Bonnes réponses
- AFormules DAX simplifiées
- CPerformances de requête améliorées
- EPlus facile à comprendre pour les utilisateurs métiers
Explication
L'option A (Formules DAX simplifiées) est correcte car un schéma en étoile sépare les faits quantitatifs des dimensions descriptives, de sorte que les mesures agrègent généralement une seule table de faits et filtrent via des relations un-à-plusieurs, évitant ainsi une logique de filtre complexe bidirectionnelle ou multi-table dans les appels CALCULATE et RELATED. L'option C (Performances de requête améliorées) est correcte car le moteur Power BI (VertiPaq) compresse et analyse efficacement des tables de dimension étroites et une table de faits unique, et les relations un-à-plusieurs permettent au moteur d'utiliser des chemins de jointure plus simples et plus rapides que les modèles en flocon ou normalisés. L'option E (Plus facile à comprendre pour les utilisateurs métiers) est correcte car les dimensions correspondent à des entités métiers familières (Client, Produit, Date) et les faits à des événements mesurables, rendant le modèle intuitif pour les créateurs de rapports en libre-service. L'option B est incorrecte car les schémas en étoile reposent sur des relations un-à-plusieurs ; les relations plusieurs-à-plusieurs ne sont pas natives de la conception en étoile et nécessitent des tables de pont ou un traitement spécial. L'option D est incorrecte car l'augmentation de la redondance des données est un inconvénient de la dénormalisation et non un avantage ; les schémas en étoile réduisent en fait la redondance par rapport aux modèles entièrement normalisés tout en acceptant une duplication contrôlée dans les dimensions.
Pour aller plus loin
Cette question teste les principes de modélisation dimensionnelle et leur impact direct sur la conception du modèle de données Power BI et les performances DAX. Un schéma en étoile est un modèle logique dénormalisé où une table de faits centrale stocke les faits additifs et les clés étrangères, tandis que chaque table de dimension contient des attributs descriptifs distincts à un grain cohérent. Dans Power BI, l'utilisation d'un schéma en étoile minimise le nombre de relations et évite les cardinalités plusieurs-à-plusieurs qui forcent une propagation de filtre ambiguë ou nécessitent des fonctions lourdes en performances telles que TREATAS ou des filtres à direction croisée. Un point subtil mais critique est que si le grain d'une dimension est plus grossier que celui de la table de faits, même une disposition en étoile peut créer une relation plusieurs-à-plusieurs ; par conséquent, l'alignement des grains doit être validé lors de la conception. Une idée fausse courante est qu'un schéma en étoile introduit une duplication massive, mais la redondance se situe uniquement au niveau des attributs de dimension, et la table de faits stocke en réalité beaucoup moins de texte en double qu'un extrait à plat. Implication dans le monde réel : les analystes peuvent simplifier considérablement le DAX en éliminant les transitions de contexte à travers les niveaux de flocon, tout en garantissant que chaque dimension possède une clé unique pour préserver le modèle un-à-plusieurs. Reconnaître quand créer une table de pont pour de véritables scénarios plusieurs-à-plusieurs par rapport au moment d'aplatir les attributs est une compétence clé pour la certification PL-300.
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.