Courses
Power BI 中的数据建模
3小时
94.7K
Microsoft Power BI 是当今领先的商业智能平台之一。在过去连续 18 年中，微软在《Gartner 分析与商业智能平台魔力象限》中被评为领导者，并在“愿景完整性”和“执行能力”两项中均获得最高分。
不过，受欢迎也意味着就业市场更具竞争力。因此，如果您想获得需要使用 Power BI 的职位，最稳妥的方式就是认真准备面试。
本文将带您了解在 Power BI 求职面试中最常见的类别、要点与问题。
Power BI 基础面试题
针对入门或初级的 Power BI 岗位，您需要能够阐述一些基础概念。您应理解 Power BI 在组织中的作用、它如何创造价值，以及在使用平台时需要注意的潜在风险或不足。您还应非常熟悉如何使用 Power BI Desktop 和 Power BI Service。
像 Power BI 这样的自助式平台有哪些好处？
自助式 BI 更强调用户而非开发者。它让用户无需等待其他专门部门（如 IT）处理，就能独立找到解决方案并生成洞见。
Power BI 与其他 BI 平台相比如何？
另一个广受好评的 BI 平台是Tableau，也是非常不错的选择。然而，Power BI 相比 Tableau的最大优势之一是学习门槛更低。若开发者（或用户）已熟悉 Microsoft Excel，这一点尤其明显，因为对 Excel 用户而言 Power BI 上手感较为相似。
使用 Power BI 时应了解哪些风险？
使用 Power BI 的一大劣势在于其云端解决方案（Power BI Service）被锁定在微软生态中。只有拥有 Microsoft 365 帐户并订阅 Power BI PRO 的用户才能访问报表和仪表板。此外，另一个劣势是 Power BI Desktop 仅支持 Windows，无法在 MacOS 或 Linux 上安装。
Power BI 如何为组织带来即时价值？
Power BI 在创建交互式仪表板和报表方面价值极高，用户可借此探索数据并获取洞见。它常用于销售追踪、财务报告、客户满意度分析和库存管理。通过将原始数据可视化，决策者可以迅速识别趋势并做出数据驱动的决策。
Power BI 如何与其他微软产品集成？
Power BI 可与 Excel、Azure、SQL Server 和 SharePoint 等微软产品集成。用户可以直接导入 Excel 文件、连接 Azure Synapse 进行高级分析，并将 Power BI 报表嵌入 Microsoft Teams 或 SharePoint 以提升协作。
哪些关键特性让 Power BI 成为强大的 BI 工具？
Power BI 提供诸如 AI 驱动洞见、实时仪表板、广泛的数据连接选项、基于 DAX 的高级数据建模以及强大的数据可视化能力。此外，其云端 Power BI Service 便于共享与协作。
什么是 Power Query，它在 Power BI 中的用途是什么？
Power Query 是 Power BI 内的 ETL（抽取、转换、加载）工具。它允许我们导入、清洗、转换、合并并修改数据集。
Power BI 报表中有哪些不同类型的筛选器？
Power BI 报表可通过切片器视觉对象或右侧可折叠的筛选窗格进行筛选。切片器直观易用；筛选窗格则提供更复杂的筛选选项，例如页面级、报表级和穿透筛选。不过，它可以对用户隐藏，并可预设与锁定，从而对所有用户生效。
在 Power BI 中，报表与仪表板有何区别？
Power BI 报表通常使用 Power BI Desktop 设计，然后发布到 Power BI Service。另一方面，仪表板由单个工作区内一个或多个报表的“磁贴”组成。仪表板可将多个报表的洞见浓缩呈现在同一处。
如何刷新发布到 Power BI Service 的报表数据？
从本地存储位置导入的数据只能通过网关在 Power BI Service 中刷新。这为云端报表安全访问本地数据提供了途径。
如何与组织内的其他人共享 Power BI 报表？
您可以先将报表发布到 Power BI Service，然后通过发送直达链接或将报表嵌入 Microsoft Teams 或 SharePoint 等应用来共享。还可管理权限，以控制谁能查看或编辑报表。
如何在不同的 Power BI 订阅级别间进行选择？
大致思路如下：
- Power BI Free 允许个人在 Power BI Desktop 中创建报表，但不支持共享。
- Power BI Pro 增加协作功能——可在 Power BI Service 中发布与共享报表。
- Premium Per User（PPU）为单个用户提供高级功能，如更大的模型与更频繁的刷新，而无需购买容量。
- 对于企业级分析，可通过 Microsoft Fabric 容量（F-SKU）许可专用容量。
Power BI 工作区如何助力报表与仪表板？
Power BI 工作区通过在集中环境中组织报表、数据集和仪表板，帮助团队协作。它们有助于管理权限、促进版本控制，并简化报表发布流程。
Power BI DAX 面试题
大多数 Power BI 面试都会涉及 DAX——它是 Power BI 的关键组成部分。您应理解 DAX 函数及其构造方法，从 SUM、COUNT 等基础函数到 RANKX 等更复杂的函数。
此外，您还应熟悉这些表达式之间的交互，了解如何避免循环依赖，并优化 DAX 表达式以确保报表高性能。最后，您也应能够调试 DAX 公式，查找并修复错误或拼写问题。本节将拆解 DAX 的各个方面。
DAX 的函数、表达式与变量有什么区别？
- DAX 函数是预构建的定义，允许您对数据执行计算。
- DAX 表达式由一个或多个 DAX 函数组成。
- 变量用于在特定 DAX 表达式内存储某个 DAX 表达式的结果。
度量值与计算列有何不同？
度量值与计算列都使用 DAX 表达式。但度量值对数据进行聚合，并基于报表中的筛选返回值。计算列则为表中每一行返回 DAX 表达式的结果。在数据视图和模型视图中，计算列的结果可像其他列一样查看。
如何避免在 DAX 表达式中产生循环依赖？
当两个表达式相互引用、Power BI 无法确定先计算哪个以获得结果时，就会产生循环依赖。通常在不当使用 CALCULATE() 函数时会出现循环依赖。
Power BI 中的 CALCULATE() 函数有什么作用？
DAX 中的 CALCULATE() 函数用于修改计算的筛选上下文。它会在由您指定的筛选条件修改后的上下文中对表达式求值。CALCULATE() 功能强大，因为它允许您基于特定条件执行聚合，是实现动态报表的关键。
如何在 Power BI 中使用 SUMX() 函数？
SUMX() 会遍历一个表，对每行计算给定表达式并聚合结果。当需要依赖行上下文的计算时很有用，例如按行将价格与数量相乘以计算总收入。
TotalRevenue = SUMX(Sales, Sales[Quantity] * Sales[Price])DAX 中 ALL 与 REMOVEFILTERS 有何区别？
两者都可移除数据集上的筛选，但 ALL 会移除特定列或表上的筛选，而 REMOVEFILTERS 会移除给定表中所有列的筛选。ALL 常用于“占总比”等计算；REMOVEFILTERS 则用于动态清除筛选。
Power BI 技术面试题
中高级的 Power BI 岗位通常会涉及围绕架构、连接性与数据建模的技术问题。您应熟悉构成 BI 解决方案架构的组件。
您还应了解如何将 Power BI 连接到多个数据源，并在 Power BI（使用 Power Query）中导入与转换数据。此外，您还需要很好地理解数据建模原则及其最佳实践。最后，技术面试也可能涉及有关数据刷新与 Power BI 网关的提问，即如何使用 Power BI Service 将报表部署到云端。
来源：Microsoft
什么是 Microsoft Fabric，Power BI 在其中扮演什么角色？
Microsoft Fabric 是端到端的 SaaS 分析平台，将 Power BI 与数据工程、数据仓库、数据科学、实时智能与数据集成统一到名为 OneLake 的共享存储层之上。Power BI 现在是 Fabric 中的一个体验，而非独立产品。这影响了许可（企业容量以 Fabric F-SKU 购买）与架构（Power BI 可直接在 OneLake 数据之上构建模型而无需复制数据）。
请描述星型模型及其工作方式。
星型模型由一个中心事实表与多个从事实表发散的维度表构成，形似星形。事实表由可聚合的数值以及一个或多个连接到维度表的键组成。
什么是基数（Cardinality）？
共有四种基数选项：
- 多对一
- 一对一
- 一对多，或
- 多对多
在创建关系时，建议连接字段在至少一张表中具有唯一值。这样便可在数据模型中使用一对多或多对一的选项。
解释单向关系与双向关系的区别
关系的方向性通过交叉筛选方向选项定义。关系从具有唯一值的表流向具有多值的表，从而影响筛选。大多数情况下建议使用单向。
描述在关系中使用多对多基数的常见问题
若数据存在不同粒度，多对多关系可能引发问题。如果某一张表中不存在更高粒度的数据，Power BI 无法据此推断更高粒度。这会导致计算结果随所应用的筛选而被重复。
什么是 DirectQuery，何时应使用？
DirectQuery 是将 Power BI 连接到数据源而不导入数据的方法。每次刷新报表时，查询都会直接发送到数据源。当处理大型数据集或需要实时数据时应使用 DirectQuery，但与导入数据相比，其性能可能更慢。
什么是 Power BI 的复合模型（Composite Models），为何有用？
复合模型允许在同一数据集中组合 DirectQuery 与导入模式。在处理大型数据集时，这一特性可通过 DirectQuery 实现实时更新，同时借助导入模式中的预聚合数据保持性能。
增量刷新在 Power BI 中的作用是什么？
增量刷新使 Power BI 仅更新新增或变更的数据，而非刷新整个数据集。这可提升性能并降低数据源负载，非常适合大规模报表。
接下来，来看一些关于 Power BI Service 数据网关的面试问题。如果您面试的组织使用本地数据存储，那么他们很可能会用到数据网关。这些问题相对更具挑战性。
标准网关与个人网关有何区别？
个人网关与安装它的用户帐户绑定。这意味着多个用户无法共享和配置该网关。例如，如果该用户离职且其帐户被删除，网关将停止工作。相对而言，标准网关不与任何用户帐户绑定，便于集中管理数据源。此外，标准网关还支持其他连接类型，如 Direct Query。
选择安装网关的机器时应考虑哪些因素？
影响数据网关性能的最大因素是并发访问报表的用户数量。若有报表使用实时数据连接，这一点尤为重要。
一个网关能同时包含导入和直连（Direct Query）连接吗？
可以。不过，针对导入与直连连接分别使用不同网关是较好的实践。因为直连连接可能对安装网关的机器造成较大压力。为避免在扩展报表数量及其用户数时出现延迟或潜在问题，最好使用独立的网关。
尝试刷新 Power BI 报表时，如果数据网关处于离线状态会发生什么？
如果数据网关离线，使用本地数据的报表计划刷新将失败。Power BI 在网关恢复在线之前无法访问所需数据源。为防止问题，务必确保网关始终可用，或设置冗余网关群集以实现高可用性。
Power BI 情景类面试题
对于中级及以上的 Power BI 岗位，情景类面试题很常见。这类问题会根据您面试公司的行业及其在组织内使用 Power BI 的方式而有所不同。但这些情景题常包含一些共通主题，可用于考察您对相关概念的掌握。
关于求职面试案例的完整讲解，请参阅这场直播培训：用 Power BI 解决求职面试案例。
设想您要设计一份关于客户服务部门收到的投诉与表扬的 Power BI 报表。然而，这些信息位于一个包含约 100 个文件的文件夹中，那么下一个问题是：
如何将文件导入 Power BI？
您可以将整个文件夹作为 Power BI 的数据源。基于文件夹中单个文件的格式，您可以按同一格式导入所有文件。但必须牢记，每个文件都应遵循相同格式，否则导入的数据将难以理解。
如何为大数据优化 Power BI 报表性能？
有三件基础但立竿见影的事情可改善使用大数据量报表的性能：
- 关闭时间智能——这是 Power BI 的一项功能，每次将日期字段添加到视觉对象时都会自动创建日期/时间层级，导致模型臃肿、报表变慢。
- 仅加载真正需要的列——未在报表中使用的列不要导入（例如各类 ID 字段）。
- 仅加载真正需要的行——最好对历史数据进行筛除或聚合。
如何处理两个系统来源且格式不一致的数据合并？
在 Power BI 中，我会使用 Power Query 对两个系统的数据进行清洗与转换。这可能涉及重命名列、标准化数据类型、合并或追加表。此外，我会实施自定义转换或条件逻辑以调和数据结构差异，确保报表所需的数据集统一。
如何创建具有严格数据访问控制的 Power BI 报表？
我会实施行级安全性（RLS）以基于用户角色限制数据访问。同时配置工作区权限并强化数据治理策略，确保只有获授权的用户才能查看或修改报表。
高级 Power BI 面试题
大多数高级 Power BI 岗位会在面试中考察更深入的概念。您可能会遇到上一节那样的情景题，也可能会遇到本节中的一些高级问题。
您应准备好回答如何处理可能包含超大数据集的复杂数据建模问题，以及如何为这些问题有效设计 Power BI 报表。
最后，本节也可能涉及 Power BI 的高级分析与 AI 能力。您应熟悉 Power BI 的最新进展与发布，以便了解其能力边界，并知道哪些功能最能为公司带来收益。
有哪些变通方法可以避免在关系中使用双向筛选？
双向筛选可能导致性能问题和出乎意料的结果。避免使用双向筛选的一种方式是，为依赖单向筛选的视觉对象添加额外的视觉级筛选器。另一种做法是使用带有 CALCULATE() 的 DAX 度量值，在需要时手动覆盖筛选上下文。
如何在 Power BI 中使用“假设参数”（What-if 参数）？
What-if 参数允许用户以交互方式调整数值，并实时查看这些变化对报表结果的影响。创建 What-if 参数时，您定义一组可调范围（例如 0% 到 20% 的折扣率），用户可通过切片器进行调整。随后可在 DAX 度量值中引用该参数，以执行情景分析。
优化大型数据模型的最佳实践有哪些？
在处理大型数据模型时，应实施若干优化技巧。第一，在导入阶段移除不必要的列与行。第二，尽量避免使用计算列，改用度量值。第三，优化 DAX 表达式，避免复杂迭代器并使用变量。第四，为大型事实表实施聚合。最后，对于超大型数据集，可考虑使用 DirectQuery 或复合模型。
什么是 Direct Lake 存储模式？它与导入和 DirectQuery 有何比较？
Direct Lake 是 Microsoft Fabric 引入的一种存储模式，使 Power BI 模型可直接从 OneLake 读取数据。它结合了导入模式的高速表现（无需计划刷新）与 DirectQuery 的数据新鲜度（无需查询外部源）。权衡点在于数据必须位于 Fabric 的 lakehouse 或 warehouse 中。
资深从业者的 Power BI 面试题
本博文的最后一节面向经验丰富的 Power BI 专业人士。在应聘组织内的高阶 Power BI 职位时，通常不会被问及太多技术细节。
面试将更多关注您的既往经验，以及对报表优化、治理与管理的理解。
在这个层级，您应熟悉与 Power BI 团队协作或领导团队，能够为业务问题选择最佳方法或解决方案，并从与相关方确定问题出发，一直到部署、维护与持续改进项目的全过程。以下是一些问题及示例回答：
请描述一个具有挑战性的 Power BI 项目，以及您如何应对障碍。
我曾负责整合五个业务部门的报表，这些部门的数据结构并不一致。最大的挑战在于统一诸如“收入”“客户”等关键指标的定义。我通过与相关方开展研讨会来达成标准定义，然后构建了集中式数据模型并记录业务规则。我们采用分阶段上线，先以一个业务单元作为试点，打磨方法后再推广至全组织。
您如何在 Power BI 中建立数据治理政策？
我会围绕工作区管理、用户权限与数据访问控制制定清晰的政策。这包括实施行级安全、定义工作区角色、制定报表认证指南；同时制定网关管理与数据共享的规范。在合规方面，我会进行数据分级、建立审计追踪，并确保与 GDPR 等法规保持一致。所有政策都会记录在案并与相关方定期审查。
如何将传统（遗留）报表迁移到 Power BI？
我会先评估现有报表，判断哪些需要迁移、淘汰或基于业务价值重设计。随后优先处理高影响力报表，并创建标准化模板以保持一致性。我与相关方共同确认需求，并通过试点群组分阶段上线。全程提供培训与支持，并在一段时间内并行运行两套系统，确保平稳过渡，最终下线旧平台。
哪些策略可降低 Power BI 中的数据泄露风险？
我会实施行级安全限制数据访问，谨慎配置工作区权限，并使用敏感度标签对机密数据进行分级。通过租户设置限制外部共享，并借助审计日志监控使用情况。定期开展安全审查，同时对用户进行数据保护培训。设置可疑活动告警也有助于及早发现潜在问题。
如何在报表性能与分析深度之间取得平衡？
我会与相关方确认最关键的指标，并将优化重点集中于此。我会为常用数据使用聚合与汇总表，并为大型数据集实施增量刷新。常见做法是两层结构：高管仪表板快速呈现关键信息，详尽报表按需提供。通过定期性能测试与收集反馈来取得速度与深度的平衡。
Power BI 中的 AI 面试题
AI 已成为 Power BI 面试的重点领域。Copilot 位于核心位置，但面试官也希望您熟悉产品中已存在多年的 AI 视觉对象，并了解如何准备语义模型，以便 AI 功能产出可靠结果。
什么是 Power BI 中的 Copilot，它能做什么？
Copilot 是 Power BI 的生成式 AI 助手。它可以根据提示起草报表页面、编写或建议 DAX 度量值、用自然语言总结数据，并以对话方式回答关于模型的问题。它在 Power BI Desktop 与 Power BI Service 中均可使用，是微软当前在 Power BI 中布局 AI 的核心。
使用 Copilot 需要哪些条件？
您需要拥有 F64 或更高的 Microsoft Fabric 容量，或启用 Fabric 试用的 Premium Per User（PPU）许可证。租户管理员还需在租户级别开启 Copilot。Copilot 在导入或 Direct Lake 语义模型上效果最佳——DirectQuery 也受支持，但通常更慢且一致性较差。
Power BI 提供哪些 AI 视觉对象？
除了 Copilot，Power BI 还内置多种 AI 视觉对象。
- Q&A 视觉对象允许用户以自然语言向模型提问。
- 关键影响因素（Key Influencers）解释驱动选定指标的因素，例如最能预测客户流失的要素。
- 分解树（Decomposition Tree）支持 AI 引导的跨多维度下钻。
- 异常检测与智能叙述（下文介绍）完善了这套功能。
什么是报表中的智能叙述（Smart Narratives）？
智能叙述是 AI 生成的文本摘要，会自动描述视觉对象中的数据。要添加智能叙述，可在可视化窗格中插入该视觉对象，Power BI 会分析报表页上的数据并以自然语言生成洞见。随着筛选条件变化，这些叙述会动态更新，提供关于趋势、异常值和关键指标的情境化说明。
结语
一些最重要的 Power BI 面试题高度技术化——例如涉及 DAX 与数据建模。要在面试中脱颖而出并留下良好第一印象，充分准备至关重要。
除技术技能外，雇主在 Power BI 候选人身上还看重哪些素质？
在 Power BI 面试中，如何准备行为面试题？
哪些认证能提升我获得 Power BI 岗位的机会？
在 Power BI 面试中，有哪些应对技术测试的建议？
在应聘 Power BI 职位时，可以向面试官提出哪些好问题？
如何为 Power BI 岗位争取更高薪资？
如何在 Power BI 职业生涯中持续成长？
我该如何成为一名 Power BI 开发者？
如何准备其他技术与职责相关的面试？
主题