دارید و از طریق تجسم‌های بصری با آن‌ها کار می‌کنید؟ آیا مهم‌ترین داده‌ها را در یک فایل Power BI Desktop جمع‌آوری کرده‌اید تا دیگران بتوانند بر اساس آن گزارش تهیه کنند؟ آیا مسئول یک انبار داده هستید و می‌خواهید مطمئن شوید که مدل داده برای استفاده در Power BI Desktop بهینه شده است؟
اگر به هر یک از این سوالات پاسخ “بله” می‌دهید، پس این کتاب برای شما مناسب است.
مخاطب اصلی کتاب Data Modeling with Microsoft Power BI، طراحان پرشور گزارش‌های Power BI هستند که می‌خواهند بهترین شیوه‌ها را در مدل داده برای گزارش‌های با عملکرد بالا و محاسبات آسان DAX به کار گیرند. مخاطب فرعی این کتاب، متخصصان IT هستند که می‌خواهند از طراحان گزارش با یک منبع داده‌ی آماده‌ی استفاده (یک مدل داده ایجاد شده در Power BI Desktop) پشتیبانی کنند.
شما باید در ساخت گزارش در Power BI Desktop راحت باشید و درک اولیه‌ای از حداقل DAX، Power Query/M یا SQL داشته باشید تا بتوانید مثال‌های کد ارائه شده در این کتاب را دنبال کنید.
بیشتر بخوانید: کتاب Artificial Intelligence With Microsoft Power BI
در طول کتاب Data Modeling with Microsoft Power BI، شما نه تنها با گزینه‌های مدل‌سازی داده در Power BI بلکه با گزینه‌های مدل‌سازی در سایر ابزارها نیز آشنا می‌شوید تا بتوانید یک مدل داده‌ی بهینه برای Power BI ایجاد کنید. این موضوع در بخش پنجم کتاب پوشش داده شده است.
چرا خواندن (و نوشتن!) یک کتاب کامل در مورد مدل‌سازی داده ارزشش را دارد؟ بخش بعدی پاسخ را ارائه می‌دهد.
چگونه کتاب Data Modeling with Microsoft Power BI را بخوانیم؟
این کتاب به پنج بخش تقسیم شده است – پنج کتاب به قیمت یک کتاب:
مدل‌سازی داده 101 (بخش اول)
بخش اول کتاب Data Modeling with Microsoft Power BI به آرامی تمام تئوری و مفاهیم را معرفی می‌کند و به شما می‌آموزد که چرا مدل‌سازی داده اهمیت دارد. این بخش تمام محتوا را به صورت عملی اما بدون وابستگی به ابزار خاص پوشش می‌دهد.
به این بخش به عنوان خلاصه‌ای از کتاب‌های «مجموعه ابزار انبار داده» اثر رالف کیمبال و مارگی راس (چاپ سوم، ویلی، 2013) و «اسکناس ستاره‌ای: مرجع کامل» اثر کریستوفر آدامسون (مک‌گراو هیل، 2010) نگاه کنید.
مدل‌سازی داده در Power BI (بخش دوم)
بخش دوم کتاب Data Modeling with Microsoft Power BI ویژگی‌های مدل‌سازی داده‌ی Power BI Desktop را پوشش می‌دهد، جایی که نحوه‌ی اعمال تمام تئوری (از بخش اول) را در مثال‌های عینی به شما نشان می‌دهم. من شما را در اطراف منوها و روبان‌ها و همچنین در خصوصیات یک مدل داده راهنمایی می‌کنم.
مدل‌سازی داده برای Power BI با کمک DAX (بخش سوم)
این بخش از کتاب Data Modeling with Microsoft Power BI، نشان می‌دهد که چگونه می‌توانید اطلاعات را از منابع داده به شکل مورد نیاز (مورد بحث در بخش دوم کتاب Data Modeling with Microsoft Power BI) با کمک DAX درآورید.
مزیت استفاده از DAX این است که در هر صورت برای تسلط بر Power BI باید آن را یاد بگیرید (نوشتن محاسبات اندازه‌گیری شده در DAX برای هر چیزی به جز مدل‌های داده‌ی بسیار ساده اجتناب‌ناپذیر است). مزیت دیگر این است که تغییرات در فرمول بلافاصله پس از فشار دادن تأیید، بدون دسترسی به منبع داده، محاسبه می‌شود.
معایب استفاده از DAX برای بازطراحی یک مدل داده این است که نتیجه‌ی ستون‌های محاسبه‌شده و جداول محاسبه‌شده هنگام ذخیره‌ی فایل فضای دیسک و هنگام باز کردن آن حافظه را اشغال می‌کند. همچنین، مدل داده‌ی شما هم شکل اصلی و هم شکل بازطراحی‌شده‌ی داده را در خود جای می‌دهد (بنابراین فضای غیرضروری اشغال می‌کند).
هدف اصلی DAX تعریف اندازه‌گیری است و نه شکل‌دهی داده، اما برخی از مثال‌ها همچنان بینش اضافی در مورد آنچه می‌توانید با DAX به دست آورید، ارائه می‌دهند. یادگیری قابلیت‌های کامل زبان DAX همچنین به شما کمک می‌کند تا از اندازه‌گیری‌های پیچیده‌ی DAX در مواقعی که به دلایلی نمی‌توانید مشکل را در خود مدل حل کنید، استفاده کنید.
مدل‌سازی داده برای Power BI با کمک Power Query (بخش چهارم)
این بخش از کتاب Data Modeling with Microsoft Power BI، نشان می‌دهد که چگونه می‌توانید با کمک رابط کاربری Power Query و زبان M، اطلاعات را از منابع داده به شکل مورد نیاز درآورید. خواهید دید که قبل از کار با کد M، می‌توانید تا حد زیادی از رابط کاربری به تنهایی استفاده کنید.
متاسفانه، M با DAX بسیار متفاوت است. اولاً، در M شما تبدیل‌ها را بر اساس نتیجه‌ی مرحله‌ی قبلی اعمال می‌کنید؛ در حالی که در DAX محتوایی را به محتوای موجود مدل داده اضافه می‌کنید.
همچنین M برای کلیدواژه‌ها و محتوای ستون‌ها به حروف حساس است، در حالی که DAX به حروف حساس نیست. M شبیه به F# است، در حالی که DAX شبیه به فرمول‌های اکسل است. به سختی می‌توان این دو را با هم مقایسه کرد. همانطور که در این بخش خواهید دید، M به عنوان یک زبان برای کار شکل‌دهی داده بسیار مناسب‌تر از DAX است.
هنگامی که داده‌ای که بارگذاری می‌کنم از قبل در شکل دلخواه نیست، Power Query و M ابزارهای مورد علاقه‌ی من هستند. تنها نتیجه‌ی نهایی تبدیل‌های انجام شده در Power Query به مدل داده‌ی Power BI بارگذاری می‌شود و از جدول‌ها و ستون‌های غیرضروری جلوگیری می‌کند. در حین کار با Power Query، به دسترسی فعال به منبع داده نیاز دارید.
مدل‌سازی داده برای Power BI با کمک SQL (بخش پنجم)
این بخش از کتاب Data Modeling with Microsoft Power BI، نشان می‌دهد که چگونه می‌توانید با کمک SQL و T-SQL، اطلاعات را از منابع داده به شکل مورد نیاز درآورید. با وجود تمایل به جمع‌آوری داده‌ها در دریاچه‌های داده، من همچنان بر این باورم که یک سازمان سازمانی به یک مکان مرکزی نیاز دارد که در آن کسی از داده‌ها مراقبت کند؛ مکانی که داده‌های خام (و کثیف) تمیز و به شکل صحیح درآورده شوند.
اینکه این مکان یک پایگاه داده‌ی فیزیکی باشد یا «فقط» نماهایی از برخی از مخزن‌های داده باشد، چندان مهم نیست. اما مهم این است که به جای اینکه بار را بر دوش کاربر نهایی و ابزارهایی که استفاده می کنند بگذارید، چنین لایه‌ای (انبار داده) داشته باشید.
اگر مشتاق یادگیری در مورد پایگاه‌های داده‌ی رابطه‌ای یا آسان‌تر کردن کار کاربران Power BI در سازمان خود هستید، پس این بخش از کتاب مخصوص شماست. در Microsoft Fabric می‌توانید به داده‌های خود که در دریاچه‌ی داده قرار دارند دسترسی پیدا کنید.
هر بخش کتاب Data Modeling with Microsoft Power BI شامل چهار فصل است که موضوعات زیر را پوشش می‌دهد:
-
درک مدل داده: این فصل‌ها در مورد اصطلاحات و مفاهیم اساسی هستند. اگر با مدل‌سازی داده آشنایی ندارید، حتماً این فصل‌ها را بخوانید و درک کنید. اگر قبلاً در زمینه‌ی مدل‌سازی داده پیشینه دارید، ممکن است به سرعت این فصل‌ها را برای تجدید حافظه مرور کنید. نکات کلیدی را در انتهای هر فصل بیابید.
-
ساخت مدل داده: این فصل‌ها درباره‌ی اصول و چارچوب اصلی مدل‌سازی داده هستند. این فصل‌ها به بحث در مورد مشکلات و راه‌حل‌های مربوط به مشکلات رایج می‌پردازند. من مطمئن هستم که در مسیر تبدیل داده‌های خام خود به اطلاعات قابل استفاده، با حداقل برخی از این مشکلات روبرو خواهید شد.
-
مثال‌های دنیای واقعی: در این فصل‌ها، به چالش‌های پیشرفته رسیدگی می‌کنم. برای مدل‌های داده‌ی ساده، مشکلات مورد بحث در این بخش ممکن است مسئله‌ساز نباشند. شاید در اولین مطالعه‌ی خود در اینجا استراحت کنید و زمانی که با یکی از این مسائل مواجه شدید، به آن بازگردید. این فصل‌های کتاب Data Modeling with Microsoft Power BI، عمیق‌تر به مدل‌سازی داده، DAX، Power Query و SQL می‌پردازند و ویژگی‌های نه چندان رایجی را که ممکن است برای حل مشکل خاصی به آن‌ها نیاز داشته باشید، پوشش می‌دهند. این فصل‌ها برای آشپزهای حرفه‌ای داده در نظر گرفته شده‌اند.
-
تنظیم عملکرد: هر بخش با فصلی از کتاب Data Modeling with Microsoft Power BI، در مورد تنظیم عملکرد به پایان می‌رسد، که اغلب آخرین مرحله در کل فرآیند مدل‌سازی داده است. اگر با یادگیری پیروی از تمام بهترین شیوه‌های ذکر شده در این کتاب شروع کنید، کارهای زیادی برای انجام دادن خواهید داشت قبل از اینکه عملکرد گزارش به یک مشکل تبدیل شود. با این حال، برای پیاده‌سازی‌های واقعاً بزرگ (من در مورد میلیاردها ردیف داده صحبت می‌کنم)، حتی رعایت این بهترین شیوه‌ها کافی نخواهد بود. سپس زمان آن فرا می‌رسد که در لایه فنی مدل‌سازی داده عمیق شوید و نحوه تنظیم حالت‌های ذخیره‌سازی موجود (واردات، DirectQuery، اتصال زنده و Direct Lake) را به نفع خود بیاموزید.
توجه: کل کتاب Data Modeling with Microsoft Power BI، و در نتیجه فصل‌های مربوط به تنظیم عملکرد، بر روی مدل‌سازی داده تمرکز دارد و نه چندان بر نحوه‌ی نوشتن کد با عملکرد بالا در DAX، Power Query یا SQL.
سرفصل‌های کتاب Data Modeling with Microsoft Power BI:
- Cover
- Copyright
- Table of Contents
- Foreword
- Preface
- Part I. Data Modeling 101
- Chapter 1. What Is a Data Model?
- Chapter 2. Building a Data Model
- Chapter 3. Real-World Examples
- Chapter 4. Performance Tuning
- Part II. Data Modeling in Power BI
- Chapter 5. Understanding a Power BI Data Model
- Chapter 6. Building a Data Model in Power BI
- Chapter 7. Real-World Examples Using Power BI
- Chapter 8. Performance Tuning in the Power BI Data Model
- Part III. Data Modeling for Power Bl with the Help of DAX
- Chapter 9. Understanding a Data Model from the DAX Point of View
- Chapter 10. Building a Data Model with DAX
- Chapter 11. Real-World Examples Using DAX
- Chapter 12. Performance Tuning with DAX
- Part IV. Data Modeling for Power Bl with the Help of Power Query
- Chapter 13. Understanding a Data Model from the Power Query Point of View
- Chapter 14. Building a Data Model with Power Query and M
- Chapter 15. Real-World Examples Using Power Query and M
- Chapter 16. Performance Tuning the Data Model with Power Query
- Part V. Data Modeling for Power Bl with the Help of SQL
- Chapter 17. Understanding a Relational Data Model
- Chapter 18. Building a Data Model with SQL
- Chapter 19. Real-World Examples Using SQL
- Chapter 20. Performance Tuning the Data Model with SQL
- Epilogue
- Index
- About the Author
- Colophon
جهت دانلود کتاب Data Modeling with Microsoft Power BI می‌توانید پس از پرداخت، دریافت کنید.
دیدگاهها
هیچ دیدگاهی برای این محصول نوشته نشده است.