Corso
Introduzione a Power BI
4 ore
823.5K
Come leader di lunga data nel campo della business intelligence, l'innovazione costante di Power BI apre la strada ad altri strumenti BI. Ciò è confermato anche dall'annuncio di Microsoft di Fabric, che considera "la prima soluzione di analisi veramente unificata basata su un'unica copia dei dati", di cui Power BI è un singolo componente.
Di conseguenza, il termine "dataset" in Power BI non descrive più appieno la portata delle sue funzionalità. Un dataset non contiene solo dati: include trasformazioni, calcoli e relazioni come parte di un modello dati completo e versatile (ovvero un modello semantico).
Puoi usare il nostro cheat sheet di Power BI per iniziare rapidamente con Power BI: dalla creazione della tua prima visualizzazione a Power Query e ai calcoli DAX.
In questo post del blog definiremo i modelli semantici, includendo cosa compone un modello semantico e le diverse modalità di un modello semantico. Successivamente, vedremo come creare e gestire i modelli semantici e ti daremo alcune best practice da seguire quando crei i tuoi modelli.
Cosa sono i modelli semantici di Power BI?
Un modello semantico in Power BI può essere considerato un livello logico che contiene le trasformazioni, i calcoli e le relazioni tra le origini dati necessari per creare report e dashboard. Un modello semantico funge da unica fonte di verità per i report in tutta un'organizzazione.
Immagine dell'autore
Sebbene un modello semantico possa essere creato con Power BI Desktop (in un file .pbix), non deve necessariamente contenere visual. Pensa a un modello semantico come all'ultima tappa della pipeline dei dati prima che vengano costruiti report e dashboard. In seguito, una volta condiviso un modello semantico con altri membri dell'organizzazione, da quel singolo modello possono essere creati un numero qualsiasi di report e dashboard.
I modelli semantici nascondono i dettagli tecnici complessi dietro ai report, così che utenti tecnici e non possano concentrarsi sull'analisi dei dati e sulla risposta alle domande di business. Condivisione e riusabilità sono due caratteristiche distintive dei modelli semantici.
Di cosa si compone un modello semantico?
I modelli semantici sono costituiti da diversi elementi:
- Connessioni ai dati a una o più origini, tramite importazione, DirectQuery o come parte di un modello composito.
- Trasformazioni che puliscono e preparano i dati per la reportistica.
- Calcoli e metriche definiti basati su regole di business per garantire coerenza nei report creati dal modello semantico. Questo assicura chiarezza ed evita discrepanze tra analisi e report.
- Relazioni definite tra le tabelle che permettono agli utenti di concentrarsi sul design dei report senza dover conoscere in anticipo le strutture dei database e i modelli dati sottostanti.
Modalità del modello semantico
Scegliere la modalità giusta quando ti connetti ai dati in Power BI è un primo passo importante nella creazione di un modello semantico, poiché ciascuna opzione ha vantaggi e svantaggi di cui devi essere consapevole.
In Power BI esistono tre modalità di modelli semantici:
- Modalità Import
- Modalità DirectQuery
- Modalità composita
Modalità Import
Carica completamente i dati nel file di Power BI (.pbix). Ogni volta che il report Power BI viene aggiornato, il motore di archiviazione Vertipaq comprime, ottimizza e archivia i dati su disco. Ciò porta a prestazioni elevate e opzioni di progettazione flessibili per i creatori di report. Inoltre, la modalità Import consente a chi crea il modello semantico di utilizzare l'intero set di funzioni del linguaggio Power Query M per trasformare e preparare i dati, nonché le funzioni DAX per creare calcoli e misure.
Modalità DirectQuery
Questa modalità archivia solo i metadati sulla struttura del modello, non i dati stessi. Quando il modello viene interrogato (ad esempio durante il rendering di un visual), i dati vengono recuperati dall'origine sottostante. È particolarmente utile con grandi volumi di dati o quando c'è un requisito di business per dati quasi in tempo reale in un report.
Modalità composita
La modalità composita combina Import e DirectQuery. È utile quando servono la potenza e le prestazioni della modalità Import insieme alla possibilità di visualizzare dati in tempo reale. Una tabella può essere impostata sulla modalità di archiviazione Dual, consentendo al servizio Power BI di scegliere una modalità più efficiente a seconda della natura della query.
5 passaggi per creare modelli semantici in Power BI
Creare un modello semantico comporta gli stessi passaggi che potresti già seguire nelle fasi iniziali di sviluppo dei report con Power BI Desktop. Se aspiri a diventare data analyst, puoi imparare le basi di Power BI con il nostro skill track, in cui scoprirai la visualizzazione dei dati, DAX e come trasformare i tuoi dati.
Naturalmente, i passaggi esatti da seguire quando crei un modello semantico dipendono dalle esigenze di business e dall'obiettivo del modello. Tuttavia, a livello generale, questi cinque passaggi sono comuni nella creazione di un modello semantico:
Immagine dell'autore
- Importa o connettiti alle origini dati richieste usando la modalità Import, DirectQuery o i modelli compositi.
- Pulisci e trasforma i dati per renderli utili agli utenti. Ciò comporta la rimozione dei duplicati, la gestione dei dati mancanti, la pulizia delle colonne di testo, ecc. I passaggi di trasformazione esatti dipendono dalle esigenze specifiche dei tuoi dati.
- Definisci le relazioni tra le tabelle usando buoni principi di data modeling come lo schema a stella. Abbiamo un corso che ti insegnerà le basi della modellazione dei dati in Power BI.
- Crea misure e calcoli in base alle tue esigenze di business.
- Quando sei soddisfatto del tuo modello semantico, pubblicalo nel servizio Power BI.
Sfruttare i modelli semantici per una reportistica efficace
Dopo aver creato e pubblicato il tuo modello semantico nel servizio Power BI, puoi creare una connessione live al modello semantico da un altro report di Power BI. In effetti, puoi creare più report da un singolo modello semantico pubblicato, garantendo così coerenza e affidabilità in tutti i report.
In passato, era comune trovare più report Power BI basati sullo stesso dataset, ciascuno con modelli dati separati. Questo rappresentava una sfida, poiché potevano esserci grandi differenze tra i report ed era piuttosto difficile e dispendioso in termini di tempo capire cosa le causasse e quale report dovesse essere modificato. Creare un unico modello semantico condiviso tra più report Power BI risolve completamente questo problema.
Se vuoi migliorare le tue competenze di data visualization in Power BI e imparare a creare report efficaci in Power BI, abbiamo un corso che può aiutarti.
Gestione dei modelli semantici
I modelli semantici possono essere facilmente condivisi tra workspace, democratizzando i dati e promuovendo una solida cultura dei dati. Tuttavia, ciò richiede anche una gestione efficace di tali modelli con controlli e policy adeguati che mantengano l'integrità, la sicurezza e la qualità dei dati.
Proprietà e autorizzazioni
La gestione del controllo di accesso e delle autorizzazioni per i modelli semantici in Power BI può essere effettuata da amministratori, membri del workspace (a seconda del loro ruolo) e proprietari del modello semantico (il proprietario è chi ha creato il modello).
Le autorizzazioni del modello semantico possono essere impostate e gestite in due modi:
- Primo, attraverso il controllo di accesso diretto ai modelli semantici per singole persone o interi gruppi di sicurezza.
- Secondo, gestendo come i modelli semantici e i loro report vengono condivisi con altri utenti esterni al workspace.
Una volta pubblicato un modello semantico nel servizio Power BI, tu (come proprietario del modello) e gli amministratori potete impostare uno di quattro livelli di autorizzazione per il modello:
- Read: consente agli utenti di accedere ai report che utilizzano dati dal modello semantico e di visualizzare le impostazioni del modello.
- Build: consente agli utenti di creare nuovi report e dashboard a partire dal modello.
- Reshare: consente agli utenti di concedere ad altre persone l'accesso al modello semantico.
- Write: consente agli utenti di ripubblicare e apportare alcune modifiche al modello, tranne per determinate impostazioni come l'aggiunta o la modifica delle credenziali dell'origine dati, per esempio.
- Owner: pur non essendo propriamente un'autorizzazione, i creatori di un modello semantico ne diventano i proprietari nel servizio Power BI e dispongono di tutti i permessi sopra elencati.
Considerazioni sulla sicurezza
Gli amministratori di Power BI possono anche limitare come i dati vengono accessi, condivisi e modificati all'interno del tenant Power BI. Possono limitare il riuso dei modelli semantici in modo totale o parziale in base ai gruppi di sicurezza, influenzando varie funzionalità come la copia dei report tra workspace, la modifica di report basati su modelli semantici condivisi e la visibilità dei modelli semantici nel servizio Power BI o in Desktop.
I proprietari dei modelli semantici controllano anche chi può accedere e usare i dati nei loro modelli. Possono rendere i modelli semantici individuabili certificandoli o promuovendoli, il che aiuta utenti e creatori di report a identificare quali modelli sono designati come "ufficiali" e considerati di alta qualità nell'organizzazione.
La sicurezza a livello di ruolo (RLS) è applicata ai modelli semantici e a tutti i report costruiti su di essi. La RLS può influenzare la capacità degli utenti di leggere i dati da un modello semantico se dispongono dei permessi build o read, a meno che il ruolo RLS specifico lo consenta.
Best practice e considerazioni
Creare il numero minimo di modelli semantici necessari e usarli come fonte per i report Power BI in un'organizzazione è la best practice riconosciuta.
Oltre a ciò, si raccomanda che i modelli semantici siano:
- Completi: dovrebbero contenere tutti gli elementi necessari per rispondere alle domande di business pertinenti. Questi elementi dovrebbero anche riflettere in modo accurato e logico i sistemi e i processi aziendali.
- Ottimizzati e performanti: dovrebbero essere ottimizzati affinché aggiornamenti, calcoli DAX e caricamento dei visual siano rapidi, anche al crescere del volume dei dati.
- Sicuri: dovrebbero includere gli elementi di sicurezza necessari per impedire accessi non autorizzati ai dati (come la sicurezza a livello di riga).
- Flessibili: dovrebbero essere adattabili ai cambiamenti dei requisiti di business.
Conclusione
Rinominando i dataset in modelli semantici, Power BI ha introdotto un cambio di paradigma nel modo in cui pensiamo alla business intelligence. Invece di considerare i dati come componenti statici di report e dashboard, possiamo vederli come parte di un livello semantico più ampio che può essere facilmente condiviso e riutilizzato.
Seguendo le best practice illustrate in questo post, puoi creare modelli semantici efficaci ed efficienti che fungano da unica fonte di verità per le esigenze di reportistica della tua organizzazione. Sfruttando la potenza dei modelli semantici, puoi permettere sia agli utenti tecnici sia a quelli non tecnici di analizzare i dati e rispondere alle domande di business, favorendo in ultima analisi decisioni migliori in tutta l'organizzazione.
Se ti interessa una carriera come Data Analyst in Power BI, il nostro career track ti guiderà in ogni aspetto di Power BI e ti preparerà alla certificazione Microsoft PL-300.
Se hai già imparato le basi di Power BI, esplora il nostro elenco di 8 progetti Power BI che puoi realizzare per mettere in pratica le tue competenze e costruire il tuo portfolio.
Argomenti
