概要

このモジュールのシナリオでは、組織のセマンティック モデルの 1 つが非効率的であり、問題が発生していました。 ユーザーはレポートのパフォーマンスに不満があり、モデルのファイル サイズが大きすぎるため、組織のリソースに負担がかかっていました。

セマンティック モデルを確認してパフォーマンスの問題の原因を特定し、パフォーマンスを最適化してモデルのサイズを縮小するための変更を加えるよう求められました。

Power BI Desktop には、セマンティック モデルのパフォーマンスを分析および最適化するためのさまざまなツールと機能が用意されています。 パフォーマンス アナライザーやその他のツールを使用して最適化プロセスを開始し、メジャー、リレーションシップ、およびビジュアルのパフォーマンスを確認した後、分析結果に基づいて改善を行いました。 次に、変数を使用して、複雑さを抑え、より効率的な計算を記述しました。 さらに、列の分布を詳しく見て、リレーションシップのカーディナリティを減らしました。 その段階では、セマンティック モデルはさらに最適化されていました。 組織で DirectQuery モデルを使用した場合に状況がどのように変わるかを検討し、Power BI Desktop とソース データベースからのパフォーマンスを最適化する方法を特定しました。 最後に、集計を使用してセマンティック モデルのサイズを大幅に削減しました。

Power BI Desktop で非効率的なセマンティック モデルを最適化する機会が得られなかった場合、データを改善するために複数のデータ ソースで多くの時間を費やすことになります。 特に、パフォーマンス アナライザーを使用しなかったら、レポートのパフォーマンスの問題の原因と、クエリ内で取り除く必要があるボトルネックを特定できなかったでしょう。 結果として、ユーザーは不満を抱いてモチベーションを失い、レポートの使用を避けるかもしれません。

レポートを最適化したので、ユーザーは必要なデータにより早くアクセスでき、生産性が向上し、仕事の満足度が高くなります。 モデルのファイル サイズを縮小することで、リソースの負担が軽減されるため、組織はさまざまなメリットが得られます。 与えられた課題を正常に達成しました。