Last chance! 50% off DataCamp Premium
Sale ends in
Microsoft Power BI เป็นหนึ่งในแพลตฟอร์มธุรกิจอัจฉริยะ (BI) ชั้นนำในปัจจุบัน ต่อเนื่องยาวนาน 18 ปีที่ Microsoft ได้รับการจัดอันดับให้เป็นผู้นำใน Gartner Magic Quadrant สำหรับ Analytics and Business Intelligence Platforms โดยได้คะแนนสูงสุดทั้งด้าน "ความสมบูรณ์ของวิสัยทัศน์" และ "ความสามารถในการลงมือปฏิบัติ"

อย่างไรก็ตาม ความนิยมนี้ก็หมายความว่าตลาดงานมีการแข่งขันสูง ดังนั้นหากต้องการได้งานที่ต้องใช้ Power BI วิธีที่มั่นใจได้ที่สุดคือเตรียมตัวสำหรับการสัมภาษณ์

บทความนี้จะพาคุณผ่านหมวดหมู่ องค์ประกอบ และคำถามที่พบบ่อยซึ่งคุณคาดว่าจะเจอในการสัมภาษณ์งานที่เกี่ยวกับ Power BI
สำหรับงาน Power BI ระดับเริ่มต้นหรือจูเนียร์ จำเป็นต้องสามารถพูดคุยเกี่ยวกับแนวคิดพื้นฐานของ Power BI ควรเข้าใจวัตถุประสงค์ของ Power BI ในองค์กร วิธีที่สร้างคุณค่าได้ดีที่สุด และความเสี่ยงหรือข้อเสียที่ควรระวังเมื่อใช้แพลตฟอร์ม นอกจากนี้ควรคุ้นเคยกับการใช้ Power BI Desktop และ Power BI Service เป็นอย่างดี
Self-service BI ให้ความสำคัญกับผู้ใช้มากกว่านักพัฒนา ทำให้ผู้ใช้สามารถค้นหาคำตอบและสร้างอินไซต์ได้ด้วยตนเอง โดยไม่ต้องรอแผนกเฉพาะทางอื่น (เช่น ฝ่ายไอที) มาทำให้
อีกแพลตฟอร์ม BI ชั้นนำคือ Tableau ซึ่งเป็นตัวเลือกที่ดีมาก อย่างไรก็ตาม หนึ่งในข้อได้เปรียบที่ใหญ่ของ Power BI เมื่อเทียบกับ Tableau คือเส้นโค้งการเรียนรู้ที่ต่ำกว่ามาก โดยเฉพาะหากนักพัฒนา (หรือผู้ใช้) คุ้นเคยกับ Microsoft Excel อยู่แล้ว เพราะ Power BI ให้ความรู้สึกคล้ายกับการใช้ Excel
ข้อเสียที่สำคัญอย่างหนึ่งของการใช้ Power BI คือโซลูชันบนคลาวด์ (Power BI Service) ผูกอยู่กับระบบนิเวศของ Microsoft โดยผู้ที่มีบัญชี Microsoft 365 และการสมัครสมาชิก Power BI PRO เท่านั้นจึงจะเข้าถึงรายงานและแดชบอร์ดได้ นอกจากนี้ Power BI Desktop ทำงานได้เฉพาะบน Windows และไม่สามารถติดตั้งบนเครื่องที่ใช้ MacOS หรือ Linux ได้
Power BI มีคุณค่าสูงในการสร้างแดชบอร์ดและรายงานแบบโต้ตอบที่เปิดโอกาสให้ผู้ใช้สำรวจข้อมูลและสกัดอินไซต์ มักถูกใช้สำหรับการติดตามยอดขาย รายงานการเงิน การวิเคราะห์ความพึงพอใจของลูกค้า และการจัดการสินค้าคงคลัง ด้วยการแปลงข้อมูลดิบให้เป็นภาพ ทำให้ผู้ตัดสินใจสามารถระบุแนวโน้มและตัดสินใจโดยใช้ข้อมูลได้อย่างรวดเร็ว
Power BI ผสานกับผลิตภัณฑ์ของ Microsoft เช่น Excel, Azure, SQL Server และ SharePoint ผู้ใช้สามารถนำเข้าไฟล์ Excel โดยตรง เชื่อมต่อกับ Azure Synapse เพื่อการวิเคราะห์ขั้นสูง และฝังรายงาน Power BI ลงใน Microsoft Teams หรือ SharePoint เพื่อการทำงานร่วมกันที่ดีขึ้น
Power BI มีคุณลักษณะอย่างอินไซต์ที่ขับเคลื่อนด้วย AI แดชบอร์ดแบบเรียลไทม์ ตัวเลือกการเชื่อมต่อข้อมูลที่ครอบคลุม การสร้างแบบจำลองข้อมูลขั้นสูงด้วย DAX และความสามารถด้านการนำเสนอข้อมูลที่แข็งแกร่ง นอกจากนี้ Power BI Service บนคลาวด์ยังช่วยให้การแชร์และทำงานร่วมกันทำได้ง่าย
Power Query เป็นเครื่องมือ ETL (Extract, Transform, Load) ภายใน Power BI ช่วยให้เรานำเข้า ทำความสะอาด แปลง รวม และปรับแก้ชุดข้อมูลได้
รายงาน Power BI สามารถกรองได้ด้วยสไลเซอร์แบบภาพ หรือผ่านช่องกรองแบบยุบ/ขยายได้ทางด้านขวาของ Power BI สไลเซอร์ใช้งานง่ายและเป็นธรรมชาติ ส่วนช่องกรองมีตัวเลือกที่ซับซ้อนกว่า เช่น ตัวกรองระดับหน้า ระดับรายงาน และตัวกรองแบบเจาะลึก (drillthrough) ทั้งนี้สามารถซ่อนไว้จากผู้ใช้และตั้งค่าล็อกไว้ล่วงหน้าเพื่อให้คงอยู่สำหรับผู้ใช้ทุกคน
รายงาน Power BI มักถูกออกแบบใน Power BI Desktop แล้วเผยแพร่ไปยัง Power BI Service ส่วนแดชบอร์ดประกอบด้วย "ไทล์" ที่มาจากหนึ่งหรือหลายรายงานภายในเวิร์กสเปซเดียว แดชบอร์ดช่วยย่อและนำเสนออินไซต์จากหลายรายงานไว้ในที่เดียว
ข้อมูลที่นำเข้าจากที่เก็บภายในองค์กร (on-premise) สามารถรีเฟรชจาก Power BI Service ได้ผ่านเกตเวย์ ซึ่งเป็นวิธีที่ปลอดภัยสำหรับรายงานบนคลาวด์ในการเข้าถึงข้อมูลที่เก็บในโลคอล
สามารถแชร์รายงานได้โดยเผยแพร่ไปยัง Power BI Service จากนั้นแชร์รายงานผ่านการส่งลิงก์โดยตรงหรือฝังรายงานในแอปอย่าง Microsoft Teams หรือ SharePoint และสามารถจัดการสิทธิ์เพื่อควบคุมว่าใครมีสิทธิ์ดูหรือแก้ไขรายงานได้บ้าง
แนวทางคร่าวๆ คือ:
Power BI Workspaces ช่วยให้ทีมทำงานร่วมกันได้ด้วยการจัดระเบียบรายงาน ชุดข้อมูล และแดชบอร์ดไว้ในสภาพแวดล้อมส่วนกลาง ช่วยจัดการสิทธิ์ ควบคุมเวอร์ชัน และทำให้กระบวนการเผยแพร่รายงานเป็นไปอย่างราบรื่น
การสัมภาษณ์งาน Power BI ส่วนใหญ่จะมีคำถามเกี่ยวกับ DAX ซึ่งเป็นองค์ประกอบสำคัญของ Power BI ควรเข้าใจฟังก์ชัน DAX และวิธีการสร้างอย่างละเอียด ตั้งแต่ฟังก์ชันพื้นฐานอย่าง SUM และ COUNT ไปจนถึงฟังก์ชันที่ซับซ้อนอย่าง RANKX
นอกจากนี้ ควรคุ้นเคยกับการที่นิพจน์เหล่านี้โต้ตอบกัน เข้าใจวิธีหลีกเลี่ยงการเกิดการอ้างอิงแบบวนซ้ำ (circular dependency) และปรับแต่งนิพจน์ DAX เพื่อให้รายงานทำงานได้อย่างมีประสิทธิภาพ สุดท้ายควรสามารถดีบักสูตร DAX ของตนเอง ค้นหาและแก้ไขข้อผิดพลาดหรือพิมพ์ผิด ส่วนนี้จะแยกอธิบายแต่ละแง่มุมของ DAX
ทั้ง measure และ calculated column ต่างก็ใช้นิพจน์ DAX อย่างไรก็ตาม measure จะทำการรวม (aggregation) ข้อมูลและคืนค่าตามตัวกรองในรายงาน ส่วน calculated column จะคืนค่าผลลัพธ์ของนิพจน์ DAX สำหรับแต่ละแถวของตาราง ผลลัพธ์ของ calculated column สามารถดูได้เหมือนคอลัมน์อื่นๆ ในมุมมอง Data และ Model
การอ้างอิงแบบวนซ้ำเกิดขึ้นเมื่อสองนิพจน์อ้างอิงถึงกันและกัน ทำให้ Power BI ไม่รู้ว่าจะคำนวณอันไหนก่อนเพื่อหาผลลัพธ์ โดยปกติจะเกิดจากการใช้ฟังก์ชัน CALCULATE() อย่างไม่เหมาะสม
CALCULATE() ใน DAX ใช้ปรับบริบทของตัวกรองสำหรับการคำนวณ โดยจะประเมินนิพจน์ในบริบทที่ถูกปรับด้วยตัวกรองที่คุณระบุ CALCULATE() ทรงพลังเพราะช่วยให้ทำการรวมข้อมูลตามเงื่อนไขเฉพาะได้ ซึ่งสำคัญมากสำหรับรายงานแบบไดนามิก
SUMX() จะวนซ้ำผ่านตาราง ประเมินนิพจน์สำหรับแต่ละแถว แล้วรวมผลลัพธ์ เหมาะเมื่อคำนวณที่พึ่งพาบริบทแถว เช่น การคำนวณรายได้รวมโดยคูณราคาและจำนวนของแต่ละแถว
TotalRevenue = SUMX(Sales, Sales[Quantity] * Sales[Price])
ทั้งสองฟังก์ชันใช้ลบตัวกรองออกจากชุดข้อมูล แต่ ALL จะลบตัวกรองบนคอลัมน์หรือโต๊ะที่ระบุ ในขณะที่ REMOVEFILTERS ลบตัวกรองทั้งหมดจากทุกคอลัมน์ในตารางที่กำหนด ALL มักใช้ในคำนวณอย่างเปอร์เซ็นต์ต่อยอดรวม ส่วน REMOVEFILTERS ใช้เพื่อล้างตัวกรองแบบไดนามิก
งาน Power BI ระดับกลางถึงอาวุโสมักมีคำถามเทคนิคเกี่ยวกับสถาปัตยกรรม การเชื่อมต่อ และการสร้างแบบจำลองข้อมูลใน Power BI ควรคุ้นเคยกับองค์ประกอบที่ประกอบกันเป็นสถาปัตยกรรมโซลูชัน BI
ควรรู้วิธีเชื่อมต่อ Power BI เข้ากับแหล่งข้อมูลหลายแหล่ง และนำเข้า/แปลงข้อมูลนั้นใน Power BI (ผ่าน Power Query) นอกจากนี้ควรเข้าใจหลักการและแนวปฏิบัติที่ดีที่สุดของการสร้างแบบจำลองข้อมูล สุดท้าย การสัมภาษณ์ทางเทคนิคอาจมีคำถามเกี่ยวกับการรีเฟรชข้อมูลและเกตเวย์ของ Power BI สำหรับการปรับใช้รายงานบนคลาวด์ผ่าน Power BI Service

ที่มา: Microsoft
Microsoft Fabric เป็นแพลตฟอร์มวิเคราะห์แบบ SaaS แบบครบวงจรที่รวม Power BI เข้ากับวิศวกรรมข้อมูล คลังข้อมูล วิทยาศาสตร์ข้อมูล ข่าวกรองแบบเรียลไทม์ และการบูรณาการข้อมูล บนเลเยอร์จัดเก็บร่วมเดียวที่เรียกว่า OneLake ปัจจุบัน Power BI เป็นหนึ่งในประสบการณ์ภายใน Fabric ไม่ใช่ผลิตภัณฑ์เดี่ยว ซึ่งส่งผลต่อการให้สิทธิ์การใช้งาน (ขีดความสามารถระดับองค์กรซื้อเป็น Fabric F-SKUs) และสถาปัตยกรรม (Power BI สามารถสร้างโมเดลบนข้อมูลใน OneLake ได้โดยตรงโดยไม่ต้องคัดลอกข้อมูล)
star schema ประกอบด้วยตารางข้อเท็จจริง (fact) ตรงกลางและตารางมิติ (dimension) หลายตารางแผ่ออกไปจากตารางข้อเท็จจริง ทำให้มีลักษณะเป็นรูปดาว ตารางข้อเท็จจริงประกอบด้วยค่าที่สามารถรวมได้ และมีคีย์อย่างน้อยหนึ่งคีย์ที่เชื่อมไปยังตารางมิติ
ตัวเลือก cardinality มีสี่แบบ:
เมื่อสร้างความสัมพันธ์ แนะนำให้ฟิลด์ที่ใช้เชื่อมมีค่าไม่ซ้ำกันอย่างน้อยหนึ่งในสองตาราง เพื่อให้ใช้ตัวเลือก one-to-many หรือ many-to-one ในโมเดลข้อมูลได้
ทิศทางของความสัมพันธ์กำหนดด้วยตัวเลือก cross-filter direction ความสัมพันธ์จะไหลจากตารางที่มีค่าไม่ซ้ำไปยังตารางที่มีค่าจำนวนมาก ส่งผลต่อการกรอง โดยทั่วไปแนะนำให้ใช้แบบทางเดียว
ความสัมพันธ์แบบ many-to-many อาจมีปัญหาเมื่อระดับความละเอียดของข้อมูล (granularity) ต่างกัน Power BI ไม่สามารถอนุมานระดับความละเอียดที่สูงกว่าได้หากไม่มีอยู่ในหนึ่งในตาราง ทำให้ผลการคำนวณถูกทำซ้ำตามตัวกรองที่ใช้
DirectQuery เป็นวิธีเชื่อมต่อ Power BI กับแหล่งข้อมูลโดยไม่ต้องนำเข้าข้อมูล โดยจะส่งคิวรีไปยังแหล่งข้อมูลโดยตรงทุกครั้งที่รีเฟรชรายงาน ควรใช้เมื่อทำงานกับชุดข้อมูลขนาดใหญ่หรือเมื่อต้องการข้อมูลแบบเรียลไทม์ แต่อาจมีประสิทธิภาพช้ากว่าการนำเข้าข้อมูล
Composite Models ช่วยให้ผู้ใช้รวมโหมด DirectQuery และ Import ไว้ในชุดข้อมูลเดียว คุณลักษณะนี้มีประโยชน์เมื่อทำงานกับชุดข้อมูลขนาดใหญ่ ทำให้ได้การอัปเดตแบบเรียลไทม์ผ่าน DirectQuery พร้อมคงประสิทธิภาพด้วยข้อมูลที่รวมไว้ล่วงหน้า (pre-aggregated) ผ่านโหมด Import
Incremental Refresh ช่วยให้ Power BI อัปเดตเฉพาะข้อมูลใหม่หรือข้อมูลที่เปลี่ยนแปลงแทนการรีเฟรชชุดข้อมูลทั้งหมด ซึ่งช่วยปรับปรุงประสิทธิภาพและลดภาระบนแหล่งข้อมูล เหมาะสำหรับการรายงานขนาดใหญ่
ต่อไปมาดูคำถามเกี่ยวกับเกตเวย์ข้อมูลสำหรับ Power BI Service หากองค์กรที่สัมภาษณ์ใช้งานที่เก็บข้อมูลภายในองค์กร ก็มักจะใช้เกตเวย์ข้อมูลด้วย ซึ่งเป็นคำถามที่อาจซับซ้อนกว่า
เกตเวย์แบบส่วนบุคคลผูกกับบัญชีผู้ใช้ที่ติดตั้ง ซึ่งหมายความว่าผู้ใช้หลายคนไม่สามารถแชร์และกำหนดค่าเกตเวย์ร่วมกันได้ ตัวอย่างเช่น หากผู้ใช้ออกจากองค์กรและบัญชีถูกลบ เกตเวย์จะหยุดทำงาน ในทางกลับกัน เกตเวย์มาตรฐานไม่ได้ผูกกับบัญชีผู้ใช้ใด และช่วยให้จัดการแหล่งข้อมูลแบบรวมศูนย์ได้ นอกจากนี้ยังรองรับการเชื่อมต่อประเภทอื่น เช่น DirectQuery
ปัจจัยที่ส่งผลมากที่สุดต่อประสิทธิภาพของเกตเวย์ข้อมูลคือจำนวนผู้ใช้พร้อมกันที่เข้าดูรายงาน โดยเฉพาะหากมีรายงานที่ใช้การเชื่อมต่อข้อมูลแบบเรียลไทม์
ได้ อย่างไรก็ตาม แนวปฏิบัติที่ดีคือใช้เกตเวย์แยกกันสำหรับการเชื่อมต่อแบบ import และ direct query เพราะ direct query อาจสร้างภาระให้กับเครื่องที่ติดตั้งเกตเวย์สูง เพื่อหลีกเลี่ยงความล่าช้าหรือปัญหาเมื่อขยายจำนวนรายงานและจำนวนผู้ใช้ ควรใช้เกตเวย์แยกกัน
หากเกตเวย์ข้อมูลออฟไลน์ การรีเฟรชตามกำหนดเวลาของรายงานที่ใช้ข้อมูลภายในองค์กรจะล้มเหลว Power BI จะไม่สามารถเข้าถึงแหล่งข้อมูลที่จำเป็นได้จนกว่าเกตเวย์จะออนไลน์อีกครั้ง เพื่อป้องกันปัญหา ควรให้แน่ใจว่าเกตเวย์พร้อมใช้งานตลอดเวลา หรือตั้งค่าคลัสเตอร์เกตเวย์สำรองเพื่อความพร้อมใช้งานสูง
สำหรับงาน Power BI ระดับกลางขึ้นไป มักจะมีคำถามแบบอิงสถานการณ์ ซึ่งเป็นเอกลักษณ์เฉพาะของบริษัทที่คุณสัมภาษณ์ ขึ้นอยู่กับอุตสาหกรรมและวิธีที่องค์กรนั้นใช้ Power BI อย่างไรก็ตาม ยังมีธีมร่วมบางประการในคำถามลักษณะนี้ และสามารถใช้ทดสอบความรู้ของคุณเกี่ยวกับแนวคิดใน Power BI ได้
สำหรับเวิร์กธรูแบบครบถ้วนของกรณีศึกษาเพื่อการสัมภาษณ์ ดูการฝึกอบรมสดเรื่อง การแก้กรณีศึกษาสัมภาษณ์งานด้วย Power BI
จินตนาการว่าคุณต้องการออกแบบรายงาน Power BI เกี่ยวกับข้อร้องเรียนและคำชมที่ได้รับผ่านฝ่ายบริการลูกค้า อย่างไรก็ตาม ข้อมูลนี้อยู่ในโฟลเดอร์ที่มีไฟล์ประมาณ 100 ไฟล์ คำถามต่อไปคือ:
คุณสามารถเลือกโฟลเดอร์ทั้งโฟลเดอร์เป็นแหล่งข้อมูลใน Power BI ได้ โดยใช้รูปแบบจากไฟล์ตัวอย่างเพียงไฟล์เดียวในโฟลเดอร์นั้น คุณสามารถนำเข้าไฟล์ทั้งหมดตามรูปแบบเดียวกันได้ อย่างไรก็ตาม สิ่งสำคัญคือต้องแน่ใจว่าไฟล์ทุกไฟล์มีรูปแบบเดียวกัน มิฉะนั้นข้อมูลที่นำเข้าจะไม่สอดคล้องกัน
มีสามอย่างพื้นฐานที่ช่วยเพิ่มประสิทธิภาพรายงานที่ใช้ข้อมูลจำนวนมากได้ทันที:
ใน Power BI ฉันจะใช้ Power Query ทำความสะอาดและแปลงข้อมูลจากทั้งสองระบบ อาจรวมถึงการเปลี่ยนชื่อคอลัมน์ มาตรฐานชนิดข้อมูล และการรวม (merge) หรือผนวก (append) ตาราง นอกจากนี้จะใช้การแปลงแบบกำหนดเองหรือเงื่อนไขเพื่อปรับความต่างของโครงสร้างข้อมูล เพื่อให้ได้ชุดข้อมูลแบบรวมสำหรับการรายงาน
ฉันจะใช้ Row-Level Security (RLS) เพื่อจำกัดการเข้าถึงข้อมูลตามบทบาทผู้ใช้ นอกจากนี้จะกำหนดสิทธิ์ในเวิร์กสเปซและบังคับใช้นโยบายกำกับดูแลข้อมูล เพื่อให้เฉพาะผู้มีสิทธิ์เท่านั้นที่ดูหรือแก้ไขรายงานได้
งาน Power BI ระดับอาวุโสส่วนใหญ่จะทดสอบแนวคิดขั้นสูงของ Power BI ในการสัมภาษณ์ อาจมีคำถามแบบอิงสถานการณ์เช่นในส่วนข้างต้น พร้อมกับคำถามขั้นสูงในส่วนนี้
ควรเตรียมตอบคำถามเกี่ยวกับแนวทางในการแก้ปัญหาการสร้างแบบจำลองข้อมูลที่ซับซ้อนซึ่งอาจมีชุดข้อมูลขนาดใหญ่ และวิธีออกแบบรายงาน Power BI อย่างมีประสิทธิภาพสำหรับปัญหาเหล่านั้น
สุดท้าย ส่วนนี้อาจรวมคำถามเกี่ยวกับการวิเคราะห์ขั้นสูงและความสามารถด้าน AI ของ Power BI ควรคุ้นเคยกับพัฒนาการและการเปิดตัวล่าสุดของ Power BI เพื่อให้รู้ว่า Power BI ทำอะไรได้บ้าง และใช้อะไรให้เกิดประโยชน์ต่อบริษัทได้ดีที่สุด
ตัวกรองสองทิศทางอาจทำให้เกิดปัญหาด้านประสิทธิภาพและผลลัพธ์ที่ไม่คาดคิดในโมเดลข้อมูล วิธีหนึ่งในการหลีกเลี่ยงคือเพิ่มตัวกรองระดับภาพ (visual-level) เพิ่มเติมให้กับภาพที่พึ่งพาตัวกรองแบบทิศทางเดียว อีกวิธีคือใช้ measure ใน DAX ร่วมกับฟังก์ชัน CALCULATE() เพื่อเขียนทับบริบทตัวกรองด้วยตนเองเมื่อจำเป็น
What-if parameters ช่วยให้ผู้ใช้ปรับค่าแบบโต้ตอบและเห็นผลกระทบต่อผลลัพธ์รายงานแบบเรียลไทม์ ในการสร้าง What-if parameter ให้กำหนดช่วงค่า (เช่น อัตราส่วนลด 0% ถึง 20%) ที่ผู้ใช้ปรับผ่านสไลเซอร์ได้ จากนั้นอ้างอิงพารามิเตอร์นี้ใน measure ของ DAX เพื่อทำการวิเคราะห์สถานการณ์
เมื่อทำงานกับโมเดลข้อมูลขนาดใหญ่ ควรใช้เทคนิคเพิ่มประสิทธิภาพหลายอย่าง อันดับแรก ตัดคอลัมน์และแถวที่ไม่จำเป็นออกตั้งแต่ขั้นนำเข้าข้อมูล อันดับสอง หลีกเลี่ยง calculated column เมื่อทำได้ และใช้ measure แทน อันดับสาม ปรับแต่งนิพจน์ DAX โดยหลีกเลี่ยงตัววนซ้ำที่ซับซ้อนและใช้ตัวแปร อันดับสี่ ใช้ตารางสรุปและการรวม (aggregation) สำหรับตาราง fact ขนาดใหญ่ สุดท้าย พิจารณาใช้ DirectQuery หรือ Composite Models สำหรับชุดข้อมูลที่ใหญ่มาก
Direct Lake เป็นโหมดจัดเก็บที่เปิดตัวพร้อม Microsoft Fabric ทำให้โมเดล Power BI อ่านข้อมูลจาก OneLake ได้โดยตรง โดยผสานประสิทธิภาพที่รวดเร็วของ Import (โดยไม่ต้องตั้งรีเฟรชตามเวลา) เข้ากับความสดใหม่ของ DirectQuery (โดยไม่ต้องคิวรีไปยังแหล่งแยกต่างหาก) ข้อแลกเปลี่ยนคือข้อมูลต้องอยู่ใน Fabric lakehouse หรือ warehouse
ส่วนสุดท้ายของบล็อกโพสต์นี้สำหรับผู้เชี่ยวชาญ Power BI ที่มีประสบการณ์ เมื่อสัมภาษณ์งาน Power BI ระดับสูงมาก มักจะไม่ถูกถามเกี่ยวกับแง่มุมทางเทคนิคของ Power BI เท่าไร
แทนที่จะเป็นเช่นนั้น การสัมภาษณ์จะเน้นประสบการณ์ที่ผ่านมาและความรู้ด้านการเพิ่มประสิทธิภาพรายงาน ธรรมาภิบาล (governance) และการบริหารจัดการ
ในระดับนี้ ควรคุ้นเคยกับการทำงานกับหรือการเป็นผู้นำทีม Power BI การเลือกแนวทางหรือโซลูชันที่ดีที่สุดสำหรับปัญหาทางธุรกิจ และการนำไปใช้งาน ตั้งแต่การทำงานกับผู้มีส่วนได้ส่วนเสียเพื่อกำหนดปัญหา ไปจนถึงการปรับใช้ ดูแลบำรุงรักษา และพัฒนาโครงการเหล่านั้นให้ดีขึ้นเมื่อเวลาผ่านไป ต่อไปนี้คือคำถามพร้อมคำตอบตัวอย่าง:
ฉันทำโปรเจกต์รวมการรายงานจาก 5 หน่วยธุรกิจที่มีโครงสร้างข้อมูลไม่สอดคล้องกัน ความท้าทายหลักคือการทำให้คำจำกัดความของตัวชี้วัดสำคัญ เช่น "รายได้" และ "ลูกค้า" ตรงกัน ฉันจัดเวิร์กช็อปกับผู้มีส่วนได้ส่วนเสียเพื่อกำหนดคำนิยามมาตรฐาน จากนั้นสร้างโมเดลข้อมูลส่วนกลางพร้อมกฎทางธุรกิจที่มีเอกสารกำกับ เราใช้การเปิดตัวแบบเป็นเฟส เริ่มจากหนึ่งหน่วยธุรกิจเป็นตัวอย่างนำร่องเพื่อปรับแนวทางก่อนขยายทั่วทั้งองค์กร
ฉันกำหนดธรรมาภิบาลโดยสร้างนโยบายที่ชัดเจนเกี่ยวกับการจัดการเวิร์กสเปซ สิทธิ์ผู้ใช้ และการควบคุมการเข้าถึงข้อมูล ซึ่งรวมถึงการใช้ Row-Level Security กำหนดบทบาทในเวิร์กสเปซ และสร้างแนวทางสำหรับการรับรองรายงาน (report certification) ฉันยังตั้งนโยบายสำหรับการจัดการเกตเวย์และแนวทางการแชร์ข้อมูล เพื่อให้เป็นไปตามข้อกำหนดจะจัดทำการจัดประเภทข้อมูล บันทึกการตรวจสอบ (audit trail) และให้สอดคล้องกับระเบียบข้อบังคับอย่าง GDPR นโยบายเหล่านี้มีเอกสารกำกับและทบทวนร่วมกับผู้มีส่วนได้ส่วนเสียอย่างสม่ำเสมอ
ฉันเริ่มจากประเมินรายงานที่มีอยู่เพื่อระบุว่าอันไหนควรย้าย เลิกใช้ หรือออกแบบใหม่ตามคุณค่าทางธุรกิจ จากนั้นจัดลำดับความสำคัญรายงานที่มีผลกระทบสูงและสร้างเทมเพลตรายงานมาตรฐานเพื่อความสอดคล้อง ทำงานร่วมกับผู้มีส่วนได้ส่วนเสียเพื่อตรวจสอบความต้องการ และเปิดตัวเป็นเฟสโดยมีผู้ใช้นำร่อง ให้การฝึกอบรมและการสนับสนุนตลอดกระบวนการ และคงทั้งสองระบบไว้ชั่วคราวเพื่อให้การเปลี่ยนผ่านราบรื่นก่อนเลิกใช้แพลตฟอร์มเดิม
ฉันใช้ Row-Level Security เพื่อจำกัดการเข้าถึงข้อมูล กำหนดสิทธิ์เวิร์กสเปซอย่างรอบคอบ และใช้ป้ายกำกับความอ่อนไหว (sensitivity labels) เพื่อจำแนกข้อมูลลับ จำกัดการแชร์ภายนอกผ่านการตั้งค่าเทนแลนต์และติดตามการใช้งานผ่านบันทึกตรวจสอบ ดำเนินการทบทวนความปลอดภัยอย่างสม่ำเสมอ และให้การฝึกอบรมผู้ใช้เกี่ยวกับแนวทางการปกป้องข้อมูล การตั้งค่าแจ้งเตือนสำหรับกิจกรรมที่น่าสงสัยยังช่วยระบุปัญหาได้ตั้งแต่เนิ่นๆ
ฉันทำงานร่วมกับผู้มีส่วนได้ส่วนเสียเพื่อระบุตัวชี้วัดสำคัญและโฟกัสการเพิ่มประสิทธิภาพที่จุดนั้น ใช้การรวม (aggregation) และตารางสรุปสำหรับข้อมูลที่ถูกเรียกใช้บ่อย และใช้ incremental refresh สำหรับชุดข้อมูลขนาดใหญ่ มักสร้างแนวทางสองชั้น: แดชบอร์ดผู้บริหารที่โหลดเร็วสำหรับอินไซต์ฉับไว และรายงานรายละเอียดที่พร้อมใช้งานตามต้องการ การทดสอบประสิทธิภาพสม่ำเสมอและข้อเสนอแนะจากผู้มีส่วนได้ส่วนเสียช่วยหาสมดุลระหว่างความเร็วและความลึก
AI กลายเป็นประเด็นสำคัญในการสัมภาษณ์ Power BI ปัจจุบัน Copilot ใน Power BI อยู่กึ่งกลาง แต่ผู้สัมภาษณ์ยังคาดหวังให้คุ้นเคยกับภาพ AI ที่มีอยู่ในผลิตภัณฑ์มาหลายปี และรู้วิธีเตรียมโมเดลเชิงความหมาย (semantic model) เพื่อให้ฟีเจอร์ AI ให้ผลลัพธ์ที่เชื่อถือได้
Copilot เป็นผู้ช่วย AI แบบกำเนิดของ Power BI สามารถร่างหน้ารายงานจากพรอมต์ เขียนหรือแนะนำ measure ของ DAX สรุปข้อมูลเป็นภาษาธรรมชาติ และตอบคำถามเกี่ยวกับโมเดลแบบสนทนา ทำงานได้ทั้งใน Power BI Desktop และ Power BI Service และเป็นศูนย์กลางของแนวทาง AI ใน Power BI ของ Microsoft ในปัจจุบัน
ต้องมีขีดความสามารถ Microsoft Fabric ระดับ F64 ขึ้นไป หรือใบอนุญาต Premium Per User (PPU) ที่เปิดใช้งาน Fabric trial ผู้ดูแลเทนแลนต์ต้องเปิด Copilot ในระดับเทนแลนต์ด้วย Copilot ทำงานได้ดีที่สุดกับโมเดลเชิงความหมายแบบ Import หรือ Direct Lake — DirectQuery รองรับแต่โดยทั่วไปช้ากว่าและไม่สม่ำเสมอ
นอกเหนือจาก Copilot Power BI ยังมีภาพ AI ในตัวหลายรายการ
Smart Narratives คือสรุปข้อความที่สร้างด้วย AI ซึ่งอธิบายข้อมูลในภาพของคุณโดยอัตโนมัติ ในการเพิ่ม Smart Narrative ให้นำเข้าภาพจากช่องภาพ (visualizations pane) แล้ว Power BI จะวิเคราะห์ข้อมูลบนหน้ารายงานเพื่อสร้างอินไซต์เป็นภาษาธรรมชาติ ข้อความบรรยายเหล่านี้จะอัปเดตแบบไดนามิกเมื่อมีการเปลี่ยนตัวกรอง เพื่อให้คำอธิบายตามบริบทของแนวโน้ม ค่าผิดปกติ และตัวชี้วัดสำคัญ
คำถามสัมภาษณ์ Power BI ที่สำคัญหลายข้อมีความเป็นเทคนิคสูง—เช่น DAX และการสร้างแบบจำลองข้อมูล เพื่อให้ได้งานและสร้างความประทับใจแรกที่ดีในการสัมภาษณ์ การเตรียมตัวให้พร้อมเป็นสิ่งสำคัญอย่างยิ่ง
นายจ้างให้คุณค่ากับผู้สมัครที่แสดงทักษะการแก้ปัญหา มีแนวคิดเชิงวิเคราะห์ที่แข็งแกร่ง และสื่อสารอินไซต์จากข้อมูลที่ซับซ้อนได้อย่างตรงไปตรงมา การสื่อสารที่มีประสิทธิภาพและการทำงานเป็นทีมก็สำคัญเช่นกัน เนื่องจากบทบาทเหล่านี้มักต้องทำงานร่วมกับแผนกอื่น
เตรียมตัวโดยคิดถึงตัวอย่างเฉพาะที่แสดงความสามารถในการแก้ปัญหา การทำงานเป็นทีม และวิธีที่คุณใช้ Power BI สำเร็จในโปรเจกต์ที่ผ่านมา โฟกัสที่สถานการณ์ การกระทำของคุณ และผลลัพธ์ ฝึกอธิบายสถานการณ์เหล่านี้อย่างชัดเจนและกระชับ
การได้รับใบรับรอง เช่น Power BI Data Analyst Associate ซึ่งต้องสอบผ่าน PL-300 สามารถยกระดับโปรไฟล์ของคุณได้อย่างมาก ดู คู่มือฉบับเต็มเกี่ยวกับใบรับรอง Power BI เพื่อทำความเข้าใจใบรับรองที่มี วิธีสอบผ่าน และประโยชน์ต่ออาชีพของคุณ
ฝึกทำงาน Power BI ทั่วไปและโจทย์ท้าทายที่อาจเจอ เช่น การสร้างรายงานตั้งแต่ต้น ปรับแต่งสูตร DAX หรือการแปลงข้อมูลด้วย Power Query การบริหารเวลาและแนวทางการแก้ปัญหาอย่างเป็นขั้นตอนเป็นสิ่งสำคัญในระหว่างการทดสอบทางเทคนิค
ถามถึงประเภทโปรเจกต์ที่คุณจะได้ทำ โครงสร้างทีม และบทบาทของ Power BI ในกลยุทธ์ข้อมูลของพวกเขา การถามเกี่ยวกับ วัฒนธรรมด้านข้อมูล และแผนในอนาคตของบริษัท ช่วยแสดงความสนใจและความคิดเชิงกลยุทธ์ของคุณ
ศึกษาค่าเฉลี่ยเงินเดือนสำหรับบทบาท Power BI ในภูมิภาคและอุตสาหกรรมของคุณ ระหว่างเจรจาให้เน้นทักษะเฉพาะ ใบรับรอง และวิธีที่ความเชี่ยวชาญของคุณสร้างคุณค่าให้บริษัท ระบุความคาดหวังให้ชัดเจนแต่ก็ยืดหยุ่นได้
เรียนรู้อย่างต่อเนื่องด้วยการเรียนคอร์สขั้นสูง เข้าร่วมงานประชุมอุตสาหกรรม และรับใบรับรอง แสวงหาโปรเจกต์ที่ซับซ้อนและโอกาสความเป็นผู้นำภายในองค์กรเพื่อขยายทักษะและการมองเห็น ดูแคตตาล็อกคอร์ส Power BI ของ DataCamp เพื่อพัฒนาทักษะของคุณอย่างต่อเนื่อง
หากยังไม่พร้อมสำหรับขั้นตอนการสัมภาษณ์ และเพิ่งเริ่มต้นเส้นทางสู่การเป็นนักพัฒนา Power BI ดูโรดแมปแบบทีละขั้นตอนของเราเกี่ยวกับ วิธีเป็นนักพัฒนา Power BI
เรามีคู่มือคำถามสัมภาษณ์สำหรับเทคโนโลยีและบทบาทอื่นๆ อีกมาก:
คอร์ส Power BI
คอร์ส
คอร์ส
คอร์ส