برای ایجاد جدول محاسبه شده، در قسمت چپ صفحه گزارش، Data View را انتخاب کنید.

با انتخاب New Table از تب Modeling فرمول بار فعال می شود.

نام جدول جدید را در سمت چپ علامت مساوی تایپ کنید و در سمت راست محاسباتی که برای شکل گیری جدول می خواهید استفاده کنید را وارد کنید. وقتی محاسبات شما به پایان رسید، جدول جدید در پنل Fields در مدل شما ظاهر می شود.

پس از ایجاد جدول محاسبه شده، می توان از آن مانند هر جدول دیگر، در رابطه ها، فرمول ها و گزارشات استفاده کرد.

منبع:

https://docs.microsoft.com/en-us/power-bi/guided-learning/modeling?tutorial-step=6

یکی از خوبی های DAX یا همان زبان عبارات آنالیز داده ها در Power BI، این است که توابع مفید زیادی دارد، بخصوص پیرامون محاسبات متکی بر زمان مانند سال و تاریخ و یا مقایسه داده های سال به سال.

با DAX می توانید با یک بار تعیین معیار زمان، آن را به هر تعداد فیلدهای متفاوت که می خواهید، تقسیم کنید.

در Power BI به یک محاسبه تعریف شده، Measure گفته می شود.

برای ایجاد یک Measure، از تب Home، آیکون New Measure را انتخاب کنید. این کار فرمول بار را باز می کند که در آن با وارد کردن عبارات DAX می توان یک Measure تعیین کرد. همانطور که محاسبات را تایپ می کنید Power BI فیلد داده ها و توابع DAX مرتبط را پیشنهاد می دهد. همچنین راهنمای ابزار با توضیحات پارامترهای توابع و بعضی از سینتکس ها نمایش داده می شود.

اگر محاسبات طولانی باشد، با تایپ ALT- Enter در Expression Editor میتوانید خط اضافه ایجاد کنید.

وقتی یک Measure جدید ایجاد می شود، در سمت راست صفحه در پنل Fields، در یکی از جدول ها نمایش داده می شود. Power BI، Measure جدید را در جدولی انتحاب شده کنونی وارد می کند، در حالی که اهمیت ندارد Measure دقیقا در کجای داده ها قرار دارد، میتوان با انتخاب Measure و استفاده از منو کرکره ای Home Table به راحتی آن را جا به جا کرد.

تنها با Drag & Drop کردن در Report Canvas و یا Visualization Fields می توان از Measure مانند هر ستون جدولی استفاده کرد. همچنین Measure با Slicer ها (تقصیم کننده ها) یکپارچه می شوند و در حالت اجرا، داده ها تقصیم می شوند؛ که این یعنی Measure می تواند یک بار تعیین شود و در تصویر سازی های متفاوت زیادی استفاده شود.

منبع:

https://docs.microsoft.com/en-us/power-bi/guided-learning/modeling?tutorial-step=5

سه روش اصلی Power BI برای اتصال به منابع داده :

Power BI، از روش های مختلف برای اتصال داده ها پشتیبانی می کند، به همین دلیل انتخاب روش درست همیشه انتخاب سختی است. شما درباره ی کوعری مستقیم DirectQuery، اتصال زنده (Live Connection) و وارد کردن داده ها (Import Data) شنیده اید. معنی این سه چیز واقعا چیست؟ و در چه موقعیتی باید یکی از آن ها را به جای موارد دیگر انتخاب کنید؟ کدام ‌یک سریع تر است؟ کدام‌یک انعطاف پذیر تر است؟ آیا DirectQuery و Live Connection در واقع یک چیز هستند؟ یا دو روش مجزا؟ و خیلی سوال های دیگر.
همیشه در دوره های آموزشی، بحث های کنفرانس و پست های بلاگ، سوال های زیادی مثل این ها مطرح می شوند. در این فصل جواب تمام سوال های بالا رو می گیرید. این فصل به شما کمک می کند بتوانید روش اتصال داده ها و معماری درست برای Power BI Solution را انتخاب کنید.

چرا این یک تصمیم گیری سخت است؟

اگر Power BI تنها یک روش برای اتصال به منبع داده ها می داشت، در آن صورت همه چیز آسان بود. شما هیچ وقت به انتخاب بین روش ها و پیدا کردن روش درست برای خودتان احتیاج پیدا نمی کردید؛ اما Power BI از سه روش مختلف برای اتصال به داده ها پشتیبانی می کند:
DirectQuery، Live Connection و import data (بعضی ها به آن به روز رسانی برنامه ریزی شده یا scheduled Refresh می گویند).
خیلی از شما ممکن است هنوز فکر کنید که DirectQuery و Live Connection یکسانند، اما آن ها متفاوت هستند. در ادامه ی این فصل تفاوت بین آن ها را متوجه خواهید شد. هر روش معایب و مزایایی دارد. بسته به سناریویی که از Power BI برای آن استفاده می کنید ممکن است یک روش را به روش های دیگر ترجیح دهید. در روند اجرا، تغیر روشی به روشی دیگر، پس از مدتی می تواند عملیات وقت گیری باشد؛ بنابراین انتخاب روش مناسب از ابتدا بهترین کار است.

انتخاب روش مناسب یک قدم مهم برای معماری Power BI Solution است که معمولاً در مراحل اولیه قبل از شروع اجرا باید انتخاب کنید.

در این فصل جواب تمام سوالات زیر و چیستی روش ها را نیز شرح خواهیم داد.

•  Import Data / scheduled Refresh چیست؟
• DirectQuery چیست؟
• Live Connection چیست؟
• تفاوت بین Live Connection و DirectQuery چیست؟
• نقاط قوت و ضعف هر روش.
• کدام روش بهترین و سریع ترین اجرا را دارد؟
• کدام روش انعطاف پذیری بیشتری دارد؟
• کدام روش مقیاس پذیرتر است؟
• سناریوهای معماری برای استفاده از هر روش چیست؟
• نقش دروازه (getaway role) چیست؟

بررسی روش Import Data یا Schedule Refresh

با این روش اطلاعات داخل Power BI بارگزاری Load میشوند و این یعنی مصرف RAM و HDD برای نگهداری این اطلاعات.
تا زمانی که با Power BI Desktop در حال طراحی گزارش هستید و از این روش استفاده میکنید , از RAM و HDD کامپیوتر شما برای نگهداری اطلاعات مصرف میشود و زمانی که گزارش را بر روی سرور منتشر کردید , از منابع RAM و HDD سرور برای بارگزاری اطلاعات استفاده میشود.

اگر بانک اطلاعاتی شامل ۱۰۰ جدول باشد اما فقط ۱۰ تای آن را import کنید , فقط به اندازه همان ۱۰ جدول از ram و hdd فضا گرفته میشود و نه ۱۰۰ جدول.
در اصل به همان اندازه که اطلاعات وارد power bi میکنید (import) , از ram و hdd مصرف میشود.

موتور فشرده سازی اطلاعات xVelocity

در روش import اولین چیزی که به ذهنتان میرسد این است که اگر اطلاعات یک دیتابیس ۱۰۰ گیگابایتی را وارد power bi کنید , باید سایز فایل power bi هم ۱۰۰ گیگ شود. اما این اشتباه است!
power bi از یک موتور فشرده سازی اطلاعات بنام xVelocity استفاده میکند که مبتنی بر تکنولوژی Column store in-memory میباشد.
شاید اگر شما اطلاعات یک فایل اکسل ۱ گیگابایتی را وارد power bi کنید , فایل power bi شما ۱۰ مگابایت شود ! و این بخاطر فشرده سازی اطلاعات توسط xVelocity است.
البته فشرده سازی نرخ ثابتی ندارد مثلا همیشه ۱۰ برابر فشرده نمیکند و میزان فشرده سازی به عوامل مختلفی مانند نوع داده ای ستونها , میزان تنوع داده های داخل ستون دارد.

بطور خلاصه میتوان گفت در روش import data اطلاعات داخل power bi بارگزاری و فشرده میشوند .

مزایا و معایب روش Import data

مزایا
– در این روش میتوانید از تمام امکانات و بخش های Power BI Desktop بدون هیچ محدودیت استفاده کنید.
– میتوانید اطلاعات از منابع مختلفی با هم بخوانید مثلا بخشی از اطلاعات را از فایل اکسل بخوانید و بخشی دیگر را از وب سرویس یا فایل متنی وارد power bi کنید.
– میتوانید با power query اطلاعات را دستکاری کنید تا فرمت و قالب مدنظرتان را داشته باشند.
– میتوانید به کمک زبان DAX , انواع میژر , ستون محاسباتی و جدول محاسباتی بسازید.
– import اطلاعات, سریعترین روش هست چرا که تمام اطلاعات داخل RAM بارگزاری میشود و تمام محاسبات در سریعترین زمان ممکن انجام میشود

معایب :
محدودیت حجم فایل, بزرگترین ایراد این روش این هست.
در این روش حجم نهایی دیتا مدل یا همان فایل power bi بایستی ۱ گیگابایت باشد. البته دقت کنید که این ۱ گیگ بعد از فشرده سازی اطلاعات هست و شاید حجم اطلاعات در منابع اطلاعاتی هنگام import بیشتر از چند گیگ باشد.
اگر در power bi service اکانت دارید به شما ۱۰ گیگ فضای رایگان داده شده است که میتوانید ۱۰ فایل power bi با حجم حداکثر ۱ گیگ در آن آپلود کنید.
البته اگر اکانت premium داشته باشید این میزان بیشتر از ۱۰ گیگابایت خواهد بود.
اگر از power bi report server استفاده میکند فضای سرور بستگی به سخت افزار آن دارد اما همچنان سایز فایل power bi باید حداکثر ۱گیگابایت باشد.

اگر از چند منبع متفاوت اطلاعات را میخوانید , یا منبع اطلاعاتی شما فایلهای اکسل هستند و یا حجم اطلاعاتتان کم هست (در حد چند گیگ ) , روش import را انتخاب کنید

بررسی روش DirectQuery

در این روش power bi بطور مستقیم به منبع داده ای متصل میشود و مانند روش قبلی اطلاعات داخل power bi بارگزاری نمیشوند.
در این روش Power bi بیشتر نقش بصری سازی visualization را دارد و هر وقت نیازی به اطلاعات داشت , به منبع اطلاعاتی وصل میشود , اطلاعات را میخواند و نمایش میدهد.
برای همین در این روش سایز فایل power bi بسیار ناچیز است.
منابع اطلاعاتی که بصورت direct query میتوان به آنها متصل شد:

• SQL Server
• Oracle Database (version 12 and above)
• Amazon Redshift
• Azure HDInsight Spark (Beta)
• Azure SQL Database
• Azure SQL Data Warehouse
• IBM Netezza (Beta)
• Impala (version 2.x)
• SAP Business Warehouse (Beta)
• SAP HANA
• Snowflake
• Spark (Beta) (version 0.9 and above)
• Teradata Database

برای اطلاعات بیشتر در مورد انواع منابع اطلاعاتی و روشهای اتصال به آنها حتما به لینک
https://docs.microsoft.com/en-us/power-bi/power-bi-data-sources
مراجعه کنید.

مزایا و معایب روش Direct Query :

۱- مقیاس پذیری “مزیت اصلی” :
– این روش محدودیت سایز ندارد چرا که واقعا هیچ دیتایی در Power BI بارگزاری نمیشود. برای همین هرگز با مشکل محدودیت سایز مواجه نمی‌شوید. به کمک این روش میتوانید به منابع اطلاعاتی مانند SQL Server , Oracle و … با سایزی در حد چند پتابایت متصل شوید. ( ۱ پتابایت, ۱۰۰۰ ترابایت میشود)

۲- محدودیت در عملکرد :
در این روش به نسبت مدل import کمتر از امکانات power query میتوانید استفاده کنید.
در این روش فقط دو نوار Report View و Model View فعال هستند و نوار Data View مشاهده نمیشود.
در نوارد Model View میتوانید در صورت لزوم رابطه بین موجودیتها و جداول را تغییر دهید.

اگر منبع اطلاعاتی که میخواهید به آن متصل شوید از روش Direct Query پشتیبانی نکند, صفحه ای نمایش داده میشود که بتوانید به مدل اتصال Import تغییر روش دهید.

۳- محدودیت در زبان DAX:
در این روش نمیتوانید از انواع عبارتهای DAX استفاده کنید . مثلا توابع کار با تاریخ
Time Intelligence functions are not supported
Calculated Table are not supported

با این حال در این روش تمام امکانات Visualization بدون محدودیت در دسترس هستند.

۴- اتصال کند Slow Connection
بزرگترین ایراد این روش کندی اتصال به منبع داده نسبت به روش import است.
در این روش هر ویژوال ابتدا یک کوئری به سمت منبع اطلاعاتی ارسال میکند و دیتایی که در جواب میگیرد را بصورت گرافیکی نمایش میدهد.
از آنجایی که در یک صفحه چندین Visual وجود دارد و هر کدام در حال ارسال کوئری و دریافت اطلاعات هستند حتما بایستی اقداماتی برای افزایش کارایی در این روش انجام دهید.
Performance Considering is a MUST DO in the data source for this model

یک مثال از افزیش کارایی Performance

در اینجا یک کوئری بر روی جدولی با ۴۸ میلیون رکورد که از ایندکس معمولی normal index   استفاده میکند, اجرا شده است و میبینید که ۴ دقیقه زمان برد.



حالا اگر بر روی همین جدول Clustered Column Store index را ایجاد کنیم و دوباره همان کوئری را اجرا کنیم زمان اجرا تقریبا صفر میشود.


برای افزایش کارایی دیتابیس Performance tuning  , کتابها و فایلهای آموزشی زیادی وجود دارد که اگر میخواهید از روش Direct Query استفاده کنید حتما باید مطالعه بفرمایید.
توجه داشته باشید که روشهای افزایش کارایی در هر نوع دیتابیس مانند SQL Server, Oracle و .. با یکدیگر متفاوت هستند.

روش اتصال Composite Model

در نسخه های جدید Power BI Desktop بجز نسخه RS این امکان وجود دارد که همزمان به دوصورت Direct Query و Import به منابع داده ای متصل شوید که به این روش  Composite Model میگویند .
برای آشنایی بیشتر لطفا این لینک را مطالعه بفرمایید
https://radacad.com/composite-model-directquery-and-import-data-
combined-evolution-begins-in-power-bi

بررسی روش اتصال زنده Live Connection

این روش خیلی شبیه مدل Direct Query هست یعنی اطلاعات داخل Power BI بارگزاری نمیشوند و هر بار کوئری به سمت منبع اطلاعاتی ارسال و اطلاعات دریافتی در ویژوال نمایش داده میشود.
اما این روش فقط برای سه منبع زیر قابل استفاده است:

• SQL Server Analysis Services (SSAS) Tabular
• SQL Server Analysis Services (SSAS) Multi-Dimensional
• Power BI Service

هنگام اتصال Live Connection با Power BI فقط میتوانید عملیات Visualization را انجام دهید و عملیات Data Modeling مانند ساخت هایراکی یا مدیریت رابطه ها بایستی در سمت منبع اطلاعاتی انجام شود .

مزایا و معایب مهم روش Live Connection

۱- Big Size Model with OLAP or Tabular Engine
در این روش هم مانند مدل Direct Query , محدودیت سایز وجود ندارد
اگر منبع اطلاعاتی SSAS Tabular باشد میتوانید از زبان DAX و اگر منبع اطلاعاتی Multi-Dimensional باشد میتوانید از زبان MDX استفاده کنید.
به کمک زبان DAX یا MDX میتوانید تمام محاسبات یا مدلسازی های موردنیاز را انجام دهید.

مزیت Live Connection نسبت به Direct Query

در روش Live Connection میتوانید از زبان DAX یا MDX برای برخی تحلیلهای پیچیده استفاده کنید که در روش Direct Query قابل استفاده نیستند.
انجام برخی تحلیل ها با زبان TSQL گاهی نشدنی یا خیلی زمانبر است درحالی که همان تحلیلها به زبان DAX یا MDX براحتی پیاده سازی میشود.

۲-No Power Query. Just Visualization
بزگترین ایراد این روش این است که اصلا از Power Query نمیتوانید استفاده کنید و فقط نوار Report View برای مصورسازی Visualization در دسترس است.

۴- Report Level Measures

فقط اگر بصورت Live Connection به SSAS Tabular متصل شوید , میتوانید به زبان Dax, سنجه آماری یا Measure در سطح گزارش یا همان داخل Power BI Desktop بسازید.
البته توصیه میشود انواع محاسبات DAX را در منبع اطلاعاتی SSAS Tabular پیاده سازی کنید و از Power BI جهت بصری سازی Visualization استفاده کنید و فقط زمانی از این امکان استفاده کنید که دسترسی به SSAS Tabular را ندارید.
فعلا تا هنگام نوشتن این پست امکان اضافه کردن Calculated Memberبرای SSAS Multi-Dimensional وجود ندارد.

بررسی اجمالی روش Import Data or Schedule Refresh

مزایا :

• سریعترین روش برای اتصال
• استفاده کامل از تمام امکانات Power BI
• ترکیب اطلاعات از منابع مختلف داده ای
• استفاده کامل از عبارات و انواع محاسبات DAX
• امکان استفاده کامل از Power Query

معایب :

• محدودیت سایز ۱ گیگابایت برای فایل گزارش Power BI
  
  

بررسی اجمالی روش Direct Query

مزایا:

• بدون محدودیت سایز . No size limitation

معایب :

• سرعت اتصال کند در صورت عدم رعایت اصول Performance Tuning در منبع اطلاعاتی
• عملکرد محدود Power Query
• استفاده محدود از زبان DAX

بررسی اجمالی روش Live Connection

مزایا :

• Large Scale data sources supported. No size limitation as far as SSAS Supports.
• Report Level Measures
• امکان استفاده از زبانهای تحلیل MDX or DAX 

معایب :

• عدم امکان استفاده از Power Qury
• فقط به یک منبع اطلاعاتی میتوان متصل شد
• سرعت اتصال کند در صورت عدم رعایت اصول Performance Tuning در منبع اطلاعاتی

مخفی کردن فیلد

 برای مخفی کردن ستون در قسمت Fields در Power BI Desktop روی آن راست کلیک کرده وHide را انتخاب کنید.  توجه داشته باشید که ستون های پنهان شده، حذف نشده اند. اگر از این فیلد در تصویرسازی موجود استفاده کرده باشید، داده ها هنوز هم در آن تصویر وجود دارند و شما هنوز هم می توانید از این داده ها در سایر visualization  استفاده کنید، فیلد پنهان شده فقط در قسمت Fields نمایش داده نخواهد شد.

 اگر جدول را در حالت نمایشی relationship  مشاهده کنید، فیلدهای پنهان با رنگ خاکستری نشان داده خواهند شد و همچنان داده های آنها هنوز در دسترس هستند و هنوز هم بخشی از مدل هستند، آنها فقط از نظر پنهان شده اند.  شما همیشه می توانید هر فیلد پنهان شده را با راست کلیک  و انتخاب unhide از حالت پنهان خارج نمایید.

 مرتب سازی داده های تجسم توسط فیلد دیگری

 ابزار مرتب سازی براساس ستون  یا Sort by Column در بخش modeling  بسیار مفید است تا اطمینان حاصل کنید که داده ها به ترتیب مورد نظر شما نمایش داده می شود.

 یک مثال ساده، داده هایی که شامل نام ماه هستند به طور پیشفرض به ترتیب حروف الفبا مرتب می شوند، به عنوان مثال، “اوت” قبل از “فوریه” نمایش داده می شود.

 در این مورد، انتخاب فیلد در لیست فیلد، سپس با انتخاب Sort by Column از بخش modeling  و سپس انتخاب یک فیلد برای مرتب سازی بر اساس آن، می تواند مشکل را حل کند.  در این مورد، گزینه مرتب سازی گروه “MonthNo  “را انتخاب می کنیم تا ترتیب مورد نظر بدست بیاید.

 تنظیم نوع داده برای یک فیلد، راه دیگری برای بهینه سازی اطلاعات شما است . برای تغییر نوع داده  در canvas گزارش، ستون را در قسمت Fields انتخاب کنید و سپس از منو Format را برای انتخاب یکی از گزینه های فرمت استفاده کنید.  هر visual که  این فیلد را نمایش می دهد، طور خودکار به روز می شود.

منبع:

https://docs.microsoft.com/en-us/power-bi/guided-learning/modeling?tutorial-step=4

 در Relationship  view، می توانید یک بلوک را ببینید که جدول و ستون های آن و خطوط بین آنها برای نشان دادن روابط را نشان می دهد.

 افزودن و حذف روابط ساده است.  برای حذف یک رابطه، روی آن راست کلیک کرده وDelete  را انتخاب کنید.  برای ایجاد یک رابطه، فیلد هایی را که می خواهید بین جداول پیوند دهید را انتخاب و رها کنید. (مثل عکس)

 برای مخفی کردن یک جدول یا ستون جداگانه در گزارش خود، در Relationship  view روی آن راست کلیک کرده و Hide in Report view یا «حالت مخفی در نمای گزارش» را انتخاب کنید.

 برای مشاهده دقیق تر روابط داده های خود، Manage Relationships یا مدیریت ارتباطات را در Home انتخاب کنید.  این کار باعث باز شدن پنجره Manage Relationships می شود که روابط را به جای یک نمودار تصویری به عنوان یک لیست نمایش می دهد.  از اینجا می توانید Autodetect را برای پیدا کردن روابط داده های جدید یا به روز شده انتخاب کنید. برای ویرایش رابطه ها می توانید Edit را انتخاب کنید. در اینجا می توانید گزینه های پیشرفته یا cardinality  و cross filter یا فیلتر متقابل را برای تنظیم  روابط پیدا کنید.

 گزینه های  cardinality، یک به چند (many to one) و یک به یک (one to one) هستند.  یک به چند ماهیت ارتباط بعدی است،مثلا تطبیق یک جدول فروش با چندین ردیف برای هر محصول با یک جدول از لیست محصولات در سطر منحصر به فرد خود. بک به یک اغلب برای ارتباط یکپارچه جداول مرجع استفاده می شود.

 به طور پیشفرض، روابط در هر دو جهت cross filter می شود.  Cross filter کردن در یک جهت برخی از قابلیت های مدل سازی در رابطه را محدود می کند.

 تنظیم روابط دقیق بین داده ها به شما این امکان را می دهد تا محاسبات پیچیده ای را بین عناصر مختلف داده ای ایجاد کنید.

منبع:

https://docs.microsoft.com/en-us/power-bi/guided-learning/modeling?tutorial-step=2

برای ایجاد یک ارتباط منطقی بین منابع داده های مختلف، باید یک رابطه یا relationship ایجاد کنید. رابطه بین منابع داده ها به Power BI  این توانایی را می دهد تا چگونگی ارتباط جداول را تشخیص دهد. بنابراین می توانید تصاویر و گزارش های جالب ایجاد کنید. در این بخش به ارتباطات  (تنها موارد متمرکز بر محتوا) خواهیم پرداخت و چگونگی ایجاد یک رابطه را (حتی وقتی هیچ رابطه ای برقرار نیست) شرح خواهیم داد.

مثل همیشه، روند کلی Power BI  را دنبال خواهیم کرد. در این فصل نیز اکثراً با Power BI Desktop سروکار خواهیم داشت، اما کار هایی که اعمال می کنیم به طور مستقیم بر کار Power BI service اثر می گذارد.

مقدمه ای بر مدل سازی داده ها

اکنون که فرایند دریافت داده را فرا گرفتید، نوبت به مدل سازی می رسد.

یکی از نقاط قوت Power BI این است که نیازی به جمع کردن داده های خود در یک جدول ندارید. بلکه شما می توانید از چندین جدول منابع مختلف استفاده و رابطه بین آن‌ها را تعریف کنید. همچنین می توانید محاسبات سفارشی خود را ایجاد کنید و معیارهای جدیدی را برای مشاهده بخش های خاص داده های خود اختصاص دهید و از این اقدامات جدید درvisualizations برای مدل سازی آسان استفاده کنید.

منبع: https://docs.microsoft.com/en-us/power-bi/guided-learning/modeling?tutorial-step=1

خوشبختانه Power BI دارای ابزارهایی است که به سرعت جداول چند ستونی را به مجموعه داده هایی تبدیل می کند قابل استفاده باشند.

Transpose یا انتقال داده ها

مثلاً، با استفاده از Transpose در Query Editor، می توانید داده ها را تغییر دهید (ستون را به ردیف و ردیف ها به ستون ها تبدیل کنید)، بنابراین می توانید داده ها را به فرمت هایی که می خواهید تغییر دهید.

.

هنگامی که چندین بار این کار را انجام می دهید،، جدول شما شروع به شکل گیری می کند، به طوری که Power BI بتواند به راحتی با آن کار کند.

فرمت کردن داده

همچنین ممکن است به فرمت کردن داده ها نیاز داشته باشید تا Power BI بتواند به درستی طبقه بندی و شناسایی آن داده ها را پس از وارد شدن به برنامه پیاده سازی کند.

با استفاده از تعداد زیاد ابزار های تغییر داده، از جمله تغییر ردیفها به هدرها به منظور شکستن هدرها، استفاده از Fill برای تبدیل مقادیر null به مقادیر بالا یا پایین در یک ستون مشخص شده و Unpivot Columns، می توانید این داده ها را به یک مجموعه داده ای منظم تبدیل کنید تا در Power BI از آن استفاده کنید.

شما می توانید با این تغییرات Power BI روی داده های خود آزمایش کنید و تعیین کنید که چه نوع داده ای را به فرمت ستون تبدیل کند تا Power BI با آن ها کار می کند؛ و به یاد داشته باشید، تمام اقداماتی که انجام می دهید در بخش Applied Steps قسمت Query Editor ضبط می شوند، بنابراین اگر تبدیلی مطابق میل شما نبود، می توانید به سادگی روی x در کنار مرحله کلیک کرده و آن را لغو کنید.

ایجاد visuals

هنگامی که با تبدیل و پاکسازی، داده های شما در یک فرمتی تبدیل شود که Power BI بتواند از آن استفاده کند، می توانید شروع به ایجاد visuals کنید.

مراحل بعدی

تبریک! شما فصل سوم آموزش Power BI را تکمیل کردید. اکنون می دانید که چگونه داده ها را به Power BI Desktop بفرستید و پ شکل دهی یا تبدیل کنید، بنابراین می توانید تصاویر جذابی را ایجاد کنید.

گام بعدی در یادگیری عملکرد Power BI، مدل سازی یا modeling می باشد. همانطور که آموختید، مجموعه داده یک ساختار پایه ای از Power BI است، اما برخی از مجموعه داده ها می توانند پیچیده و بر اساس منابع مختلفی از داده ها باشند؛ و گاهی اوقات، باید سلیقه خاص خود (فیلد) خود را به مجموعه داده ای که ایجاد کردید، اضافه کنید.در فصل بعدی مفصلاً به modelling خواهیم پرداخت.ع:

منبع:
https://docs.microsoft.com/en-us/power-bi/guided-learning/gettingdata?tutorial-step=6

برای تغییر حالت نمایشی، کافیست فقط آیکون دیگری انتخاب کنید. نوار زرد رنگ در کنار آیکون نشان دهنده حالت نمایشی فعلی است.

Power BI Desktop هر زمان درطی فرآیند مدل سازی، می تواند داده های منابع مختلف را به یک گزارش انتقال دهد. برای اضافه کردن منابع اضافی به یک گزارش موجود، Edit Root و سپس New Source را در Editor Query انتخاب کنید.

 منابع مختلفی از جمله پوشه ها یا folders وجود دارند که می توانید در Power BI Desktop از آن ها استفاده کنید. با اتصال به یک پوشه، می توانید یکباره داده ها را از چندین فایل، مانند  اکسل یا فایل های CSV

، انتقال دهید. فایل های موجود در پوشه انتخاب شده شما به عنوان محتوای binary در Editor Query ظاهر می شوند و با کلیک کردن بر روی آیکون فلش دوتایی در بالای ستون content ارزش آن ها را بارگیری می شوند.

یکی از مفید ترین ابزارهای Filters، Power BI یا فیلترهای آن است. برای مثال، با آیکون فلش به سمت پایین در کنار یک ستون، چک لیست فیلترهای متنی بازمی شود و می توانید از آنها برای حذف مقادیر از مدل خود استفاده کنید.

همچنین می توانید queries را ادغام و اضافه کنید و چندین جدول را (یا داده های فایل های مختلف folder) به یک جدول جداگانه انتقال دهید کنید و فقط داده هایی که می خواهید را داشته باشید. برای اضافه کردن داده ها از یک جدول جدید به یک query موجود، می توانید از ابزار Append Queries استفاده کنید. Power BI Desktop ستون های یک query را باهم مطابقت می دهد؛ و پس از آن می توانید در Query Editor تنظیمات لازم را انجام دهید.

در آخر، ابزار (افزودن ستون سفارشی) Add Custom Column به کاربران پیشرفته امکان نوشتن دستورات یا query expression از ابتدا با استفاده از زبان قدرتمند M را می دهد. شما می توانید یک ستون سفارشی را براساس اظهارات و دستورات زبان M query اضافه کنید و داده های خود را مطابق میلتان به دست آورید.

شما همچنین می توانید Query Editor را مستقیما از Power BI Desktop با استفاده از دکمه Edit Queries در صفحه Home  راه اندازی کنید.

هنگامی که Query Editor با داده هایی برای شکل دهی بارگذاری می شود، این بخش ها را ملاحظه خواهید نمود:

1. اکنون در نوار، بسیاری از دکمه ها برای ارتباط با داده ها در query فعال هستند
2. در قسمت چپ، queries (برای هر جدول یا entities) برای انتخاب، مشاهده و شکل دادن فهرست می شوند
3. در قسمت مرکزی، داده های انتخاب شده برای شکل دهی نمایش داده می شوند

• پنجره Query Settings ظاهر می شود، لیست مشخصات Query و مراحل اعمال شده را نشان می دهد.

در پنجره مرکزی، با کلیک راست روی ستون، تعدادی از تغییرات در دسترس، مانند حذف ستون از جدول، تکثیر ستون تحت عنوان جدید و جایگزینی ارزش ها نمایش داده می شوند. همچنین می توانید از این منو ستون های متنی را با حائل مشترک تقسیم کنید.

نوار Query Editor حاوی ابزارهای اضافی مانند تغییر نوع داده ستون ها، اضافه کردن نشانه های علمی یا استخراج عناصر مربوط به تاریخ، مانند روز هفته است.

همان طور که تغییرات را اعمال می کنید، هر مرحله در Applied Steps در قسمت Query Settings در سمت راست Query Editor ثبت می شود. از این لیست میتوانید برای لغو یا مرور تغییرات خاص استفاده کنید یا حتی نام یک قدم را تغییر دهید. برای ذخیره سازی تغییرات خود، Close & Apply را در صفحه Home  انتخاب کنید.

هنگامی که گزینه Close & Apply را انتخاب می کنید، Query Editor تغییراتی را که ایجاد کرده اید، اعمال می کند و سپس آنها را در Power BI Desktop نیزاعمال می کند.

شما می توانید انواع کارها از جمله تغییرات پیشرفته را در هنگام تبدیل داده ها در Query Editor انجام دهید. در درس بعدی، به برخی از این تغییرات پیشرفته خواهیم پرداخت تا شما را با راه های خارق‌العاده برای تغییر داده های خود در Query Editor آشنا کنیم.

منبع:

https://docs.microsoft.com/en-us/power-bi/guided-learning/gettingdata?tutorial-step=4

هنگامی که شما Power BI Desktop را راه اندازی می کنید و از Start Screen می گذرید، می توانید Get Data  (دریافت داده)  را از نوار در Home انتخاب کنید.

ماهانه بروزرسانی های جدیدی برای Power BI Desktop قرار می گیریند که  در بخش Power BI Desktop What’s New   می توانید اطلاعات جدید بروزرسانی شده، پیوندهای وبلاگ و لینک دانلود را ملاحظه کنید.

در Power BI Desktop، انواع داده های مختلفی در دسترس هستند. برای ایجاد یک اتصال، یک منبع را انتخاب کنید. با توجه به انتخابتان، از شما خواسته می شود که منبع را در کامپیوتر یا شبکه خود پیدا کنید و یا برای تأیید درخواست خود به سرویس وارد شوید.

پس از اتصال، اولین پنجره ای که مشاهده می کنید Navigator است. Navigator، جدول ها یا موجودیت های (entities) منبع داده شما را نمایش می دهد و با کلیک روی آن ها پیش نمایشی از محتویات آن را می توانید ملاحظه کنید. سپس می توانید بلافاصله جدول یا موجودیت انتخاب شده را منتقل کنید و یا قبل از آن، با انتخاب Edit  اطلاعات را ویرایش، تغییر و پاکسازی کنید.

با انتخاب دکمه Load در گوشه پایین سمت راست Navigator، جدول های مورد نظر خود را در Power BI Desktop انتخاب کرده تا بتوانید آنها را وارد Power BI Desktop کنید. اما ممکن است بخواهید قبل از بارگذاری آنها درPower BI Desktop ، تغییراتی را در آن جدول ها اعمال کنید. ممکن است فقط یک زیر مجموعه از مشتریان یا فقط اطلاعات فروش در یک کشور خاص را بخواهید. در این صورت، می توانید دکمه Edit را انتخاب کرده و داده ها را  قبل از انتقال به Power BI Desktop فیلتر کنید.

در درس بعدی، ویرایش اطلاعات را شرح خواهیم داد.

منبع:

https://docs.microsoft.com/en-us/power-bi/guided-learning/gettingdata?tutorial-step=3