Mô hình ngữ nghĩa (Semantic Models) trong Power BI là gì?

Những thành phần cấu thành một mô hình ngữ nghĩa

Mô hình ngữ nghĩa bao gồm một số yếu tố khác nhau:

• Kết nối dữ liệu đến một hoặc nhiều nguồn dữ liệu, dưới dạng nhập khẩu (Import), qua DirectQuery hoặc như một phần của mô hình tổng hợp (composite).
• Các bước biến đổi để làm sạch và chuẩn bị dữ liệu cho việc báo cáo.
• Các phép tính và chỉ số được định nghĩa dựa trên quy tắc nghiệp vụ nhằm đảm bảo tính nhất quán cho các báo cáo được xây dựng từ mô hình ngữ nghĩa. Điều này đảm bảo rõ ràng và tránh sai lệch giữa các phân tích và báo cáo.
• Các mối quan hệ được định nghĩa giữa các bảng giúp người dùng tập trung vào thiết kế báo cáo mà không cần biết trước cấu trúc cơ sở dữ liệu và mô hình dữ liệu bên dưới.

Các chế độ của mô hình ngữ nghĩa

Việc chọn đúng chế độ khi kết nối tới dữ liệu trong Power BI là bước đầu quan trọng khi tạo mô hình ngữ nghĩa, vì mỗi chế độ đều có ưu và nhược điểm cần nắm rõ.

Có ba chế độ mô hình ngữ nghĩa trong Power BI:

• Chế độ Import
• Chế độ DirectQuery
• Chế độ Composite

Chế độ Import

Chế độ này nạp toàn bộ dữ liệu vào tệp Power BI (.pbix). Mỗi khi báo cáo Power BI làm mới, công cụ lưu trữ Vertipaq sẽ nén, tối ưu và lưu dữ liệu xuống đĩa. Điều này mang lại hiệu năng nhanh và tùy chọn thiết kế linh hoạt cho người tạo báo cáo. Ngoài ra, chế độ Import cho phép người tạo mô hình ngữ nghĩa sử dụng đầy đủ tập hàm ngôn ngữ Power Query M để biến đổi và chuẩn bị dữ liệu cũng như các hàm DAX để tạo phép tính và measure.

Chế độ DirectQuery

Chế độ này chỉ lưu siêu dữ liệu về cấu trúc mô hình thay vì dữ liệu thực. Khi mô hình được truy vấn (ví dụ khi hiển thị một trực quan), dữ liệu sẽ được truy xuất từ nguồn dữ liệu nền. Điều này đặc biệt hữu ích với khối lượng dữ liệu lớn hoặc khi có yêu cầu nghiệp vụ về dữ liệu gần thời gian thực trong báo cáo.

Chế độ Composite

Chế độ Composite là sự kết hợp giữa Import và DirectQuery. Chế độ này hữu ích khi cần sức mạnh và hiệu năng của Import đồng thời vẫn có khả năng xem dữ liệu theo thời gian thực. Một bảng có thể được đặt ở chế độ lưu trữ Dual, cho phép dịch vụ Power BI chọn chế độ hiệu quả hơn tùy theo bản chất truy vấn.

5 bước tạo mô hình ngữ nghĩa Power BI

Tạo một mô hình ngữ nghĩa bao gồm những bước tương tự bạn có thể đã thực hiện ở giai đoạn đầu phát triển báo cáo bằng Power BI Desktop. Nếu bạn đang hướng tới vai trò nhà phân tích dữ liệu, bạn có thể học Power BI Fundamentals với lộ trình kỹ năng của chúng tôi, nơi bạn sẽ học về trực quan hóa dữ liệu, DAX và cách biến đổi dữ liệu.

Tất nhiên, các bước cụ thể khi tạo mô hình ngữ nghĩa sẽ phụ thuộc vào nhu cầu kinh doanh và mục tiêu của bạn đối với mô hình. Tuy nhiên, ở mức tổng quát, năm bước sau thường gặp khi tạo mô hình ngữ nghĩa:

Hình do tác giả cung cấp

1. Nhập hoặc kết nối tới các nguồn dữ liệu cần thiết bằng chế độ Import, DirectQuery hoặc mô hình Composite.
2. Làm sạch và biến đổi dữ liệu để dữ liệu hữu ích cho người dùng. Việc này bao gồm loại bỏ trùng lặp, xử lý dữ liệu thiếu, làm sạch các cột dữ liệu dạng văn bản, v.v. Các bước biến đổi cụ thể phụ thuộc vào yêu cầu riêng của dữ liệu bạn.
3. Định nghĩa các mối quan hệ giữa các bảng dữ liệu theo các nguyên tắc mô hình hóa dữ liệu tốt như sơ đồ hình sao (star schema). Chúng tôi có một khóa học giúp bạn nắm nền tảng mô hình hóa dữ liệu trong Power BI.
4. Tạo các measure và phép tính dựa trên yêu cầu nghiệp vụ của bạn.
5. Khi bạn hài lòng với mô hình ngữ nghĩa, hãy xuất bản nó lên dịch vụ Power BI.

Khai thác mô hình ngữ nghĩa để báo cáo hiệu quả

Sau khi bạn đã tạo và xuất bản mô hình ngữ nghĩa lên dịch vụ Power BI, bạn có thể tạo kết nối trực tiếp (live connection) tới mô hình này từ một báo cáo Power BI khác. Thực tế, bạn có thể tạo nhiều báo cáo từ một mô hình ngữ nghĩa đã xuất bản, qua đó đảm bảo tính nhất quán và độ tin cậy trên tất cả báo cáo.

Trước đây, thường thấy nhiều báo cáo Power BI dựa trên cùng một dataset nhưng mỗi báo cáo lại có mô hình dữ liệu riêng. Điều này gây thách thức vì có thể có khác biệt lớn giữa các báo cáo, và việc tìm ra nguyên nhân gây lệch và báo cáo nào cần thay đổi có thể khó khăn và tốn thời gian. Tạo một mô hình ngữ nghĩa duy nhất và chia sẻ cho nhiều báo cáo Power BI sẽ giải quyết triệt để vấn đề này.

Nếu bạn muốn nâng cao kỹ năng trực quan hóa dữ liệu Power BI và học cách tạo báo cáo trong Power BI hiệu quả, chúng tôi có một khóa học để hỗ trợ bạn.

Quản lý mô hình ngữ nghĩa

Mô hình ngữ nghĩa có thể dễ dàng được chia sẻ giữa các workspace, dân chủ hóa dữ liệu và thúc đẩy văn hóa dữ liệu mạnh mẽ. Tuy nhiên, điều này cũng đòi hỏi quản lý hiệu quả các mô hình ngữ nghĩa với các cơ chế kiểm soát và chính sách phù hợp nhằm duy trì tính toàn vẹn, bảo mật và chất lượng dữ liệu.

Quyền sở hữu và phân quyền

Quản lý kiểm soát truy cập và phân quyền cho mô hình ngữ nghĩa trong Power BI có thể do quản trị viên (admin), thành viên workspace (tùy vai trò) và chủ sở hữu mô hình ngữ nghĩa (người tạo mô hình) thực hiện.

Quyền đối với mô hình ngữ nghĩa có thể được thiết lập và quản lý theo hai cách:

• Thứ nhất, thông qua kiểm soát truy cập trực tiếp tới mô hình ngữ nghĩa cho từng cá nhân hoặc toàn bộ nhóm bảo mật.
• Thứ hai, bằng cách quản lý cách mô hình ngữ nghĩa và các báo cáo của chúng được chia sẻ với người dùng không thuộc workspace.

Khi bạn xuất bản một mô hình ngữ nghĩa lên dịch vụ Power BI, bạn (với tư cách chủ sở hữu mô hình) và quản trị viên có thể đặt một trong bốn mức quyền cho mô hình:

• Read: Cho phép người dùng truy cập các báo cáo sử dụng dữ liệu từ mô hình ngữ nghĩa và xem cài đặt mô hình.
• Build: Cho phép người dùng xây dựng báo cáo và dashboard mới từ mô hình.
• Reshare: Cho phép người dùng cấp quyền truy cập mô hình ngữ nghĩa cho người khác.
• Write: Cho phép người dùng xuất bản lại và thực hiện một số thay đổi đối với mô hình, ngoại trừ một số cài đặt như thêm hoặc thay đổi thông tin xác thực nguồn dữ liệu, chẳng hạn.
• Owner: Dù không hoàn toàn là một mức quyền, người tạo mô hình ngữ nghĩa sẽ trở thành chủ sở hữu trong dịch vụ Power BI và có tất cả các quyền trên.

Các lưu ý về bảo mật

Quản trị viên Power BI cũng có thể hạn chế cách dữ liệu được truy cập, chia sẻ và sửa đổi trong tenant Power BI của họ. Họ có thể hạn chế việc tái sử dụng mô hình ngữ nghĩa hoàn toàn hoặc một phần dựa trên nhóm bảo mật, ảnh hưởng đến nhiều chức năng như sao chép báo cáo giữa các workspace, chỉnh sửa báo cáo dựa trên mô hình ngữ nghĩa được chia sẻ và khả năng hiển thị mô hình ngữ nghĩa trong dịch vụ hoặc Desktop của Power BI.

Chủ sở hữu mô hình ngữ nghĩa cũng kiểm soát ai có thể truy cập và sử dụng dữ liệu trong mô hình của họ. Họ có thể làm cho mô hình ngữ nghĩa dễ tìm hơn bằng cách chứng nhận (certify) hoặc quảng bá (promote) chúng, giúp người dùng và người tạo báo cáo nhận diện mô hình nào được chỉ định là 'chính thức' và được coi là chất lượng cao trong tổ chức.

Bảo mật theo cấp vai trò (RLS) được áp dụng cho các mô hình ngữ nghĩa và tất cả báo cáo được xây dựng từ chúng. RLS có thể ảnh hưởng đến khả năng đọc dữ liệu từ mô hình ngữ nghĩa của người dùng nếu họ có quyền build hoặc read, trừ khi vai trò RLS cụ thể cho phép.

Thực hành tốt nhất và cân nhắc

Tạo số lượng mô hình ngữ nghĩa ở mức tối thiểu cần thiết và sử dụng chúng làm nguồn cho các báo cáo Power BI trong tổ chức là thực hành tốt nhất được thừa nhận.

Ngoài ra, khuyến nghị mô hình ngữ nghĩa nên:

• Toàn diện: mô hình nên chứa tất cả yếu tố cần thiết để trả lời các câu hỏi kinh doanh liên quan. Các yếu tố này cũng cần phản ánh chính xác và hợp lý hệ thống và quy trình nghiệp vụ.
• Tối ưu và hiệu năng cao: mô hình nên được tối ưu để việc làm mới, các phép tính DAX và tải trực quan đều nhanh, ngay cả khi khối lượng dữ liệu tăng.
• Bảo mật: mô hình nên có các yếu tố bảo mật cần thiết nhằm ngăn truy cập trái phép vào dữ liệu (chẳng hạn bảo mật theo hàng—row-level security).
• Linh hoạt: mô hình nên thích ứng được với thay đổi trong yêu cầu nghiệp vụ.

Kết luận

Bằng việc đổi tên dataset thành mô hình ngữ nghĩa, Power BI đã tạo ra một sự chuyển dịch trong cách chúng ta cần suy nghĩ về business intelligence. Thay vì xem dữ liệu là các thành phần tĩnh của báo cáo và dashboard, chúng ta có thể coi chúng là một phần của lớp ngữ nghĩa lớn hơn, có thể dễ dàng chia sẻ và tái sử dụng.

Bằng cách làm theo các thực hành tốt nhất được nêu trong bài viết này, bạn có thể tạo những mô hình ngữ nghĩa hiệu quả và hiệu suất cao, đóng vai trò nguồn sự thật duy nhất cho nhu cầu báo cáo của tổ chức. Tận dụng sức mạnh của mô hình ngữ nghĩa, bạn có thể trao quyền cho cả người dùng kỹ thuật và phi kỹ thuật phân tích dữ liệu và trả lời câu hỏi kinh doanh, từ đó thúc đẩy việc ra quyết định tốt hơn trên toàn tổ chức.

Nếu bạn quan tâm đến sự nghiệp Chuyên viên Phân tích Dữ liệu trong Power BI, lộ trình nghề nghiệp của chúng tôi sẽ đưa bạn đi qua mọi khía cạnh của Power BI và chuẩn bị cho chứng chỉ Microsoft PL-300.

Nếu bạn đã nắm được các kiến thức cơ bản về Power BI, hãy khám phá danh sách 8 dự án Power BI để áp dụng kỹ năng và xây dựng hồ sơ năng lực của bạn.