MoyenneChoix unique

Question d'entraînement PL-300

Vous développez un modèle sémantique Power BI pour une entreprise de e-commerce. Les données source proviennent d'un fichier CSV contenant les détails des commandes : OrderID, OrderDate, CustomerID, ProductID, Quantity, UnitPrice, Discount et ShippingCost. Le fichier est mis à jour quotidiennement. Vous devez modéliser les données pour prendre en charge les analyses suivantes : 1) Montant total des ventes (Quantity * UnitPrice - Discount) par produit et par mois. 2) Coût d'expédition moyen par commande par région client (CustomerRegion se trouve dans une table distincte). 3) Comparaison des ventes d'une année sur l'autre. Vous devez créer les mesures et garantir des performances optimales. Que devez-vous faire ?

Choisissez la meilleure réponse.

Bonne réponse

  • DImporter les deux tables dans Power BI, créer une table de dates et créer des mesures à l'aide de SUMX et de l'intelligence temporelle.

Explication

L'importation des deux tables dans Power BI et la création d'un schéma en étoile avec une table de faits centrale (Orders) et des tables de dimensions (CustomerRegion, Date) permettent un calcul de mesure efficace. Les mesures peuvent utiliser SUMX pour calculer le montant des ventes (SUMX(Orders, Orders[Quantity] * Orders[UnitPrice] - Orders[Discount])) et le coût d'expédition moyen par commande filtré par région via des relations. Une table de dates distincte est requise pour les fonctions d'intelligence temporelle telles que SAMEPERIODLASTYEAR pour la comparaison d'une année sur l'autre. L'option A est sous-optimale car l'ajout de colonnes calculées dans Power Query augmente le temps de stockage et de traitement ; les mesures sont préférables. L'option B crée une table dénormalisée plate qui duplique les données de région client, entraînant un modèle plus volumineux et des performances plus lentes. L'option C est incorrecte car DirectQuery n'est pas pris en charge sur les fichiers CSV ; Power BI nécessite l'importation de données ou une connexion à une base de données. Par conséquent, l'option D est la meilleure approche.

Pourquoi chaque option est juste ou fausse

A

Fausse

Utiliser Power Query pour ajouter une colonne calculée pour le montant des ventes et le coût d'expédition par commande, puis importer.

Les colonnes calculées consomment de la mémoire et sont calculées lors de l'actualisation, tandis que les calculs de ventes et d'expédition par commande appartiennent à des mesures évaluées au moment de l'exécution de la requête sur le schéma en étoile. L'ajout de colonnes est approprié lorsqu'une valeur doit être segmentée ou filtrée directement, et non pour des agrégations.

B

Fausse

Créer une table unique en ajoutant la région client à chaque ligne du CSV à l'aide de Power Query, puis importer.

Aplatir CustomerRegion dans la table de faits duplique le texte de la région sur chaque ligne de commande, gonflant le modèle et empêchant une relation correcte avec la dimension de région. La dénormalisation convient aux scénarios nécessitant une seule exportation plate, et non à un schéma en étoile prenant en charge l'agrégation au niveau de la région et le découpage d'une année sur l'autre.

C

Fausse

Utiliser DirectQuery sur le fichier CSV pour éviter de stocker des données dans Power BI.

DirectQuery ne peut pas être utilisé sur un fichier CSV ; il nécessite une source relationnelle prise en charge, et il pousserait également chaque requête visuelle vers cette source, nuisant aux performances. DirectQuery est le bon choix lorsque les données doivent rester dans une grande source et que la fraîcheur l'emporte sur la vitesse des requêtes.

D

Juste

Importer les deux tables dans Power BI, créer une table de dates et créer des mesures à l'aide de SUMX et de l'intelligence temporelle.

L'importation des deux tables offre des performances en mémoire, et une table de dates dédiée active l'intelligence temporelle pour les comparaisons d'une année sur l'autre. SUMX effectue une itération au niveau de la ligne pour calculer Quantity * UnitPrice - Discount correctement, répondant aux exigences de ventes, d'expédition et de glissement annuel.

Pour aller plus loin

L'importation des deux tables dans Power BI et la création d'une table de dates dédiée permettent des fonctions d'intelligence temporelle efficaces telles que SAMEPERIODLASTYEAR et DATEADD. Les mesures utilisant SUMX parcourent la table des commandes pour calculer le montant des ventes ligne par ligne, ce qui est optimal pour les agrégations. Une table de dates distincte marquée comme table de dates garantit que les calculs basés sur le temps fonctionnent correctement à différentes granularités. Un point subtil : l'utilisation de DirectQuery sur un fichier CSV n'est pas prise en charge ; les sources CSV doivent être importées. Dans un scénario réel, un analyste e-commerce a besoin de comparaisons d'une année sur l'autre, qui nécessitent une table de dates continue et des mesures exploitant l'intelligence temporelle, évitant les colonnes calculées qui augmentent la taille du modèle et réduisent les performances.

À propos de ces questions d'entraînement

Cette question fait partie des questions d'entraînement PL-300 originales de Courseiva, rédigées pour apprendre et jamais copiées d'examens réels ou de dumps.

Traduite de l'original anglais avec l'IA et vérifiée pour le sens. Les codes d'examen, les commandes et les noms de produits sont conservés tels qu'ils apparaissent à l'examen.