POWER-BI-XDM
Data Model for Power BI
*ราคาดังกล่าวยังไม่รวมภาษีมูลค่าเพิ่ม
Business
Power Platform
Power BIClassroom
อบรมแบบ Class Room ณ ห้องอบรม 9EXPERT
Hybrid
เลือกอบรมแบบ Class Room หรือ Ms Teams
ตารางอบรม Public Training
Data Model for Power BI
หลักสูตรนี้ออกแบบมาเพื่อเสริมสร้างความเชี่ยวชาญในการสร้างและจัดการ Data Model ใน Power BI ผ่านการเรียนรู้ทั้งภาคทฤษฎีและการปฏิบัติจริง ผู้เรียนจะได้เรียนรู้เทคนิคที่ช่วยเพิ่มประสิทธิภาพและความยืดหยุ่นของโมเดลข้อมูล พร้อมกรณีศึกษาที่ช่วยให้เข้าใจและนำไปปรับใช้ได้จริงในงานของตนเอง
วัตถุประสงค์
- 1.เข้าใจโครงสร้างและองค์ประกอบของ Power BI Desktop
- 2.เรียนรู้การทำงานของ Vertipaq Engine และวิธีเพิ่มประสิทธิภาพการประมวลผล
- 3.สามารถออกแบบ Dimensional Model และจัดการ Relationship อย่างถูกต้อง
- 4.ผู้อบรมสามารถทำงานกับ วันที่และเวลา สามารถสร้าง Date Dimension ที่สนับสนุนกับการวิเคราะห์ตามเวลา (Interval) ขององค์กรได้
- 5.ฝึกฝนการใช้เครื่องมือภายนอก เช่น Tabular Editor และ DAX Studio
- 6.สร้างและปรับแต่ง Attribute Hierarchies และ Explicit Measures ด้วย DAX อย่างมืออาชีพ
- 7.นำแนวทางปฏิบัติที่ดีที่สุดมาประยุกต์ใช้ในการสร้างและจัดการ Data Model
หลักสูตรนี้เหมาะสำหรับ
- CDO (Chief Data Officer)
- Business Analytics
- Data Analyst
- Director / Management
พื้นฐานของผู้เข้าอบรม
- เคยใช้งาน Microsoft Power BI อยู่แล้ว และต้องการออกแบบพัฒนา Data Model ให้เหมาะสม มีประสิทธิภาพ กับรายงานและ Dashboard ในองค์กร
- เข้าใจพื้นฐานของ Measure และสามารถเขียน Data Analysis Expression (DAX) เช่น SUMX, CALCULATE ได้
- เข้าใจพื้นฐานของการทำ Data Transform ด้วย Power Query ระดับพื้นฐานได้
ความต้องการของระบบ
- ระบบปฏิบัติการ Windows 11 / Windows 10
- โปรแกรม Microsoft Power BI Desktop (ดาวน์โหลดฟรี)
- โปรแกรม: DAX Studio (แนะนำ Version ล่าสุด)
- โปรแกรม: Tabular Editor (แนะนำ Version ล่าสุด)
หัวข้อการฝึกอบรม
- •ทบทวนองค์ประกอบภายใน Power BI Desktop
- •Data Sharping ด้วย Power Query
- •Semantic Model
- •Visualization
- •เข้าใจ Vertipaq Engine
- •การจัดเก็บข้อมูลแบบ Columnar ที่ทำงานในหน่วยความจำ (in-memory)
- •การคำนวณและการเข้าถึงข้อมูล
- •Formula Engine รับคำขอ DAX หรือ MDX
- •Storage Engine
- •ประสิทธิภาพ
- •Dictionary Compression
- •Value Encoding
- •Run Length Encoding (RLE)
- •ภาระงานบน Semantic Model
- •Dimensional Model และ Relationship
- •Fact Table
- •Best Practice สำหรับ Implicit Measure
- •Dimension Table
- •Best Practice สำหรับ Dimension Attribute
- •การสร้าง Attribute Hierarchies บน Dimension Table
- •การซ่อน Attributes ที่ไม่ใช้
- •การซ่อน Implicit Measure ที่ไม่ใช้ และการยกเลิกการ Summarized ที่มีมา
- •การเรียงลำดับข้อมูล
- •การสร้าง Explicit Measure (Calculate Measure) บน Fact Table ด้วย DAX
- •แนะนำ Calculation Group
- •แนวทางปฏิบัติเพิ่มเติม
- •ควรหลีกเลี่ยงการใช้ Calculated Column ด้วย DAX เพื่อสร้าง Calculated Measure อีกต่อ เพราะเพิ่มขนาดไฟล์และใช้หน่วยความจำมาก แต่ควรสร้าง Calculated Measure โดยตรงเลยจะมีประสิทธิภาพกว่า
- •ส่วนติดต่อบน Power BI Desktop สำหรับจัดการ Semantic Model
- •Relationship Management
- •Properties ที่จำเป็น
- •DAX Query View
- •ส่วนติดต่อบน Microsoft Fabric หลัง Publish
- •Semantic Model Use Case
- •เครื่องมือภายนอก
- •Tabular Editor
- •DAX Studio
- •เข้าใจ Dimensional Model
- •Fact Table
- •Measures
- •Dimensional Table
- •Attributes
- •Attribute Hierarchies
- •การสร้างและอ่าน Bus Matrix เพื่อมองโครงสร้างโมเดลชัดเจน
- •เทคนิคปรับความละเอียด (Granularity) ของข้อมูล เช่น การเปลี่ยนจากระดับรายวันเป็นรายเดือน หรือเพิ่ม Dimension ใหม่ (เช่น เวลา, สาขา) เพื่อให้ข้อมูลเหมาะสมกับการวิเคราะห์
- •ความสำคัญของ Relationship
- •การเลือก Cardinality และ Direction ที่เหมาะสมกับ Relationship
- •ตัวอย่างและแบบฝึกหัดการสร้าง Relationship และการคำนวณที่ถูกต้อง
- •แนวทางปฏิบัติเพิ่มเติม
- •Dimension Key บน Power BI ควรเป็น integer ช่วยให้การเชื่อมโยงข้อมูลทำงานเร็วขึ้นและใช้หน่วยความจำน้อยกว่าแบบ string ซึ่งเหมาะกับการประมวลผลและการจัดการโมเดลขนาดใหญ่
- •ไม่ควรใช้ Many-to-Many ร่วมกับ Bi-Directional ใน Power BI เพราะจะทำให้โมเดลซับซ้อนและยากต่อการควบคุม
- •การออกแบบ Dimension Table
- •ประเภท Attribute
- •สร้างเพื่อเป็นลำดับใน Hierarchy
- •สร้างเพื่อเป็น Segment หรือเป็น Slicer
- •กรณีศึกษา การรวมหลายปฏิทิน (เช่น ปีงบประมาณ, ปฏิทินทั่วไป) ไว้ใน Date Dimension เดียว เพื่อความยืดหยุ่นในการวิเคราะห์ แต่ควรออกแบบให้ชัดเจนด้วยคอลัมน์แยกสำหรับแต่ละปฏิทิน
- •Dimension Key กับความถูกต้องของการหาผลรวม
- •Slow Changing Dimension (SCD)
- •SCD Type 1
- •SCD Type 2
- •กรณีศึกษา หากไม่มีการติดตามการเปลี่ยนแปลงเขตการขาย ของพนักงานขายคนหนึ่งอย่างถูกต้อง ยอดขายทั้งหมดของพนักงานคนนั้นจากเขตการขายเดิม จะถูกนับเป็นยอดขายของเขตที่เปลี่ยนไปแทน ผู้จัดการเขตการขายคงไม่ยอมเรื่องแบบนี้แน่
- •ตัวอย่างและแบบฝึกหัด การเตรียม SCD Type 2 ด้วย Power Query
- •แนะนำ แนวทางอื่นนอกเหนือ Power Query
- •สิ่งที่ต้องคำนึงของ Date Dimension
- •สร้างเอง หรืออัตโนมัติ
- •ตัวอย่างและแบบฝึกหัด
- •การปิด Auto Date/time และทำการ Mark as Date Table บน DimDate ที่สร้างขึ้นเอง
- •ความละเอียดสูงสุดที่รองรับ และการแก้ไข
- •ทดสอบเรียกใช้ฟังก์ชั่น Time Intelligence
- •ประเภท Dimension ที่พบได้บ่อย
- •Role Playing Dimension
- •กรณีศึกษา การใช้ Dimension เดียวกันเพื่อแสดงวันที่ในบริบทที่ต่างกัน เช่น วันที่ที่สั่งซื้อสินค้า (Order Date) และวันที่ที่จัดส่งสินค้า (Ship Date) โดยใช้ตาราง Date เดียวกัน
- •แนวทางแก้ไขสำหรับ Inactive Relationship
- •แบบฝึกหัด เขียน DAX กรณี Inactive Relationship
- •แนวทางอื่น
- •แนวทางปฏิบัติเพิ่มเติม
- •การปิด IsAvailableInMDX บน Attributes ใน Power BI ช่วยลดการโหลดข้อมูลที่ไม่จำเป็นเพื่อรองรับการสืบค้นจากภาษา MDX
- •ควรหลีกเลี่ยง Attribute Members ที่ยาวและมี High Cardinality เพราะจะใช้พื้นที่จัดเก็บและหน่วยความจำมาก ทำให้โมเดลช้าลงและการประมวลผลข้อมูลใน Power BI ใช้เวลานานขึ้น
- •ประเภทของ Hierarchies
- •Natural Hierarchy
- •Non- Natural Hierarchy
- •กรณีศึกษา การสร้างหลาย Hierarchies ใน Date Dimension ช่วยให้การวิเคราะห์หลายมุมมองง่ายขึ้น โดยใช้คอลัมน์ที่ออกแบบมาเฉพาะ
- •ตัวอย่างและแบบฝึกหัด
- •สร้าง หลาย Hierarchies บน Date Dimension
- •สร้าง Hierarchies บนตารางอื่น ๆ
- •ประเภท Dimension ที่พบได้บ่อย
- •Parent-Child Dimension
- •Hierarchies และลำดับ Hierarchy
- •แบบฝึกหัด เขียน DAX สำหรับ Parent-Child Hierarchy โดยใช้กลุ่มฟังก์ชัน PATH เพื่อคำนวณระดับความลึก (Level) และแสดงโครงสร้างที่ซ้อนกัน
- •แนวทางปฏิบัติ
- •ซ่อน Dimension Key ทั้งที่เป็น Primary Key บน Dimension Table และ Foreign Key บน Fact Table
- •ซ่อน Attributes ที่นำไปสร้างเป็น Hierarchy แล้วทั้งหมด
- •ซ่อน Implicit Measures ทุกตัวที่ถูกนำไปสร้างเป็น Explicit Measures แล้ว
- •ซ่อน Attributes และ Implicit Measures ที่ไม่ได้ใช้
- •ทำไมต้องเรียง Attribute Members บน Dimension Table
- •ค่าตั้งต้นของการเรียง
- •การเรียงโดยใช้ Sort by Other Column เพื่อปรับการแสดงผล
- •แนวทางปฏิบัติ
- •ยกเลิก Summarized บน Implicit Measure แล้วสร้าง Explicit Measures ขึ้นใหม่อย่างรอบคอบ
- •ยกเลิก Summarized บน Dimension Attributes และ Dimension Keys ทั้งหมด
- •ตัวอย่างการสร้าง Explicit Measures ที่ตอบโจทย์งานธุรกิจ
- •การรวม Measures เป็น Calculation Group เพื่อการใช้งานซ้ำ
- •แนะนำหลักสูตรเพิ่มเติมเพื่อพัฒนาทักษะ DAX
- •แนวทางปฏิบัติเพิ่มเติม
หลักสูตรที่เกี่ยวข้อง
สำหรับผู้ที่ใช้งาน Power BI มาแล้ว จะพบข้อจำกัดหนึ่งคือ “การคำนวณ” เช่น หากไม่ใช่ SUM ธรรมดา ที่ต้องเข้าใจ DAX โดยการคำนวณใน Power BI มีทั้ง Calculated Columns, Measures และ Table เพื่อสร้างผลลัพธ์ตามที่ต้องการด้วย DAX ซึ่งเป็นส่วนสำคัญมาก ๆ กับการทำงานกับ Power BI เพื่อการคำนวณในขั้นสูง ซึ่งจะได้เรียนรู้ความสามารถของ DAX และการนำมาประยุกต์ใช้งานในทางธุรกิจ ด้วย Workshop เข้มข้นในหลักสูตรนี้
Power Query ใช้นำข้อมูลมาทำการ ETL (Extract Transform Load) จากหลายแหล่งพร้อมกัน ข้อมูลที่มีโครงสร้างต่างกัน ไม่พร้อมใช้งานให้พร้อมใช้ ช่วยเตรียมข้อมูล แปลงข้อมูลเหล่านั้น และ ทำความสะอาดข้อมูล (Data Cleansing) เพื่อรวมข้อมูลขึ้นโครงสร้างใหม่ที่พร้อมนำไปวิเคราะห์ ทำงานด้าน Business Intelligence โดยในหลักสูตรนี้จะเน้นการจัดเตรียมข้อมูลที่หลากหลาย ซับซ้อน ให้มีความยืดหยุ่นสูงขึ้นด้วยคำสั่งต่าง ๆ และการปรับแต่งภาษา M ในรูปแบบของกรณีศึกษาที่จะทำให้งานที่น่าเบื่อ เป็นท้าทาย และเป็นงานอัตโนมัติในอนาคต
Power BI เป็นเทคโนโลยีที่เราสามารถนำข้อมูลมานำเสนอด้วยรูปแบบของ Visualization ในรูปแบบต่าง ๆ ให้น่าสนใจได้ การดู Trend และการคาดการณ์ (Forecast) พร้อมการวิเคราะห์ในระดับสูง พร้อมการทำงานร่วมกับ Power Apps และ Power Automate เพื่อทำ Automation ผ่าน Power BI Report อีกทั้งยังสามารถทำงานด้าน Artificial Intelligence (AI) เพื่อประมวลผลข้อมูลจำนวนมาก ๆ เพื่อให้เราเห็นมุมมองต่าง ๆ ได้ดียิ่งขึ้น หลักสูตรนี้จึงเหมาะสำหรับผู้ที่ต้องการสร้างและปรับแต่ง Visualization สร้าง Dashboard ด้วย Analytics อีกระดับ พร้อม AI
การสร้าง Report / Dashboard จาก SQL Server Databaseโดยไม่ได้ใช้ Data Model นั้นจะทำให้รายงานนั้นใช้ทรัพยากรสูง เข้าถึงได้ช้า ใช้ Bandwidth มาก ไม่มีประสิทธิภาพ แต่หากเราใช้ SQL Server การสร้าง Data Model จะช่วยทำให้ Report ของเราเร็วขึ้น เพราะไม่ต้องมีภาระให้การหาผลรวมข้อมูลอีกต่อไปและรองรับการเชื่อมต่อแบบ Live Connection จาก Power BI
หลักสูตรนี้สำหรับผู้ที่ต้องการฝึกทักษะการออกแบบฐานข้อมูลเชิงสัมพันธ์ (Relational Database) โดยเนื้อหาการอบรมได้มีตัวอย่างระบบงานหลากหลายให้ทดลองเขียน ER-Diagram นอกเหนือจากนี้ ยังให้สร้าง Table และ Relation โดย MS Access จาก ER-Diagram ที่ได้ออกแบบขึ้น พร้อมทั้งอธิบายถึงความจำเป็นในการกำหนดความสัมพันธ์ระหว่างตาราง เพื่อให้เข้าใจถึงลำดับการป้อนและลบข้อมูลในฐานข้อมูลเชิงสัมพันธ์ในขั้นนำไปใช้งานได้จริง