数据分析
设计清晰高效的 Power BI 数据模型
围绕业务指标建立星型模型、关系和可维护度量值。
OUTCOME
先看最终成果
一个关系明确、指标口径统一、性能可控的 Power BI 语义模型方案。
STEP BY STEP
跟着步骤完成
- 01
定义业务粒度
明确每张事实表一行代表什么，避免不同粒度混用。
- 02
建立星型结构
将事实与维度分开，优先使用单向一对多关系。
- 03
集中管理度量值
用显式 DAX 度量表达指标，统一格式、命名和描述。
- 04
检查性能
减少高基数列、双向关系和重复计算，验证刷新与查询耗时。
- 05
验证业务口径
使用已知样例和财务对账结果核对筛选上下文。
PROMPT
可直接使用的提示词
请根据{{数据表与业务指标}}设计 Power BI 语义模型。输出事实表粒度、维度表、关系方向、日期模型、核心度量值、命名规范、刷新策略和性能风险。对口径不明确的指标先提出问题，不要直接编写假设性的 DAX。把双大括号中的内容替换为你的真实信息。先补足上下文，再追求表达效果。
QUALITY CHECK
交付前检查
- 事实表粒度单一明确
- 关系方向尽量单向
- 指标使用显式度量值
- 已处理日期与空值成员
- 结果通过业务样例对账
SOURCE
来源与改编说明
- 仓库
- github/awesome-copilot
- 作者
- GitHub 社区贡献者
- 许可证
- MIT License
- 参考日期
- 2026-09-28
本站参考原技能的任务框架，重新编写为适合中文用户的实践教程，并非原项目官方译文。