Wat is zelf in Python: voorbeelden uit de echte wereld
Wat is zelf in Python: voorbeelden uit de echte wereld
In deze zelfstudie leren we over het faseren van query's met de Power Query-editor. Dit is een nieuw concept dat ik voor ons wil bespreken om te begrijpen waar en wanneer we dit in de query-editor kunnen gebruiken .
Staging-query's kunnen worden gebruikt om de gegevensbronparameters te configureren en bloot te stellen aan de dimensie- en feitentabelquery's van de gegevensset.
Voor LuckyTemplates-datasets moeten we parameters definiëren die specifiek zijn voor de gegevensbronnen, en een staging-query ontwikkelen die naar die parameters verwijst. Dit is een aanbevolen methode voor gegevenstoegang.
Inhoudsopgave
Analyse van het gegevensmodel
Als we nu naar ons model kijken, hebben we de essentiële elementen al, maar het is nog steeds te ingewikkeld. Daarom moeten we de query's gebruiken om onze tabellen of gegevens te integreren in een meer verfijnd en geoptimaliseerd model. Staging-query's via de Power Query-editor is een tussenstap om dit te bereiken.
Hier hebben we tabellen zoals Kanaalgegevens , Klanten , Producten , Regio's en een reeks Verkooptabellen voor 2014 , 2015 en 2016 .
Laten we eens kijken hoe onze demogegevens eruit kunnen zien vanuit verschillende gegevensbronnen die we in de toekomst mogelijk moeten verbinden. Als we de Sales Orders- tabellen in deze demogegevens bekijken , zien we dat het precies dezelfde gegevens zijn die alleen in een jaar verschillen. We moeten deze gegevens opvragen, zodat we ze in ons model kunnen opnemen. Daarom moeten we een manier vinden om ze te integreren terwijl we die vragen behouden, zodat ze de gegevens nog steeds kunnen vinden.
Bovendien moeten we ze niet hetzelfde uiterlijk en dezelfde vorm geven als hun oorspronkelijke zoekopdracht. Daarom moeten we voor deze tabellen een tussenliggende stap maken, genaamd staging area . Vervolgens gaan we in de query-editor de tabel optimaliseren of er een enkele tabel van maken.
We hebben de tabel Verkoop en de opzoektabellen zoals Klanten , Regio's en Producten . We hebben ook de Channel Details- tabel, die we gaan gebruiken als verzameltabel. Later moeten we de tabel Kanaaldetails samenvoegen met onze feitentabel ( Verkooptabel ). In de tussentijd zullen we de tabel Channel Details in onze staging-query plaatsen. Dit is alleen om u te laten zien hoe we deze tabel kunnen gebruiken.
Het model instellen via de Power Query-editor
Laten we nu teruggaan naar ons demomodel. Ik zal je laten zien hoe ik zou voorstellen om het in te stellen, aangezien we van deze drie tabellen maar één verkooptabel willen maken.
We moeten deze drie query's behouden. We gaan dus een nieuwe groep voor hen maken en deze Staging Queries noemen.
Laten we ook de tabel Channel Details naar onze Staging Queries- groep verplaatsen.
Laten we vervolgens de tabellen Klanten , Producten en Regio binnen de groep Gegevensmodel verplaatsen .
Dit is gewoon weer een goed voorbeeld van hoe we onze tafels goed kunnen organiseren.
De staging-query voltooien via de Power Query-editor
Het enige andere dat we met staging moeten herkennen, is de noodzaak voor ons om door te gaan met het doorzoeken van de gegevensbron. We moeten deze tabellen echter niet in onze modellen laten gaan.
Om dat te organiseren, beginnen we met rechtsklikken op de tabel Sales_2014 . In deze tabel behouden we de optie Opnemen in rapportvernieuwing . Schakel vervolgens de belasting uit door de optie Laden inschakelen uit te schakelen .
Laten we ook de tabel Sales_2015 , Sales_2016 en Channel Details uitschakelen door de optie Laden inschakelen uit te schakelen . Dit is de laatste stap voordat we deze vragen vastleggen in ons model.
Als gevolg hiervan is dit hoe onze staging-query eruit zou moeten zien. Ze gaan nog steeds vragen stellen, maar we gaan ze niet in ons model opnemen.
Dit is om gegevensbronparameters te verwijderen uit query's voor het ophalen van gegevens en ook om het gemakkelijk te maken om gegevensbronnen en hun query's te beheren.
Conclusie
Houd er rekening mee dat staging gaat over het gebruik van deze query's, hetzij van degenen die al in een model staan, hetzij van degenen die zich in ons staging-gebied bevinden. Vervolgens moeten we het model visualiseren dat we hieruit willen bouwen. We moeten onze tabellen optimaliseren, opschonen en vormgeven om ze in het model te krijgen waarmee we relaties gaan opbouwen.
In de andere zelfstudies leren we hoe we deze tabellen kunnen toevoegen en samenvoegen vanuit het verzamelgebied. Hopelijk geeft dit u een goed idee over hoe u dit concept kunt gebruiken en hoe u erover moet nadenken vanuit een vraagperspectief.
Al het beste,
Wat is zelf in Python: voorbeelden uit de echte wereld
Je leert hoe je objecten uit een .rds-bestand in R opslaat en laadt. In deze blog wordt ook besproken hoe je objecten uit R naar LuckyTemplates importeert.
In deze tutorial over DAX-coderingstaal leert u hoe u de functie GENERATE gebruikt en hoe u de titel van een maat dynamisch wijzigt.
Deze zelfstudie behandelt hoe u de Multi Threaded Dynamic Visuals-techniek kunt gebruiken om inzichten te creëren op basis van dynamische gegevensvisualisaties in uw rapporten.
In dit artikel zal ik de filtercontext doornemen. Filtercontext is een van de belangrijkste onderwerpen waarover elke LuckyTemplates-gebruiker in eerste instantie zou moeten leren.
Ik wil laten zien hoe de online service LuckyTemplates Apps kan helpen bij het beheren van verschillende rapporten en inzichten die uit verschillende bronnen zijn gegenereerd.
Leer hoe u wijzigingen in uw winstmarge kunt berekenen met behulp van technieken zoals vertakking van metingen en het combineren van DAX-formules in LuckyTemplates.
Deze tutorial bespreekt de ideeën van materialisatie van datacaches en hoe deze de prestaties van DAX beïnvloeden bij het leveren van resultaten.
Als u tot nu toe nog steeds Excel gebruikt, is dit het beste moment om LuckyTemplates te gaan gebruiken voor uw zakelijke rapportagebehoeften.
Wat is LuckyTemplates Gateway? Alles wat u moet weten