Skip to content

Data Communication › BI 工具 › Power BI 模型與 DAX

Power BI 模型與 DAX (Power BI Modeling and DAX) ​

Power BI 把資料準備、資料模型、互動式視覺化與分享串成一條流程:dataset → model → report → 分享。本篇先建立整體地圖,再看 semantic model(關係、安全性)與 DAX(context、measure、CALCULATE())。資料前處理見 Power Query,報表設計見 Power BI 報表。

好的報表是好模型的結果:數字對不對、能不能重用,由模型決定;報表只決定好不好理解與操作。

整體地圖 ​

text
1. 載入資料 → 2. Power Query 清理 → 3. 建模型(關係、measure)→ 4. Report view 做報表 → 5. Service 發布分享
View看什麼思考層次
Table view表內容與欄位資料
Model view表與關係結構
Report view建立與編輯視覺化呈現

報表有問題時,先判斷是資料內容、模型結構還是視覺呈現的問題,比較快找到根源。

視覺元件適合
Table / matrix明細與交叉檢視
Card / multi-row card單一指標摘要
Gauge / KPI與目標的差距
篩選範圍影響
Visual-level filter單一視覺
Page-level filter同一頁
Report-level filter整份報表

很多報表混亂不是圖做不好,而是篩選範圍沒設清楚。互動也要設計:用「編輯互動」關掉不該連動的視覺,避免使用者以為所有圖都該互相影響。有天然層級的資料(年 → 季 → 月、地區 → 城市 → 門市、類別 → 子類別 → 產品)用階層與 drill-down,比把所有欄位攤平自然。

Semantic Model ​

semantic model 位在原始表與報表之間,把技術性的資料結構轉成業務導向、可建立關係、可重用的分析模型:統一 measure、篩選、階層與權限,避免每份報表各自重做邏輯。在 Fabric 中,建立 lakehouse / warehouse 時就可以自動產生 semantic model,語意層因此更早進入資料平台設計。

關係 (Relationships) ​

原則理由
模型形狀接近 star schema:fact 在中間、dimension 圍繞篩選行為可預期;見 維度模型
關係以 dimension 的唯一 key 對 fact 的 key(一對多)多對多關係容易產生意外結果
單向篩選:dimension → fact篩選路徑容易推理
dimension 之間不要互連關係網越複雜,篩選傳播越難預期

雙向篩選 (bi-directional) 最常見的用途是「slicer 只顯示與目前情境相關的選項」,但它會讓兩表間出現多條路徑、推理變難、多對多時拖慢效能。預設單向,只有特定互動真的需要時才評估;能用 measure 或明確邏輯(CROSSFILTER())代替就不要把雙向當萬用解。

同兩張表可以有多條關係(訂單日、出貨日、送達日都連到日期表),但同時間只有一條是 active,其他在 measure 中用 USERELATIONSHIP() 啟用。這迫使模型先講清楚主要語意。

階層可以是自然的(業務上本來就存在,如國家 → 州 → 城市)或人為的(為了分析方便組出的切法);自然階層使用者較容易理解。

安全性 ​

機制控制說明
RLS (Row-Level Security)使用者能看到哪些列區域、業務單位各看各的;同一模型服務多種角色
OLS (Object-Level Security)能否看到某張表或某欄隱藏敏感欄位
Dataset 權限Read / Build / Reshare / Write看報表、用模型做新內容、再分享、改 metadata 是不同的事
敏感度標籤內容敏感程度匯出、分享後仍保留保護語意
dax
// 動態 RLS:角色篩選條件,依登入者的 UPN(通常是 email)決定可見範圍
Dim_Region[ManagerEmail] = USERPRINCIPALNAME()
RLS 要注意
角色在 Desktop 定義,成員在 Service 指派兩邊都做才生效;Desktop 可用「以角色檢視」測試
額外的列篩選可能拖慢查詢—
對 dataset 有寫入權限的人(workspace Admin / Member / Contributor)不受 RLS 限制RLS 保護的是報表使用者,不是作者
workspace 角色與 dataset 權限相關但不相同看得到報表不代表能 Build 新報表

建模前的問題 ​

問題
哪些表直接暴露給報表?工程用欄位(技術 key、載入時間)隱藏
關係怎麼定義才符合業務邏輯?grain、key、方向
需要依角色篩選列嗎?有敏感欄位要用 OLS 隱藏嗎?安全性
需要很多例外的篩選路徑嗎?是的話,先回頭檢查 schema 與 dimension 設計

DAX ​

DAX (Data Analysis Expressions) 是模型層的計算語言(Power BI、Excel Power Pivot、Analysis Services 共用)。它的難點與價值都來自 context:同一個 measure 放在不同視覺、不同 slicer 條件下,結果會不同。

Context意義來源
Filter context計算前已套在資料上的一組篩選視覺的列 / 欄、slicer、篩選窗格、CALCULATE()
Row context逐列計算時「目前這一列」計算欄、SUMX 等 iterator
Context transition在 row context 中呼叫 measure 或 CALCULATE(),目前列變成 filter context在 iterator 內使用 measure

DAX 算錯時,先檢查是在什麼 context 下計算,不要先懷疑函式語法。

計算欄 vs Measure ​

計算欄 (calculated column)Measure
計算方式逐列,在重新整理時算好並存下查詢時依 filter context 聚合
佔空間是(增加模型大小)否
適合衍生分類、標籤、用來切分或建立關係的欄位總和、比例、KPI、隨 slicer 變化的摘要

優先寫 explicit measure,不要依賴視覺對欄位的隱式聚合:名稱清楚、可被其他 measure 重用、複雜模型較好維護。能在 Power Query 做的衍生欄位,通常比 DAX 計算欄更好(壓縮較佳)。

CALCULATE() ​

dax
CALCULATE(<expression>[, <filter1> [, <filter2> ...]])

在修改或明確指定 filter context 後計算 expression(必須回傳單一值)。多個篩選之間是 AND。

dax
Total Sales      = SUM(Fact_Orders[Sales])
Total Sales EMEA = CALCULATE([Total Sales], Dim_Region[Region] = "EMEA")
Share of Total   = DIVIDE([Total Sales], CALCULATE([Total Sales], ALL(Dim_Region)))   // DIVIDE 處理分母為 0

Sales Growth =
VAR SalesPriorYear = CALCULATE([Total Sales], SAMEPERIODLASTYEAR('Date'[Date]))
RETURN [Total Sales] - SalesPriorYear                    // VAR 命名中間結果、避免重算

常用函式 ​

函式族函式用途
篩選FILTER(table, cond)回傳篩選後的表(給 CALCULATE 或 iterator 用)
ALL()、REMOVEFILTERS()、ALLEXCEPT()移除篩選:算總體、佔比、全域排名
KEEPFILTERS()與既有篩選取交集而非覆蓋
關係RELATED()從「一」端的表取值(在多端的 row context 中)
USERELATIONSHIP()啟用非 active 的關係(role-playing 日期)
CROSSFILTER()在計算中暫時改變篩選方向;進階用法
IteratorSUMX()、AVERAGEX()、COUNTX()、RANKX()逐列計算 expression 再聚合
計數COUNTROWS()、DISTINCTCOUNT()列數(事件數、符合條件筆數)、distinct 數
時間智慧SAMEPERIODLASTYEAR()、DATEADD()、TOTALYTD() / TOTALQTD() / TOTALMTD()期間比較(YoY、MoM)、累計
邏輯IF()、SWITCH()分支
日期與文字DATE()、WEEKDAY()、LEFT() / MID() / RIGHT()從零散欄位組日期、取日期成分;日期不乾淨時優先回 Power Query 修
表SUMMARIZE()、ADDCOLUMNS()、SUMMARIZECOLUMNS()產生彙總表
dax
// 篩選欄位時直接寫條件,比 FILTER 整張 fact 表有效率
Total Sales Chuck = CALCULATE([Total Sales], Dim_Sales[Salesperson] = "Chuck")
// 等價但較慢:CALCULATE([Total Sales], FILTER(Fact_Orders, RELATED(Dim_Sales[Salesperson]) = "Chuck"))

// Iterator:先逐列算 Sales - Profit 再加總
Total Costs East =
SUMX(FILTER(Fact_Orders, Fact_Orders[Region] = "East"), Fact_Orders[Sales] - Fact_Orders[Profit])

// 排名:ALL 讓排名基於所有 region,而不是目前視覺中被篩選過的部分
Costs Rank = RANKX(ALL(Dim_Sales[Region]), [Total Costs])

// 年初至今:需要標記為日期表、日期連續的 date dimension
Sales YTD = TOTALYTD([Total Sales], 'Date'[Date])

// 多條件分段:SWITCH(TRUE(), ...) 比巢狀 IF 易讀
Performance =
SWITCH(TRUE(),
    [Total Sales] < 25000, "Poor",
    [Total Sales] < 50000, "Below expectations",
    [Total Sales] < 75000, "Above expectations",
    "Exceptional")

// 類別映射;最後一個參數是預設值
Discount = SWITCH([Clothing Type], "Shoes", 0.15, "Pants", 0.20, "Belts", 0.30, "T-shirt", 0.25, 0)

// 彙總表:SUMMARIZE 定義分組,新欄位用 ADDCOLUMNS 加(直接在 SUMMARIZE 內算可能因 context 出錯)
Region Summary =
ADDCOLUMNS(SUMMARIZE(Fact_Orders, Dim_Region[Region]), "Sales", [Total Sales])

// 逐列加欄:欄位要寫完整的 Table[Column]
Orders With Profit = ADDCOLUMNS(Fact_Orders, "Profit", Fact_Orders[Revenue] - Fact_Orders[Costs])
陷阱說明
時間智慧函式結果怪異沒有連續、標記為日期表的 date dimension;或用了 fact 表的日期欄
排名只在局部排序RANKX 沒有用 ALL() 擴大排名範圍
總計列數字不等於各列相加measure 在總計列的 filter context 不同,這通常是正確行為;需要相加時用 SUMX 包一層
SUM(Sales) 報錯聚合函式要指定欄:SUM(Table[Column])

學習順序 ​

text
1. 分清楚計算欄與 measure → 2. 理解 context → 3. CALCULATE 調整 filter context
  → 4. FILTER / ALL / SUMX 改變計算範圍與方式 → 5. SWITCH、TOTALYTD、ADDCOLUMNS / SUMMARIZE

DAX 不應脫離模型理解:關係影響計算範圍、篩選方向影響結果、模型設計決定 measure 能否重用。Excel 中的同一套概念見 Power Pivot。