スタースキーマの特徴はさ、リレーションシップはディメンジョンテーブルとファクトテーブル間に定義されるということ。 #PBIJP Semantic Data Modeling workout #6 powerbi.connpass.com/event/332612/ #MSFabricJP

勉強で得たい成果は、起きる/起きたこと/うまいくいった/うまくいかなかったことを理解し説明できるようになること。 Power BI 勉強会 in 広島 powerbi.connpass.com/event/329171/ #PBIJP #MSFabricJP

いつのまにか一か月前だったっていうね。内容など整理しないとね。 Power BI 勉強会 in 広島 powerbi.connpass.com/event/329171/ #PBIJP #MSFabricJP

既定のセマンティックモデルからメジャーの追加がオミットされたけど、やっぱり既定のセマンティックモデルはレイクハウス/ウェアハウスをモデル化、探索するためのものだからメジャーをつけて分析するためのものではないという意思表示なのかな #MSFabricJP pic.x.com/uqwcn6wbsq

DirectQuery mode はよーく検討してから採用しないとね。データソース側でコスト増加になるケースが多いってこと、予測できていますか？ #PBIJP Semantic Data Modeling workout #5 powerbi.connpass.com/event/329170/ #MSFabricJP

ワークスペースが増えたところで困ることはないでしょと思っているけど、アイテムとして運用できるのはよいことだ。#PBIJP #MSFabricJP Get started with org apps (preview) - Power BI | Microsoft Learn learn.microsoft.com/en-us/power-bi…

スタースキーマってあるでしよ、そこでよく考えてみて。ディメンジョンテーブル/ファクトテーブル間にリレーションシップを定義したけど、それ以外のテーブルの組合せで定義されているのは、なぜ？必要？説明できる？ #PBIJP Semantic Data Modeling workout #5 powerbi.connpass.com/event/329170/ #MSFabricJP

使わなくてもなんとかできるけれども、Dataflow には求められる重要な機能 #PBIJP #MSFabricJP Incremental refresh in Dataflow Gen2 - Microsoft Fabric | Microsoft Learn learn.microsoft.com/en-us/fabric/d…

同じ評価結果を得られる異なるセマンティック モデルがあったとしましょう。どちらでもよいということではなくてね、それぞれ結果を得るまでに必要な対価💰が異なることも把握しておくとよいのです。 #PBIJP Semantic Data Modeling workout #5 powerbi.connpass.com/event/329170/ #MSFabricJP

いきなり完成やマスターピースを目指さないことがコツ。 数か月もかけるなら、大きな成果でなく数多くの成果を出した方がよい。そもそも セマンティック モデルの寿命は思っているより短い。 #PBIJP Semantic Data Modeling workout #5 powerbi.connpass.com/event/329170/ #MSFabricJP

ひとり感想戦 データの準備/変換を考えるとき、期待する結果が得られるための前提条件を明確にしておくべき。たとえば、低品質のデータに対し際限のない行き当たりばったりはやめましょって話。 #PBIJP Data Preparation workout #6 powerbi.connpass.com/event/329169/ #MSFabricJP

勉強で得られる成果は、高度なことができるようになるということよりも、やるべきこと/やらなくてよいことの判断ができる。やらかしたときの影響を知るということと思うよ。How-to ばかり夢中で追っかけても起きたこと/起きることを説明できないでしょ。 powerbi.connpass.com/event/ #PBIJP #MSFabricJP

例外は常にある。しかし、その例外により得られること/手放すことを説明できないのは、どうしてなんだい？ #PBIJP Semantic Data Modeling workout #5 powerbi.connpass.com/event/329170/ #MSFabricJP

メジャーの定義がやたら難しかったり、期待する結果が得られなかったり、パフォーマンスが悪かったりするのは、データモデルのデザインとデータの準備に問題がある。まずはこれら問題を解決しておくべきと思うね。 #PBIJP Semantic Data Modeling workout #5 powerbi.connpass.com/event/329170/ #MSFabricJP

収穫した素材を用意したら、整え計量し、材料として下拵えするってことです。 #PBIJP Data Preparation workout #6 powerbi.connpass.com/event/329169/ #MSFabricJP