Power BIにより、データのモデル化を紹介します
フォン
こんにちは！フォンと申します。
株式会社メディアフュージョンのPower BI関連製品の開発を担当しているベトナム出身のエンジニアです。
蓄積された経験をPower BIに興味のあるや利用者などに共有したいです。
これまでの記事で、M 言語を用いた Power Query によるデータの取得と変換方法について説明してきました。しかし、Power BI にはさらに調整が必要な部分があります。
Power Query では、データをモデルに読み込む前に準備および変換することが可能です。外部から取り込んだデータの型を変換するなど、さまざまな処理を行います。
データがモデルに読み込まれた後は、Data Analysis Expressions (DAX) を使用してビジネス分析の質問に答えます。種々の計算を行うことで、さまざまな分析（視覚化）を行うことができます。ユーザーがグラフを操作してリアルタイムに変化させる場合、フィルターの変更、グラフの軸の変更、計算式の変更などに対応します。
Power Query と DAX の両方を使用したことがある方は、どちらでも実行できる状況があることに気付くでしょう。しかし、最良の結果を得るためには、いつどのツールを使用するかを明確に理解する必要があります。
たとえば、場合によってはすべてのデータテーブルをモデルに読み込むのではなく、使用しないデータが多く含まれていると大量の RAM が消費されます。その代わりとして、Power Query のマージ機能を使用して複数のテーブル間で必要なデータを結合し、1 つのテーブルのみをモデルに読み込むことができます。これにより、1 つのテーブルのみを使用する場合に効果的です。
一方で、一部の計算は Power Query で実行すると非常に複雑ですが、データモデル上で DAX を使用すると簡単に処理できることがあります。計算を高速化するために、多数の異なるクエリ（テーブル）を接続して構成されるデータモデルを設計します。
このセクションでは、モデルを構成するすべての関係、すべての組み合わせを検討します。また、メジャーを作成するための Data Analysis Expressions (DAX) 言語について詳しく学習します。DAX は Excel から派生した言語ですが、さらに拡張されたバージョンです。具体的に言うと、DAX は Power BI でデータを計算するための式（関数）を記述する言語です。DAX を使用することで、データモデルに基づいたカスタムの計算や集計を作成し、より高度な分析を行うことが可能になります。
次回からはデータモデリング段階で必要な作業について詳しく解説していきますので、どうぞご期待ください。
参照；画像では Microsoft の公開ページからアイコンを使用しています。
